OpenAI 於 2025/8/7 推出 GPT-5，包括 ChatGPT 和 API 都同時上線，這裡針對 AI 開發者快速解惑與整理重點。
ChatGPT != API 平台的模型
首先，ChatGPT App 的模型與 API 平台上的模型，並非一一對應，這點常讓開發者搞混。讓我說清楚。在 ChatGPT App 裡，其實是一個系統，包含:
- GPT-5 模型 (這沒有 thinking)
- GPT-5 Thinking 模型
- 內部的 Router 路由模型，會依據用戶問題動態切換不同模型與推理程度
選 GPT-5 時，預設沒有 thinking，但如果你明確要求它 think more 或類似的指示，就會自動改用 GPT-5 Thinking。
選 GPT-5 Thinking 會進行推理，但如果用戶點了「快速取得回答」，則會跳回沒有推理的 GPT-5。
用 GPT-5 Thinking 時，它也會根據問題動態決定 reasoning_effort 推理強度。
另外，在 Introducing GPT-5 公告中的評測文字:
- with thinking 對應 API 平台的 gpt-5 模型 reasoning_effort: high
- without thinking 對應 API 平台的 gpt-5-chat-latest 模型 (注意，這個模型在 API 平台僅供評測用，不建議上 production 使用，因為被閹割掉很多功能包括 function calling 跟內建工具都不支援)
還有個 GPT-5 System Card 又冒出稍微不同的模型名稱有點討厭，System Card 文件中沒有寫清楚對應，以下是我的推測:
- gpt-5-main 對應 gpt-5-chat-latest 模型
- gpt-5-thinking 對應 gpt-5 模型 reasoning_effort 參數是 high
開發者 API 更新重點
模型大小
跟上回 GPT-4.1 一樣，GPT-5 有提供三種模型大小: gpt-5、gpt-5-mini、gpt-5-nano，價錢不同。至於 context window 輸入上限是 400k，輸出是 128k。
reasoning_effort 參數
參數 reasoning_effort 可以控制推理程度，有分 low, medium, high 以及這次新推出的 minimal 可以輸出非常少或甚至沒有推理 tokens，這是專為開發者推出的，注意：這和 ChatGPT App 裡的 GPT-5 (without thinking 那個) 不一樣!
這適合低延遲場景、不需要解釋的確定性任務。OpenAI 甚至直接建議: 原本用 gpt-4.1 可升級為 gpt-5 搭配 reasoning_effort: minimal 使用，成本跟性能上是接近的，prompt 寫法也和非推理模型類似，建議可參考 cookbook: gpt-4.1 prompting guide 對於思考步驟要寫比較詳細。
另外要強調，推理模型的 reasoning tokens 也是算 output tokens 費用的，因此你光看廠商價格表，覺得推理與非推理模型單價 tokens 接近是不實際的，因為推理 tokens 實際上會多好幾倍，例如用 reasoning_effort: high 的話會多達 20 倍以上。
因此對開發者來說，我認為 minimal 可能是更常用的設定，比較好控制成本，有點像是你自己手動 prompt 控制要如何推理的模式。
verbosity 參數
新推出 verbosity 參數(low, medium, high) 可控制 GPT-5 回答的預設長度，ChatGPT 介面上也有對應調整選項。若用戶 prompt 與 verbosity 衝突，會以明確指令為優先。
Function Calling 新功能
1. Custom tools: 使用 function calling 但可以讓輸出不用是 JSON 結構化輸出了! 可以是任意 raw text。
JSON 的疑慮就是會影響模型性能，有時候是多餘的，例如就是要產生 SQL，你再包一層 JSON 就多餘麻。這個新功能將彈性都交給開發者了。對於開發框架設計會有很大的影響。
這還可搭配 context-free grammar 限制格式，讓模型輸出特定 DSL 或結構化語言，超厲害。
2. Tool choice 新增 allowed tools 參數: 可限制模型只能呼叫工具清單中的子集，更好控制用戶可以使用的工具。這設計的主要理由其實是配合 prompt 快取! 如此就不會修改到一開始傳入的工具清單，提升快取命中率。
3. 工具呼叫前的 Preambles 前言輸出: 在呼叫工具前輸出用戶可見的前言，幫助用戶明白模型正在做什麼，特別是在很長的 agent 執行過程中可以提供更好的互動體驗，這會出現在 reasoning tokens 之後，工具呼叫之前。對於 reasoning_effort: minimal 情況下，也可特別增加工具呼叫的準確性。
這個可在 prompt 中調整工具前言的頻率、風格和內容，是要詳細還是簡短皆可。這個功能我認為也將影響開發框架，因為目前絕大多數的範例 code 都假設模型呼叫工具時不會同時有用戶可見的文字輸出。