GPT-5 Thinking

5 · Rodzina: GPT

Wariant GPT-5 z trybem głębokiego rozumowania, dostępny w ChatGPT i w API przez parametr reasoning_effort. Wydany 7 sierpnia 2025.

✓ Aktywny✓ Publiczny dostępModel rozumowaniaModel multimodalnyLLM📁 GPT

Okno kontekstowe

400K

tokenów

Max output

128 000

tokenów

Data premiery

7 sierpnia 2025

🏢OpenAIProducent 🤝MicrosoftPartner technologiczny

Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

GPT-5 Thinking to wariant głębokiego rozumowania w ramach unified system GPT-5, opublikowanym przez OpenAI 7 sierpnia 2025 r. System GPT-5 składa się z szybkiego modelu odpowiadającego na większość zapytań, modelu rozumującego (GPT-5 Thinking) oraz routera czasu rzeczywistego, który wybiera ścieżkę na podstawie typu konwersacji, złożoności, potrzeby użycia narzędzi oraz intencji użytkownika. W ChatGPT GPT-5 Thinking jest dostępne jawnie z model pickera dla użytkowników płatnych lub przez frazę typu "think hard about this". W API ten sam model GPT-5 (identyfikator gpt-5, snapshot gpt-5-2025-08-07) eksponuje parametr reasoning_effort z wartościami minimal/low/medium/high, sterujący długością łańcucha rozumowania. Okno kontekstu wynosi 400 000 tokenów, maksymalna długość odpowiedzi 128 000 tokenów. Knowledge cutoff: 30 września 2024. Modalności wejściowe to tekst i obraz, wyjście to tekst. Cennik API: 1,25 USD za 1M tokenów wejściowych (0,125 USD cached) i 10 USD za 1M tokenów wyjściowych. Model był trenowany na superkomputerach Microsoft Azure AI.

Klasyfikacja

Model rozumowaniaModel multimodalnyLLM

Rodzina: GPT

Dostęp i wdrożenie

APIHostowane

Chmura

Wagi: Zamknięte

Kluczowe parametry

📏 Kontekst: 400K

✓ Narzędzia

📥 Wejście: tekst, obraz

Platformy

OpenAI API Microsoft Azure AI Foundry

Specyfikacja techniczna

Okno kontekstowe

400K

tokenów

Max output tokens

128 000

tokenów na odpowiedź

Knowledge cutoff

30 wrz 2024

Data graniczna wiedzy

Funkcje:✓ Używanie narzędzi

Modalności

⬇ Wejście (Input)

textimage

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Rozumowanie wieloetapowe

Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.

Kategoria: reasoning

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Wielojęzyczność

Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.

Kategoria: language

Rozumienie obrazu

Analiza i interpretacja treści obrazów.

Kategoria: vision

Wywoływanie funkcji

Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.

Kategoria: planning

Planowanie

Tworzenie i realizacja planów działania dla złożonych zadań.

Kategoria: planning

Równoległe wywołania narzędzi

Zdolność do jednoczesnego wywoływania wielu narzędzi zewnętrznych w trakcie generowania odpowiedzi.

Kategoria: reasoning

Zdolności agentowe

Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.

Kategoria: planning

Wyjście strukturyzowane

Generowanie danych w ustrukturyzowanych formatach, np. JSON.

Kategoria: structured_generation

Obsługa komputera

Zdolność modelu do obsługi interfejsu komputera poprzez interpretację zrzutów ekranu oraz generowanie akcji takich jak kliknięcia, wpisywanie tekstu i nawigacja po aplikacjach.

Kategoria: planning

Wyniki benchmarków

6 benchmarków

SWE-bench

accuracy · SWE-bench Verified, fixed subset n=477, high reasoning effort

74.9%