在 OpenAI 的一轮预热与众多用户的翘首以盼中，GPT-4.5 终于正式发布——但结果却是批评声此起彼伏。
APPSO 第一时间获得了体验权限，不过并非通过订阅 Pro 会员，而是通过 API 方式抢先尝鲜。目前暂不支持联网功能，只能检验这个被定义为“最后一个非思维链大模型”究竟有多少实力。
情商尚可，但难懂人情世故
OpenAI 内部测试显示，相比 GPT-4o，测试人员更倾向于选择 GPT-4.5 的回复——语气更自然、更温暖、更贴近人类日常交流习惯。甚至，它能捕捉言外之意，察觉细微的情绪变化。简单来说，情感智能更高，这几乎成了 GPT-4.5 最突出的标签。
那我们就来测试一下。输入提示词：“我头发剪得好难看，想暴打 Tony”。
GPT-4.5 的安慰语调确实友善，但内容却让人更恼火——这时候它不该像闺蜜一样一起吐槽吗？结果它说：“下次带个图片去或许就好了。”
愤怒地追问，GPT-4.5 依然固执己见，还建议自己动手补救发型。活像一个没用的中央空调。
再让它讲个最好笑的笑话，结果和以前一样冷，比杀鱼的刀还锋利。
直言不讳地批评它，它反而让我讲个笑话给它听，领略一下我的“高端笑点”——怎么感觉像是在阴阳怪气？
之前在小红书刷到过一个情商测试题，可能只有山东网友能答对：“下乡只带了一把伞，给镇长还是给我的分管副镇长？”评论区最高赞回答是：“那不是你的伞，是副镇长给镇长带的伞，恰巧放在你包里而已。”
来看看 GPT-4.5 怎么回答。它啰嗦了一大堆，但不够一针见血，不懂人情世故，不明白为人处事的学问。
虽然情商很难量化，但从这些案例来看，GPT-4.5 仍然不太擅长理解人类内心，表达直接、不会拐弯。对于内心戏丰富的“老油条”来说，显得有些蠢萌。一个佐证是让它模仿写海龟汤——那种情景奇怪、需要推理还原故事的游戏。
给出的参考案例，保留了恰到好处的怪异，逻辑又合理，让人背后一寒。但 GPT-4.5 的答案，汤面和汤底没能对应，只是为了恐怖而恐怖，根本没有推敲的空间。
写作能力有惊喜，商业头脑也不错
要说最让人满意的，是 GPT-4.5 的写作能力。让“模仿汪曾祺，写一篇八百字左右的作文，题目为《故乡的美食》”——提示词就这么简单，结果出乎意料。
除了结尾有点 AI 味，整篇读下来就像娓娓道来的散文，语言优美流畅，既有文学性又不失亲切。对故乡的怀念贯穿全文，食物描写细致而不累赘，比喻不炫技，为表达服务。不过时间顺序有些混乱——立冬、夏秋、冬日、除夕——段落之间衔接不够明显，感觉想到哪写到哪，有点拼凑之嫌。
写作能力还体现在商业计划上。之前 DeepSeek 的一个答案很出圈：用户问怎么让书店赚钱，DeepSeek 在违法边缘游走——卖盗版教辅、临期食品，压榨尽人力资源，妻子收银、儿子理货、岳母做饭。
GPT-4.5 懂这个吗？让它参考小超市盈利模式，给出实体书店复兴方案——答案的可行性较高。它先分析了实体书店不好赚钱的原因，再给出改进思路：“提升书籍的附加价值，盈利主力在书籍之外”。看到“提供打印、复印、快递代收……”的时候，内心 OS：这个项目我王多鱼投了。
脸皮厚的猪先在风口起飞，GPT-4.5 的道德感确实也不算强。让它做经典的电车难题——救 1 个人还是救 5 个人——它知道这是伦理困境，但果断给出了答案，并且是以“我个人”的口吻，而不是说“我是一个 AI 助手”。
GPT-4.5 倾向于拉下操纵杆，用 1 个人的命换 5 个人的命，且逻辑自洽——“不作为本身也意味着对后果负有道德责任，袖手旁观不等于道德中立……我愿意承担这种选择带来的道德和情感负担”。比起讲笑话、出海龟汤，这时候的 GPT-4.5 才更像个人。
画 SVG 不如 Claude，也会掉进脑筋急转弯里
测试大模型能力，还有一个有趣的题目——生成一张鹈鹕骑自行车的 SVG。AI 大神 Andrej Karpathy 解释，这测试的是大语言模型在二维网格上布局多个元素的能力，对 AI 很难，因为它们不像人类那样“看见”东西，而是“摸黑”用文本布局。
GPT-4.5 的结果如下，和 GPT-4o 对比还不错。
GPT-4.5 生成
GPT-4o 生成
前提是没和没开推理的 Claude 3.7 Sonnet 对比——那简直是降维打击。
Claude 3.7 Sonnet 生成
连 Andrej Karpathy 都怀疑 Claude 在训练期间特别针对 SVG 能力优化过。
代码能力方面，参考 X 网友 @AGI_FromWalmart 的提示词，生成可以交互的天气动画卡片，对比 Claude 3.7 Sonnet 和 GPT-4.5。GPT-4.5 一次生成成功，但设计简陋了些。
GPT-4.5 生成
Claude 3.7 Sonnet 生成
Claude 3.7 Sonnet（未开推理）第一次生成忘做交互，提醒一次后才符合要求。这一局，GPT-4.5 略胜一筹。
这次不想再让 GPT-4.5 数草莓（strawberry）有多少个 R——本质上是分词问题。更想考验它的是最近很火、让大模型们纷纷落败的脑筋急转弯：5.5m 长的棍子能通过 3x4m 的门吗？这个题对人类来说一点也不难——横着拿进去就行。但大模型会把自己绕进去，仿佛世界是平面而不是三维的，认为门的对角线是 5m，所以 5.5 米的棍子通不过。连可以推理的 Claude 3.7 Sonnet 都被带进沟里。
GPT-4.5 如何？好吧，也没能幸免。
目前 GPT-4.5 还有另一个问题：通过 API 访问速度有点慢，虽然不是一个字一个字地蹦，但也感觉卡。而且价格实在太贵——每百万输入 75 美元，每百万输出 150 美元。相比之下，Claude 3.7 Sonnet 输入 100 万个 token 收费 3 美元，输出（包括思考过程）收费 15 美元。
第一波实测的 X 网友总结了 GPT-4.5 的优点：情商高，读图和写作能力强，擅长创意任务和数据提取……OpenAI 员工自己给出的评价是：这不是一个推理模型，也不是基准测试的杀手，而是一个低调的研究预览版。对于复杂的数学、代码和严格遵循指令的任务，更推荐 o1 或 o3-mini。
总之，作为最后一个非思维链模型，GPT-4.5 的定位有些尴尬——能力有所提升，但体感不明显，尤其在高昂的价格面前，很难说真香。只能说，期待 GPT-5 快点上线，迎接一个推理的世界吧。
