GPT 5 Pro
3043°
OpenAI | 400,000 token context | $15.00/M input, $120.00/M output. GPT-5 Pro 是 OpenAI 最先進的模型,在推理、程式碼品質及使用者體驗上有重大提升。它優化用於需要逐步推理、遵循指令及高風險使用案例中精確度的複雜任務。支援測試時路由功能及進階提示理解,包括使用者指定的意圖如「think hard about this」。改進包括減少幻覺、諂媚行為,並在程式碼撰寫、寫作及健康相關任務中表現更佳。
本模型的指南
開放權重、開源與僅API:你到底能做什麼
如何在2026年10月選擇AI模型:先看封閉源新聞,再看值得下載的開放權重
2026 年最便宜的 10 款 ChatGPT 替代方案:免費本地模型、免費方案和固定費率計劃
船長筆記
2026-10-13 的筆記
GPT-5 Pro 是 OpenAI 最強大的模型,專為需要推理深度、指令精確度與準確性勝過速度與成本的高風險工作打造。支援 40 萬標記上下文,能響應「仔細思考」等意圖提示,分配更多計算資源處理問題。權重封閉、僅限 API 使用,價格相應,是專業人士追求最佳輸出且能負擔費用的工具。
以...聞名
- 對複雜多部分問題進行逐步推理
- 相較早期 OpenAI 模型,減少幻覺與諂媚現象
- 高風險任務中具備強大的程式碼品質與準確性
- 推理強度可由使用者在推論時指定
- 40 萬標記上下文視窗,能處理長文件與延伸對話
注意
- 輸出費用每百萬標記 120 美元,長時間代理運行成本高昂。
- 權重封閉,無本地部署與 Hugging Face 倉庫。
- 此價格等級下,每個提示都應物有所值,休閒使用難以合理化。
可嘗試的提示詞
審核複雜程式碼決策
我有一個 Python 服務處理金融交易,目前使用單一 Postgres 資料庫與行鎖控制並發。約 500 個同時用戶時出現爭用。請分析改用事件源架構(附加式日誌)與調整現有樂觀鎖與讀取副本的利弊,並具體說明失敗模式。
推理困難診斷
請仔細思考。一名病患出現疲倦、莫名體重減輕、夜間盜汗及左側鎖骨上淋巴結腫大。請依緊急程度列出鑑別診斷,說明每項推理,指出最重要的下一步檢查並解釋理由。
規劃多步驟研究專案
我需要了解到 2035 年工業水泥生產現場碳捕捉是否具備經濟規模可行性。拆解關鍵子問題,指出證據最強與最弱處,標示若假設錯誤會大幅改變結論的部分,並建議研究順序。
比較
- gpt-oss-120b開放權重模型131,072 代幣上下文 · $0.15/M 輸入,$0.60/M 輸出
- gpt-oss-20b開放權重模型131,072 代幣上下文 · $0.02/M 輸入,$0.09/M 輸出
- gpt oss 120b Turbo開放權重模型131,072 代幣上下文 · $0.15/M 輸入,$0.60/M 輸出
- GPT-6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.10/M 輸入,$0.50/M 輸出
更多來自 openai 的文字模型
常見問題
- 我可以本地執行 GPT-5 Pro 或下載權重嗎?
- 不行。GPT-5 Pro 僅限 API 使用,OpenAI 未釋出權重,也無 Hugging Face 倉庫。
- GPT-5 Pro 費用與上下文視窗多大?
- 輸入標記每百萬 15.00 美元,輸出標記每百萬 120.00 美元,上下文視窗為 400,000 標記。
- GPT-5 Pro 與其他 GPT-5 版本有何不同?
- GPT-5 Pro 是 OpenAI 最先進的模型,優化於複雜推理、準確性與高風險任務,而非速度或成本效率。
船長評語OpenAI 最銳利的工具——若任務確實需要,值得這個價格,否則難以合理化。
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料,可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據,所以它會有一個低於 7,000° 的替代數字,讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據,細項就會顯示在這裡。
詞彙表:這裡使用的術語
- 熱度分數
- 一個數字,表示模型目前的使用和需求程度,範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序,沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°;底線以下保留給沒有數據的模型,確保有數據的模型總是排名較前。底線對所有人相同,不影響排名;超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總:下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數,不是以一為單位:從 1,000 到 10,000 下載增加的度數,和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡,每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數,根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數,且差異是真實的。估算表示只知道今天的總數,過去的數據則分散在模型的整個生命週期;網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人,或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡,利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的,每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站,例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣,每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型,如 Claude 或 GPT,沒有權重可下載,因此使用量以代幣計算:過去30天內透過 OpenRouter(許多應用使用的閘道)讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
- 完整模型(檢查點)
- 權重本身,是能獨立生成的檔案。它會有額外加分,因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案,用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎,例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久,扣除的度數:每年150°,最多750°。它會保留那些有多年累積下載的舊模型,防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成,會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分,讓列表保持完整。它永遠不會高於有數據的模型。
- 全新!(寬限期)
- 不到 7 天的新模型會顯示「全新!」而非分數,且不列入排名。分數從第一天開始計算,但一天大的模型成長最快,若不等待,週榜首將永遠是昨天剛出的模型,而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升,比典型慢表示下降。
- 典型模型
- 目錄中的中間值:一半模型在該期間成長較快,一半較慢。
