- GPT-5 dan GPT-5.2 meningkatkan penaakulan saintifik dan matematik, dengan keputusan utama dalam penanda aras seperti GPQA Diamond dan FrontierMath.
- Model bertindak sebagai juruterbang bersama penyelidikan: ia membantu menyelesaikan masalah terbuka, mengoptimumkan eksperimen dan menganalisis literatur, tetapi ia memerlukan pengesahan manusia.
- Penerimaannya meliputi perubatan, makmal basah, universiti dan perniagaan, meningkatkan produktiviti tetapi menimbulkan cabaran etika, keselamatan dan kawal selia.
Lonjakan ke hadapan yang dibawa oleh GPT-5 dan GPT-5.2 dalam penyelidikan saintifik mentakrifkan semula cara sains dilakukan : daripada matematik yang paling teoritis hinggalah eksperimen makmal basah, merangkumi biologi, fizik, perubatan dan sains bahan termaju. Model-model ini bukan sahaja menjana laporan; ia telah mula digunakan sebagai juruterbang bersama penyelidikan sebenar, yang mampu mencadangkan hipotesis, membantu mereka bentuk eksperimen dan mencari corak dalam data yang memerlukan seseorang untuk mengenal pasti selama berbulan-bulan.
Pada masa yang sama, OpenAI dan seluruh ekosistem saintifik sangat jelas tentang satu perkara penting : GPT-5 bukanlah "saintis autonomi" mahupun pengganti kaedah saintifik manusia. Ia berfungsi lebih sebagai pembantu dengan akses yang luas kepada literatur, alat kuantitatif dan keupayaan penaakulan berstruktur, yang boleh mempercepatkan kerja, tetapi masih memerlukan penyeliaan pakar, pengesahan dan banyak pertimbangan kritikal daripada penyelidik.
GPT-5 dan GPT-5.2: Generasi baharu model untuk sains dan matematik
OpenAI telah menetapkan 11 Disember 2025 sebagai tarikh penting untuk pelancaran rasmi GPT-5.2 , versi yang digambarkannya sebagai model paling canggih setakat ini untuk tugasan saintifik dan matematik. Sepanjang tahun lalu, syarikat itu telah bekerjasama rapat dengan penyelidik dalam bidang seperti matematik, fizik, biologi dan sains komputer untuk mendapatkan pemahaman praktikal tentang di mana AI memberikan nilai sebenar dan di mana ia masih kurang.
Kerja ini telah menghasilkan kajian kes yang merangkumi pelbagai disiplin , daripada astronomi hingga sains bahan, di mana GPT-5 dan, kemudian, GPT-5.2 telah memainkan peranan dalam bahagian tertentu aliran kerja penyelidikan: mereka bentuk semula bukti, meneroka kaedah ujian alternatif, menyemak semula kod simulasi, mensintesis artikel dan mencadangkan variasi protokol kecil. Menurut OpenAI, GPT-5.2 mula menunjukkan bukan sahaja penambahbaikan sekali-sekala, tetapi juga penambahbaikan yang lebih stabil dan boleh dihasilkan semula.
Dalam keluarga GPT-5.2, dua varian khusus untuk sains dan matematik menonjol: GPT-5.2 Pro dan GPT-5.2 Thinking . Kedua-duanya dioptimumkan untuk penaakulan mendalam dan tugas teknikal yang mencabar, di mana ralat yang halus boleh merosakkan keseluruhan analisis. GPT-5.2 Pro mengutamakan ketepatan dan kejituan, membolehkan lebih banyak masa penaakulan, manakala GPT-5.2 Thinking memberi tumpuan kepada keputusan bijak bila untuk "berfikir" lebih banyak dan bila untuk bertindak balas dengan lebih cepat.
Falsafah "penaakulan berlapis" ini telah wujud dalam reka bentuk GPT-5 dengan mod Pemikiran GPT-5 , yang bertindak sebagai penghala dalaman yang mampu menilai kerumitan pertanyaan, konteks yang tersedia dan alatan yang diperlukan (contohnya, akses kepada Python) sebelum menghasilkan respons. Ia bertindak balas dengan cepat kepada soalan mudah; untuk masalah yang kompleks, ia mengaktifkan rantai penaakulan yang lebih panjang dan lebih eksplisit.
Dalam penggunaan harian, pengguna boleh memilih daripada beberapa mod penaakulan GPT-5 : “Auto,” yang membolehkan model menentukan berapa banyak masa yang perlu diluangkan untuk masalah tersebut; “Segera,” yang mengutamakan kelajuan berbanding kedalaman; “Berfikir,” untuk jawapan yang lebih teliti dan analitikal; dan “Pro,” pilihan yang paling ketat dan mencabar, direka untuk tugasan yang mana ketepatan diutamakan berbanding kelajuan. Perlu diingatkan bahawa GPT-5 ialah model berbayar, boleh diakses melalui langganan atau bayar-setiap-guna, yang amat relevan untuk institusi yang mengurus data sensitif atau mereka yang mempunyai bajet penyelidikan yang ketat.
Prestasi dalam penanda aras: GPQA, FrontierMath dan FrontierScience
Penambahbaikan GPT-5.2 dalam penyelidikan saintifik bukan sahaja berdasarkan tanggapan subjektif, tetapi juga berdasarkan hasil daripada penanda aras khusus . Salah satu yang paling banyak disebut ialah GPQA Diamond, satu set soalan aneka pilihan di peringkat siswazah yang merangkumi fizik, kimia dan biologi, yang direka untuk mengukur penaakulan lanjutan dan bukan sekadar hafalan.
Dalam GPQA Diamond, GPT-5.2 Pro mencapai kadar kejayaan 93,2% dan GPT-5.2 Thinking 92,4% , bekerja tanpa alat luaran dan dengan usaha penaakulan ditetapkan pada tahap maksimum. Dalam erti kata lain, model tersebut perlu menyelesaikan masalah "sendiri", semata-mata melalui keupayaan analisis dalamannya. Angka-angka ini jelas meletakkannya di atas generasi sebelumnya dan mengukuhkan peranannya sebagai pembantu dalam tugasan penyelesaian masalah dan pemahaman peringkat tinggi.
Satu lagi ujian penanda aras ialah FrontierMath (Tahap 1-3) , satu penilaian matematik lanjutan yang membolehkan penggunaan alat Python. Dalam senario ini, Pemikiran GPT-5.2 menyelesaikan 40,3% masalah dengan usaha penaakulan maksimum, peratusan yang, walaupun mungkin kelihatan sederhana kepada mata yang tidak terlatih, mewakili satu lonjakan ke hadapan yang ketara dalam bidang di mana kebanyakan model sebelumnya hampir tidak mencapai hasil yang berguna.
Di luar angka-angka, OpenAI menegaskan bahawa kemajuan ini mencerminkan peningkatan dalam keupayaan abstraksi dan penaakulan keseluruhan , bukan sekadar kemahiran sempit yang dioptimumkan untuk penanda aras tunggal. Mereka secara langsung menghubungkan keupayaan ini dengan aliran kerja saintifik harian: simulasi pengaturcaraan, analisis data statistik, mereka bentuk dan memperhalusi eksperimen, dan mentafsir keputusan.
Secara selari, OpenAI telah memperkenalkan rangka kerja yang lebih luas yang dipanggil FrontierScience , yang direka untuk menilai prestasi model seperti GPT-5 terhadap masalah saintifik yang benar-benar baharu yang bukan sebahagian daripada data latihan. FrontierScience merangkumi cabaran dalam biologi, kimia, fizik, matematik, sains komputer dan sains sosial, yang direka untuk menuntut bukan sahaja pengetahuan teori tetapi juga perancangan, pemikiran kritis dan pengitlakan.
Analisis awal menunjukkan bahawa GPT-5 berfungsi dengan sangat baik apabila tugasan tersebut dapat dipecahkan kepada langkah-langkah yang jelas dan logik , sementara ia terus bergelut apabila diperlukan untuk menuntut intuisi kreatif atau pemahaman yang mendalam tentang konteks eksperimen. Ini selaras dengan pandangan yang semakin meluas dalam kalangan pakar AI: model generatif semasa merupakan alat sokongan yang berkuasa, tetapi ia tidak menggantikan kreativiti, intuisi atau tanggungjawab saintis manusia.
Satu kes simbolik: menyelesaikan masalah terbuka dalam matematik
Salah satu contoh paling menarik penggunaan model ini dalam sains tulen adalah dalam teori pembelajaran statistik, di mana GPT-5.2 Pro membantu menyelesaikan masalah terbuka yang berkaitan dengan monotoni lengkung pembelajaran untuk penganggar kemungkinan maksimum. Persoalan asasnya adalah intuitif: apabila kita menambah lebih banyak data pada model statistik yang ditentukan dengan betul, haruskah ralat yang dijangkakan sentiasa berkurangan, atau mungkin ia bertambah buruk, sekurang-kurangnya dalam beberapa segmen?
Kajian terdahulu telah menunjukkan bahawa, di bawah keadaan praktikal tertentu, lengkung pembelajaran tidak selalunya monotonik dan, apabila data ditambah, kadar ralat boleh meningkat secara tidak sengaja. Penyelidikan ini berpunca daripada masalah yang dibangkitkan pada tahun 2019 di Persidangan Teori Pembelajaran (COLT) oleh Viering, Mey, dan Loog, yang mencetuskan banyak artikel berikutnya dengan contoh dan strategi konkrit untuk memulihkan monotoni.
Walaupun terdapat kemajuan ini, satu kes standard, yang dianggap hampir seperti buku teks, masih belum dapat diselesaikan : model Gaussian dengan min yang diketahui dan sisihan piawai yang tidak diketahui, di mana model statistik adalah betul dan data mengikuti taburan normal yang ideal. Dalam senario klasik ini, kajian baharu ini menyimpulkan bahawa intuisi tradisional adalah benar dan lebih banyak data sememangnya membayangkan ralat min yang berkurangan secara boleh diramal.
Perbezaan utama dalam kajian ini, seperti yang dijelaskan oleh OpenAI, bukan sahaja terletak pada hasilnya tetapi juga pada prosesnya . Daripada membimbing model langkah demi langkah dengan skema bukti terperinci, penulis secara langsung mengemukakan masalah terbuka kepada GPT-5.2 Pro dan menganalisis bukti yang terhasil dengan teliti. Mereka kemudian mengesahkan hujah tersebut dengan pakar luaran dalam bidang ini, menyemak setiap langkah dengan teliti, dan, setelah bukti tersebut dikukuhkan, menggunakannya untuk melanjutkan hasilnya ke dimensi yang lebih tinggi dan model statistik biasa yang lain.
Pendekatan ini menggambarkan dengan tepat jenis kolaborasi yang baru muncul antara manusia dan AI dalam penyelidikan teori : model tersebut mencadangkan laluan ujian yang berpotensi, manusia bertindak sebagai penimbang tara yang teliti, membetulkan, memperhalusi dan memutuskan apa yang diterima sebagai sumbangan yang sah. Tiada pendelegasian buta, tetapi sebaliknya gabungan penerokaan automatik dan penelitian pakar.
GPT-5 sebagai juruterbang bersama penyelidikan: dari nombor Erdős ke makmal basah
Selain statistik teori, GPT-5 telah dipaparkan dalam kes penggunaan berprofil tinggi yang lain . OpenAI, sebagai contoh, telah menerbitkan sebuah kertas kerja di mana modelnya membantu menyelesaikan masalah terbuka yang kompleks dalam teori nombor yang berkaitan dengan legasi Erdős, dengan kerjasama seorang ahli matematik dari Universiti Columbia. Model ini membantu meneroka konjektur, mengesahkan langkah pertengahan dan mencadangkan pendekatan alternatif yang terbukti membuahkan hasil.
Satu lagi contoh yang telah mendapat perhatian yang ketara ialah pengenalpastian perubahan khusus dalam sel imun manusia dalam beberapa minit , satu tugasan yang sebelum ini mengambil masa berbulan-bulan untuk diselesaikan oleh sekumpulan saintis. GPT-5 mencadangkan satu eksperimen khusus untuk menguji hipotesis tentang perubahan ini; para penyelidik mereplikasi eksperimen tersebut dan mengesahkan bahawa cadangan itu betul, sekali gus memendekkan kitaran cuba-dan-ralat yang biasa dengan ketara.
Keputusan ini merupakan sebahagian daripada gerakan yang lebih luas oleh industri teknologi ke arah sektor saintifik . Anthropic , sebagai contoh, telah mengumumkan penyepaduan chatbot Claude ke dalam alatan yang digunakan oleh kumpulan penyelidikan dan syarikat sains hayat. Google telah memperkenalkan "saintis bersama" yang direka untuk merumuskan hipotesis baharu dan menekankan bahawa model Gemma sumber terbukanya menyumbang kepada penemuan saluran baharu yang berpotensi untuk terapi kanser.
OpenAI, bagi pihaknya, telah mewujudkan unit saintifik khusus dan membawa masuk tokoh-tokoh seperti Alex Lupsasca, yang terkenal dengan kerja teorinya mengenai lubang hitam . Rancangan syarikat itu termasuk membangunkan sejenis "pelatih penyelidikan AI automatik" dalam jangka pendek dan, melihat lebih jauh ke hadapan, alat penyelidikan yang hampir automatik sepenuhnya dalam beberapa tahun, sentiasa di bawah premis untuk memastikan penyelidik manusia menjadi teras proses.
Dalam makmal basah, GPT-5 dan penggantinya telah terbukti berguna sebagai pembantu untuk mengoptimumkan protokol eksperimen . Berdasarkan literatur yang berkaitan dan data sebelumnya, model ini boleh mencadangkan keadaan suhu, masa pengeraman, dos reagen atau gabungan kawalan dan replika. Dalam beberapa kes yang dilaporkan, pelarasan kecil yang dicadangkan oleh model telah meningkatkan prestasi tindak balas kimia atau mengurangkan masa yang diperlukan untuk mendapatkan hasil yang berguna dengan ketara.
Penggunaan GPT-5 dalam perubatan dan amalan klinikal
Salah satu bidang di mana GPT-5 menunjukkan impak praktikal yang sangat ketara ialah perubatan , baik dalam amalan klinikal mahupun penyelidikan. Sebagai permulaan, model ini telah ditubuhkan sebagai alat untuk menganalisis laporan klinikal yang kompleks (ujian makmal, kajian pengimejan, laporan pasca operasi, dll.), menghasilkan ringkasan ringkas dengan penemuan penting yang menjimatkan masa profesional.
Prosedurnya mudah: doktor atau penyelidik memuat naik teks laporan atau imej dokumen dan meminta ringkasan atau pengekstrakan perkara yang paling relevan . GPT-5 mengembalikan versi ringkas yang mengetengahkan kemungkinan diagnosis, penemuan kritikal atau cadangan susulan. Walau bagaimanapun, ini sentiasa berlandaskan premis bahawa profesional mesti menyemak dan mengesahkan maklumat sebelum membuat sebarang keputusan.
Satu lagi aplikasi yang hebat ialah penjanaan kandungan perubatan berkualiti tinggi , daripada ringkasan klinikal kepada draf artikel saintifik atau bahan maklumat untuk pesakit. Berdasarkan beberapa gesaan bahasa semula jadi (contohnya, "tulis ringkasan tentang pesakit yang mengalami demam berterusan dan mialgia"), model ini menghasilkan teks yang koheren dan berstruktur dengan baik yang boleh diedit dan disesuaikan oleh profesional mengikut keperluan mereka. Kandungan perubatan berkualiti tinggi yang dijana oleh AI boleh mempercepatkan proses penulisan, sentiasa dengan semakan manusia.
GPT-5 juga boleh mencadangkan diagnosis pembezaan berdasarkan simptom dan sejarah yang diterangkan oleh profesional penjagaan kesihatan . Ia tidak menggantikan pertimbangan klinikal, tetapi ia menawarkan senarai kemungkinan yang munasabah, ujian pelengkap untuk dipertimbangkan, atau tanda amaran yang harus diketepikan. Dalam kes seperti pesakit berusia 50 tahun yang mengalami keletihan, batuk kering, dan dispnea, sistem ini boleh menyenaraikan diagnosis yang mungkin dan mencadangkan kajian seperti sinar-X dada, ujian darah, ujian fungsi pulmonari, atau ujian virus.
Dari segi penjagaan peribadi, GPT-5 membantu menyesuaikan pelan rawatan dan strategi pencegahan mengikut profil pesakit, dengan syarat data dimasukkan secara anonim dan dengan pematuhan ketat terhadap privasi. Bagi pesakit berusia 70 tahun yang menghidap hipertensi, diabetes jenis 2 dan penyakit buah pinggang kronik, sebagai contoh, model ini boleh menyenaraikan strategi pengurusan bersepadu, kawalan faktor risiko, cadangan gaya hidup dan garis panduan susulan jangka panjang berdasarkan garis panduan amalan klinikal.
Akhir sekali, GPT-5 sedang digunakan sebagai enjin carian pintar untuk kesusasteraan perubatan . Profesional tersebut mengemukakan soalan dalam bahasa semula jadi (“Apakah kajian terkini mengenai teleperubatan untuk penyakit kronik?”) dan model tersebut mencari dan meringkaskan karya yang berkaitan, membantu mereka kekal terkini tanpa perlu mencari secara manual melalui pangkalan data yang tidak berkesudahan. Enjin carian dan alatan seperti NotebookLM memudahkan pengaturan dan peringkasan literatur untuk profesional.
Kualiti respons, halusinasi dan keselamatan
Kritikan berulang terhadap model generasi sebelumnya, seperti O3 dan O3-Pro, adalah kecenderungan mereka terhadap halusinasi : memetik artikel sebenar tetapi membuat kesimpulan yang salah atau ekstrapolasi yang salah. Penyelidik dalam polimer untuk sains bahan atau dalam laluan isyarat biologi telah melaporkan bahawa GPT-5 jelas menambah baik tingkah laku ini, memetik literatur yang lebih relevan dan menawarkan tafsiran yang lebih sejajar dengan teks asal.
Kertas teknikal OpenAI menunjukkan bahawa GPT-5 mengurangkan ralat fakta dengan ketara berbanding GPT-4o dan model 3nya sendiri , terutamanya apabila mod penaakulan mendalam diaktifkan. Dalam persekitaran terkawal, pengurangannya hampir 45% berbanding GPT-4o dan sehingga 80% berbanding 3 dalam tugasan tertentu, hasil gabungan latihan yang dipertingkatkan, teknik pengesahan dalaman dan reka bentuk dasar keselamatan yang lebih teliti.
Walaupun begitu, artikel OpenAI sendiri mengakui bahawa GPT-5 masih membuat andaian yang salah atau mereka-reka data , walaupun ia kelihatan sangat boleh dipercayai. Oleh itu, mereka menegaskan, seperti ramai ahli akademik, bahawa setiap output model harus dianggap sebagai hipotesis yang akan diuji, bukan sebagai kebenaran mutlak. Dalam penyelidikan saintifik, di mana kebolehulangan dan kebolehverifikasian adalah yang paling penting, perbezaan ini adalah penting.
Isu keselamatan melangkaui ketepatan teknikal dan saintifik . Akses kepada model yang berkuasa seperti GPT-5, tanpa kawalan yang mencukupi, boleh memudahkan penyebaran pengetahuan sensitif dalam biokeselamatan, kimia berbahaya dan bidang sensitif yang lain. Ini telah membawa kepada perdebatan antarabangsa tentang model untuk akses terkawal, pembalakan dan pengauditan log, kebolehkesanan permintaan dan penapis keselamatan berbilang peringkat. Alat seperti sambungan untuk mengenal pasti kandungan AI adalah sebahagian daripada ekosistem mitigasi.
Organisasi yang menggunakan GPT-5 untuk penyelidikan mesti bekerjasama dengan pasukan perundangan, pegawai perlindungan data dan jawatankuasa etika . Jawatan seperti pakar undang-undang di institusi penjagaan kesihatan dan pegawai perlindungan data memainkan peranan penting dalam memastikan pematuhan peraturan, kerahsiaan data dan pengurusan keputusan berbantukan AI yang bertanggungjawab.
Kemahiran baharu untuk penyelidik, universiti dan syarikat
Menerima pakai GPT-5 dalam penyelidikan saintifik bukan sekadar memasang alat baharu, tetapi juga memperoleh kemahiran baharu . Penyelidik mesti belajar merumus gesaan yang berkesan, mentafsir respons secara kritis, mendokumentasikan peranan model dalam proses tersebut dan mengintegrasikan cadangan ke dalam protokol eksperimen atau teori tanpa kehilangan kebolehkesanan. Sumber untuk merumus gesaan yang berkesan dan memperibadikan interaksi adalah penting.
Universiti dan institut penyelidikan mula mengemas kini program latihan mereka untuk memasukkan modul mengenai literasi AI, etika, bias algoritma, perlindungan data dan harta intelek yang dihasilkan dengan sokongan model seperti GPT-5. Ini bukan sahaja memberi kesan kepada bidang STEM tetapi juga sains sosial dan kemanusiaan, yang mana AI digunakan untuk menganalisis sejumlah besar teks, tinjauan atau data sejarah.
Agensi pembiayaan dan yayasan yang menyokong projek saintifik juga perlu menetapkan peraturan yang jelas mengenai penggunaan GPT-5 dalam cadangan, artikel dan laporan . Peraturan ini termasuk mendedahkan sama ada AI telah digunakan, menyatakan versi model, memperincikan bagaimana keputusan disahkan dan menunjukkan dengan jelas bahagian kerja mana yang benar-benar manusia dan yang telah dibantu oleh sistem.
Secara selari, GPT-5 mempunyai kesan langsung terhadap pemasaran, perniagaan dan komunikasi saintifik . Syarikat bioteknologi, perubatan dan teknologi mendalam boleh menggunakannya untuk menganalisis data pelanggan, menjana kandungan khusus, mengautomasikan respons yang kompleks dan menterjemahkan dapatan penyelidikan kepada mesej yang mudah difahami oleh pelabur, rakan kongsi atau orang awam.
Platform seperti SendApp sedang meneroka persilangan antara AI canggih dan saluran perbualan ini , menghubungkan GPT-5 dengan WhatsApp Business melalui API rasmi. Ini membolehkan, sebagai contoh, makmal menyampaikan keputusan terkininya kepada rakan kongsi, mengurus pertanyaan teknikal daripada pelanggan antarabangsa atau mengautomasikan sebahagian daripada penyebaran saintifiknya sambil mengekalkan nada yang konsisten dan profesional.
Bagi pasukan yang mengendalikan interaksi dalam jumlah besar, penyepaduan GPT-5 ke dalam sistem pengurusan perbualan dapat meningkatkan kecekapan : model ini mencadangkan respons, mengklasifikasikan permintaan, meringkaskan dokumentasi teknikal dan memberi suapan kepada chatbot pintar yang mampu mengekalkan konteks, sentiasa dengan kemungkinan manusia menyemak atau mengambil kawalan apabila situasi memerlukannya.
Melihat semua kegunaan ini bersama-sama, GPT-5 dan GPT-5.2 muncul sebagai bahagian penting dalam cara baharu dalam menjalankan sains , di mana model bertindak sebagai penjana idea, fasilitator carian literatur yang komprehensif, sokongan dalam bukti matematik dan pembantu makmal maya. Tanggungjawab muktamad kekal pada saintis, doktor dan pasukan manusia, tetapi kelajuan menguji hipotesis, meneroka laluan alternatif dan menghubungkan hasil yang berbeza digandakan, mengantar era di mana lima tahun kerja dengan AI yang bersepadu dengan baik boleh bersamaan dengan kemajuan selama beberapa dekad pada kadar tradisional.
