- GPT-5 和 GPT-5.2 提高了科学和数学推理能力，在 GPQA Diamond 和 FrontierMath 等基准测试中取得了领先结果。
- 模型就像研究的副驾驶：它们可以帮助解决开放性问题、优化实验和分析文献，但它们需要人工验证。
- 其应用范围已扩展至医学、湿实验室、大学和企业，提高了生产力，但也带来了伦理、安全和监管方面的挑战。
GPT-5 和 GPT-5.2在科学研究领域带来的飞跃式发展，正在重新定义科学研究的方式：从最理论化的数学到湿实验室实验，涵盖生物学、物理学、医学和先进材料科学等各个领域。这些模型不仅能够生成报告，它们已经开始被用作真正的科研助手，能够提出假设、协助设计实验，并在数据中发现人类需要花费数月才能识别的模式。
与此同时，OpenAI和整个科学生态系统都非常明确地指出一点：GPT-5 并非“自主科学家”，也无法取代人类的科学方法。它更像是一个助手，拥有丰富的文献资源、量化工具和结构化推理能力，可以加快研究速度，但仍然需要专家监督、验证以及研究人员大量的批判性判断。
GPT-5 和 GPT-5.2：新一代科学和数学模型
OpenAI 已将 2025 年 12 月 11 日定为 GPT-5.2 的正式发布日期，该公司称 GPT-5.2 是迄今为止其最先进的科学和数学模型。过去一年，OpenAI 与数学、物理、生物和计算机科学等领域的研究人员密切合作，以深入了解人工智能在哪些方面能够真正创造价值，以及在哪些方面仍存在不足。
这项工作最终形成了涵盖天文学、材料科学等多个学科的案例研究，其中 GPT-5 以及后来的 GPT-5.2 在研究工作流程的特定环节发挥了作用：重新设计证明、探索替代测试方法、修改模拟代码、合成文章以及提出一些细微的协议变更。据 OpenAI 称，GPT-5.2 不仅开始展现出一些零星的改进，而且其结果也更加稳定且可复现。
在 GPT-5.2 系列中，有两个专门针对科学和数学的变体脱颖而出：GPT-5.2 Pro 和 GPT-5.2 Thinking。它们都针对深度推理和高难度技术任务进行了优化，在这些任务中，一个细微的错误就可能导致整个分析失败。GPT-5.2 Pro 优先考虑准确性和精确性，因此需要更多的时间进行推理；而 GPT-5.2 Thinking 则专注于智能地决定何时需要“深入思考”，何时需要快速响应。
这种“分层推理”理念在 GPT-5 的设计中就已经有所体现，其GPT-5 思维模式就像一个内部路由，能够在生成响应之前评估查询的复杂性、可用上下文以及必要的工具（例如，对 Python 的访问权限）。它能够快速响应简单的问题；对于复杂的问题，它会激活更长、更明确的推理链。
在日常使用中，用户可以从几种 GPT-5 推理模式中进行选择：“自动”模式，让模型自行决定解决问题所需的时间；“即时”模式，优先考虑速度而非深度；“思考”模式，提供更深入、更具分析性的答案；以及“专业”模式，这是最严格、要求最高的选项，专为准确性高于速度的任务而设计。值得注意的是，GPT-5 是一款付费模型，可通过订阅或按次付费的方式使用，这对于管理敏感数据的机构或研究预算紧张的机构尤为重要。
基准测试性能：GPQA、FrontierMath 和 FrontierScience
GPT-5.2 在科学研究中的改进并非仅仅基于主观印象，也得益于专业基准测试的结果。其中被引用最多的基准测试之一是 GPQA Diamond，这是一套研究生级别的多项选择题，涵盖物理、化学和生物学，旨在衡量高级推理能力，而不仅仅是记忆力。
在 GPQA Diamond 测试中，GPT-5.2 Pro 的成功率达到 93,2%，GPT-5.2 Thinking 的成功率达到 92,4%，且未使用任何外部工具，推理难度也设置为最高。换句话说，模型必须完全依靠自身内部的分析能力来解决问题。这些数据清晰地表明，GPT-5.2 Pro 的性能超越了以往的几代模型，并巩固了其作为高阶问题解决和理解任务辅助工具的地位。
另一项基准测试是 FrontierMath（1-3 级），这是一项高级数学评估，允许使用 Python 工具。在此测试中，GPT-5.2 Thinking 以最大程度的推理努力解决了 40,3% 的问题。虽然这些百分比对于非专业人士来说可能看起来并不高，但对于大多数先前模型几乎无法取得有效结果的领域而言，这代表着一次重大的飞跃。
除了数据之外，OpenAI 还强调，这些进步反映的是整体抽象和推理能力的提升，而不仅仅是针对单一基准测试而优化的狭隘技能。他们将这些能力直接与日常科学工作流程联系起来：编程模拟、统计数据分析、实验设计和改进以及结果解释。
与此同时，OpenAI推出了一个名为FrontierScience的更广泛的框架，旨在评估GPT-5等模型在真正新颖的科学问题上的表现，这些问题并非训练数据的一部分。FrontierScience涵盖生物学、化学、物理学、数学、计算机科学和社会科学等领域的挑战，旨在考察模型在解决这些问题时不仅需要理论知识，还需要规划、批判性思维和概括能力。
初步分析表明，当任务能够分解为清晰、逻辑的步骤时，GPT-5 的表现非常出色；但当需要创造性直觉或对实验背景有深刻理解时，它仍然表现不佳。这与人工智能专家中日益普遍的观点相符：当前的生成模型是强大的辅助工具，但它们无法取代人类科学家的创造力、直觉或责任感。
一个典型案例：解决数学中的未解难题
这些模型在纯科学领域最引人注目的应用之一是统计学习理论，其中 GPT-5.2 Pro 帮助解决了与最大似然估计器学习曲线单调性相关的一个开放性问题。其根本问题很直观：当我们向一个正确设定的统计模型添加更多数据时，预期误差是否总是会减小，还是至少在某些部分会增大？
先前的研究表明，在某些实际条件下，学习曲线并非总是单调的，并且随着数据的增加，错误率可能会出现反直觉的上升。这一研究方向源于Viering、Mey和Loog在2019年学习理论会议（COLT）上提出的一个问题，该问题引发了大量后续文章，这些文章提供了具体的例子和恢复单调性的策略。
尽管取得了这些进展，但仍有一个几乎被视为教科书式的标准案例尚未解决：均值已知但标准差未知的高斯模型，其中统计模型正确，数据服从理想化的正态分布。在这种经典场景下，这项新研究得出结论：传统的直觉仍然成立，更多的数据确实意味着平均误差会按预期递减。
正如OpenAI所解释的，这项研究的关键区别不仅在于结果，更在于过程。作者并没有像以往那样，通过详细的证明方案一步步引导模型，而是直接将开放性问题呈现给GPT-5.2 Pro，并仔细分析了最终的证明结果。随后，他们与该领域的外部专家验证了论证，彻底审查了每个步骤，并在证明最终确定后，将其应用于更高维度和其他常见的统计模型。
这种方法恰如其分地展现了理论研究中人与人工智能之间正在兴起的一种合作模式：模型提出潜在的测试路径，人类则扮演严谨的仲裁者角色，负责修正、完善并最终决定哪些贡献可以被接受。这并非盲目授权，而是自动化探索与专家审查相结合的模式。
GPT-5 作为科研副驾驶：从埃尔德什数到湿实验室
除了理论统计之外，GPT-5 还出现在其他一些备受瞩目的应用案例中。例如，OpenAI 发表了一篇论文，其中 GPT-5 与哥伦比亚大学的一位数学家合作，利用其模型帮助解决了一个与埃尔德什的理论遗产相关的复杂数论开放性问题。该模型帮助探索了相关猜想，验证了中间步骤，并提出了最终证明行之有效的替代方法。
另一个备受关注的例子是，GPT-5在几分钟内识别出人类免疫细胞中的特定变化，而此前科学家团队需要花费数月时间才能完成这项任务。GPT-5提出了一个具体的实验来验证关于这种变化的假设；研究人员重复了该实验并证实了GPT-5的建议是正确的，从而显著缩短了通常的反复试验周期。
这些成果是科技行业向科学领域转型的重要一步。例如， Anthropic公司宣布将其聊天机器人Claude集成到研究团队和生命科学公司使用的工具中。谷歌推出了一款旨在提出新假设的“合作科学家”模型，并强调其开源模型Gemma为发现癌症治疗的潜在新途径做出了贡献。
OpenAI方面，已成立专门的科研部门，并聘请了像Alex Lupsasca这样以黑洞理论研究而闻名的专家。该公司计划短期内开发一种“自动化AI研究实习生”，并着眼于未来几年内打造一款几乎完全自动化的研究工具，但始终坚持以人类研究人员为核心的原则。
在湿实验室中，GPT-5及其后续版本已被证明是优化实验方案的有效辅助工具。基于相关文献和既往数据，该模型可以建议最佳温度条件、孵育时间、试剂用量或对照组与重复组的组合。在一些已报道的案例中，模型建议的微小调整即可改善化学反应的性能或显著缩短获得有效结果所需的时间。
GPT-5在医学和临床实践中的应用
GPT-5 在医学领域展现出非常显著的实际影响，无论是在临床实践还是研究方面。首先，该模型已成为分析复杂临床报告（例如实验室检查、影像学检查、术后报告等）的成熟工具，能够生成包含关键发现的精简摘要，从而节省专业人员的时间。
流程很简单：医生或研究人员上传报告文本或文档图像，并请求生成摘要或提取最相关的要点。GPT-5 会返回一个简洁的版本，突出显示可能的诊断、关键发现或后续建议。但是，前提是专业人员必须在做出任何决定之前审查和验证信息。
另一项强大的应用是生成高质量的医疗内容，从临床摘要到科学文章草稿，再到面向患者的信息资料。该模型基于几个自然语言提示（例如，“撰写一位持续发热和肌痛患者的摘要”），即可生成连贯且结构良好的文本，供专业人员编辑并根据自身需求进行调整。人工智能生成的高质量医疗内容可以加快写作流程，并且始终需要人工审核。
GPT-5 还可以根据医护人员描述的症状和病史提出鉴别诊断建议。它不能取代临床判断，但可以提供一份合理的诊断清单，列出需要考虑的辅助检查或需要排除的危险信号。例如，对于一位 50 岁出现疲劳、干咳和呼吸困难的患者，该系统可以列出可能的诊断，并建议进行胸部 X 光检查、血液检查、肺功能检查或病毒检测等检查。
在个性化护理方面，GPT-5 能够根据患者的个人情况量身定制治疗方案和预防策略，前提是数据以匿名方式输入并严格遵守隐私保护规定。例如，对于一位患有高血压、2 型糖尿病和慢性肾病的 70 岁患者，该模型可以根据临床实践指南，列出综合管理策略、风险因素控制、生活方式建议和长期随访指南。
最后，GPT-5 被用作医学文献的智能搜索引擎。专业人士可以用自然语言提出问题（例如“关于慢性病远程医疗的最新研究有哪些？”），该模型就能找到并总结相关文献，帮助他们及时了解最新进展，而无需手动搜索浩如烟海的数据库。搜索引擎和 NotebookLM 等工具能够帮助专业人士更轻松地组织和总结文献。
反应质量、幻觉和安全性
以往几代模型（例如 O3 和 O3-Pro）一直饱受诟病，其中一个原因是它们容易出现“幻觉”：虽然引用了真实的文献，但却得出错误的结论或进行不恰当的推断。材料科学或生物信号通路领域的聚合物研究人员报告称，GPT-5 在这方面有了显著改进，它引用了更多相关的文献，并提供了与原文更加吻合的解释。
OpenAI 的技术论文指出，与 GPT-4o 和其自身的 o3 模型相比，GPT-5 显著降低了事实错误率，尤其是在启用深度推理模式时。在受控环境下，GPT-5 的错误率比 GPT-4o 降低了近 45%，在某些任务中比 o3 降低了高达 80%，这得益于改进的训练方法、内部验证技术以及更精心设计的安全策略。
即便如此，OpenAI 自己的文章也承认，GPT-5即使在看起来非常可靠的情况下，仍然会做出错误的假设或捏造数据。因此，他们和许多学者一样坚持认为，模型的每个输出都应该被视为一个需要检验的假设，而不是绝对真理。在科学研究中，可重复性和可验证性至关重要，因此这种区别至关重要。
安全问题远不止技术和科学的准确性。如果缺乏适当的控制措施，访问像 GPT-5 这样强大的模型可能会导致生物安全、危险化学和其他敏感领域的敏感知识传播。这引发了国际社会对受控访问模型、日志记录和审计、请求可追溯性以及多级安全过滤机制的讨论。用于识别人工智能内容的扩展程序等工具也是缓解这一问题的关键组成部分。
使用 GPT-5 进行研究的机构必须与法务团队、数据保护官和伦理委员会协调合作。医疗机构中的法律专家和数据保护官等职位在确保合规性、数据保密性和负责任地管理人工智能辅助结果方面发挥着核心作用。
研究人员、大学和公司需要掌握的新技能
在科学研究中采用 GPT-5 不仅仅是安装一个新工具，更是学习新技能的过程。研究人员必须学会如何设计有效的提示语，批判性地解读响应，记录模型在过程中的作用，并将建议整合到实验或理论方案中，同时保持可追溯性。关于如何设计有效提示语和实现个性化交互的资源至关重要。
大学和研究机构正开始更新其培训课程，将人工智能素养、伦理、算法偏见、数据保护以及知识产权等模块纳入其中，这些模块均由 GPT-5 等模型生成。这不仅影响 STEM 领域，也影响社会科学和人文科学领域，因为在这些领域，人工智能被用于分析大量的文本、调查或历史数据。
资助科研项目的机构和基金会也必须制定明确的规则，规范在项目申请书、文章和报告中使用 GPT-5 的行为。这些规则包括披露是否使用了人工智能、明确模型版本、详细说明结果的验证方法，以及清晰地标明哪些工作是由人类完成的，哪些工作是由系统辅助完成的。
与此同时，GPT-5 对市场营销、商业和科学传播也产生了直接影响。生物技术、医疗技术和尖端科技公司可以利用它来分析客户数据、生成专业内容、自动生成复杂回复，并将研究成果转化为投资者、合作伙伴或公众易于理解的信息。
SendApp 等平台正在探索先进人工智能与对话渠道的交汇点，通过官方 API 将 GPT-5 与 WhatsApp Business 连接起来。例如，这使得实验室能够与合作伙伴沟通最新研究成果，处理国际客户的技术咨询，或实现部分科研成果传播的自动化，同时保持一致且专业的语气。
对于处理大量交互的团队来说，将 GPT-5 集成到对话管理系统中可以提高效率：该模型可以建议回复、对请求进行分类、总结技术文档，并为能够保持上下文的智能聊天机器人提供信息，同时始终允许人类在必要时进行审核或接管。
综合来看，GPT-5 和 GPT-5.2 正在成为一种新型科学研究方式的核心组成部分。在这种模式下，模型可以作为创意生成器、文献检索的辅助工具、数学证明的助手以及虚拟实验室助手。最终责任仍然在于科学家、临床医生和人类团队，但检验假设、探索替代路径以及整合不同结果的速度成倍提升，开启了一个新时代：五年内借助高度集成的 AI 所取得的成果，相当于传统科研方式几十年才能取得的进展。
