实测GPT-5，算错数学题，真升级了吗？

吊了几十波胃口，OpenAI 今天总算让 GPT-5正式登场了。

上线没多久，lmarena.ai 竞技榜的分数就被它刷了一遍，直接冲到榜首：

• 文本、Web 开发、视觉三个竞技场全部稳坐第一；
• 硬提示、编程、数学、创造力、长查询这些分项也一样登顶。

尴尬的是，发布会上 GPT-5 生成的图表看起来翻车了。52.8 比 69.1 大？30.8 和 69.1 一样高？

这就是 Sam Altman 嘴里 OpenAI 有史以来最聪明的模型？

我第一时间实测了一轮，除了编程，其余都挺拉的…千言万语汇成一句：还我4o。

 

01. 新鲜出炉的实测

 

case 1 经典易错题

先从一道经典数学陷阱题开场：

提示词：9.9和9.11谁大

GPT-5 回答：9.11 比 9.9 大，因为在数字比较时先比整数部分（相同都是 9），再比小数部分，11 > 9。

如果你是问日期，那就是 9 月 11 日比 9 月 9 日更晚。

case 2 编程

提示词：写一个 javascript 代码，显示一个小球在旋转的正六边形内弹跳。球应该受到重力和摩擦力的影响，它必须从旋转的墙壁上真实地弹起，用 javascript 和 html 实现它

整体效果说得过去，重力和摩擦力的作用看得出，但弹跳的表现力差点意思。

case 3 图像生成

提示词：将图片里的内容翻译成中文，需要通俗易懂引人入胜，不改变原意，不要凭空添加没有的内容。

三家摆在一起对比，大家觉得哪个翻得更好？

Gemini 2.5 Pro：

豆包：

GPT‑5：

就我看来，Gemini 2.5 Pro 翻得最好，通顺，人味也足；豆包排第二，错处没有，可惜人味淡了点；GPT 5 和豆包半斤八两，跟 Gemini 2.5 Pro 放一起比，差距就摆出来了。

case 4 前端

提示词：生成一个番茄钟的网页应用，包含以下功能：- 目标：计时器 + 会话记录。- 功能：自定义时长、自动启动选项、会话图表（SVG）、声音警报（提示音）、暗黑模式。- 界面应该适合日常使用，并能给用户一些活力！

GPT‑5 交出来的番茄钟网页，审美是这几家里更强的，计时、暂停这些按钮功能也齐，可页面上杵着这么一个大环形…我是真看不懂。

Gemini 2.5 Pro 生成的页面功能倒是完整，卖相就简陋了，布局和配色比 GPT‑5 差一截——但架不住它真的能用啊！

 

02. 测完说两句

 

一轮跑下来，GPT‑5 的幻觉有没有变少不好说，智商看着是真少了。文案水平不但没涨，连当年的 GPT‑4o 都赢不了。

编程能力算中规中矩，也可能是我的提示词给得不够狠…

前端这块审美在线，就是小BUG还是会冒出来。

以上都是One Shot，没做反复测试，但总不能每次都恰好踩雷吧？

最后只想说：这场发布会白熬了，GPT还我睡眠！

GPT‑5 目前已经上线官网，全员可用。免费版每5小时可发送10条，Plus 版每3小时可发送80条。

不信邪的，大可自己上手试试。

原文链接：9.11比9.9大？GPT-5数学题都算错，真升级了吗？