撰文：Techub News 整理
导语
在GPT-5发布后的一片喧嚣中，Interconnects AI频道的播客主持人Nathan Lambert（内森·兰伯特）邀请到同为深度AI观察者的Sean（肖恩），进行了一场未经过滤的对话。这段从更长直播中剪辑出的精华部分，反映了早期、深入使用者对GPT-5最真实的“第一印象”。他们不仅对比了GPT-5与Claude、Gemini等竞品的性能，更深入探讨了其出人意料的低价策略对行业的影响，以及这是否标志着OpenAI宏大叙事的一次务实调整。对于希望理解GPT-5真实定位及其对AI竞争格局影响的从业者和爱好者而言，这场对话提供了超越官方宣传的宝贵视角。
摘要
- 性能评估：GPT-5在盲测中与Claude 3.5 Sonnet各有胜负，并未呈现压倒性优势，尤其是在编码等特定任务上，Claude和Cursor的产品体验仍受青睐。
- 定价冲击：GPT-5 API定价（每百万token 5美分）远低于预期，甚至比GPT-4更便宜，其“Nano”轻量版的性价比也极高，这被视为OpenAI一次重大的市场策略转变。
- 行业叙事变化：GPT-5的发布更像是对现有产品线的迭代和优化，而非革命性飞跃，这可能预示着行业从追求“AGI突破”的宏大叙事，转向更务实、注重效率和成本的“卓越软件公司”路径。
- 智能体（Agent）的未来：要实现能处理复杂、长周期任务的“Drop-in Replacement Worker”（顶替人类岗位的智能体），仍需在状态管理、长期记忆等“工具使用”层面取得根本性进步，而非仅仅依赖模型能力的线性提升。
真实性能：与Claude的缠斗与编码之争
对话伊始，Nathan Lambert（内森·兰伯特）便分享了其初步测试结果。在GPT-5发布早期（甚至在Claude Opus 3.5发布前），他进行了盲测，将GPT-5与代号为“2.5 Pro”、“03”、“4.1”和“Cloud 4 Sonnet”的模型进行对比。他的结论是，GPT-5在与Claude 3.5 Sonnet的对决中表现参差，有时能击败对手，有时则略微落后。他强调这还是默认设置下的结果，他预期开启“高推理”模式后，GPT-5应能胜过Sonnet。
然而，性能评估远非简单的基准测试。Sean（肖恩）和Nathan Lambert（内森·兰伯特）很快将话题转向了更具体的应用场景——编码。两人一致认为，对于复杂的代码库，Cursor（通常集成GPT模型）在产品体验上 decisively wins（决定性胜出）。Nathan Lambert（内森·兰伯特）坦言，他尚未发现Claude Code（或其同类产品）存在某种“魔法提示词”能使其在编码体验上超越Cursor。Sean（肖恩）对此表示认同，但他补充说，如果是快速搭建网站或进行数据可视化这类轻量级、探索性的任务，他更倾向于使用Claude Code或类似工具，而Cursor同样也能胜任，因为它背后调用的模型本质相同。
这场讨论揭示了当前AI工具评估的复杂性：模型能力、产品封装、定价策略和工作流集成共同决定了用户的最终选择。GPT-5可能在纯粹的能力指标上有所提升，但若其对应的开发工具（如通过API集成到Cursor中）体验不佳，用户仍可能转向其他生态。
定价“核弹”：5美分背后的市场策略剧变
如果说性能讨论还在预期之内，那么GPT-5的定价则给两位观察者带来了真正的震撼。Nathan Lambert（内森·兰伯特）透露，GPT-5的API定价为每百万token 5美分，这“便宜得离谱”。更令人惊讶的是，其轻量版“Nano”的性能与GPT-5相差并不太大。Sean（肖恩）对此的反应是：“这真的很有趣。”
这一低价策略引发了更深层次的行业思考。Sean（肖恩）问道：“你认为市场上还存在更贵但更好一点（a bit better）模型的空间吗？像Claude Opus就贵得多，而且按你所说可能还更好一点。”这个问题直指行业竞争的核心。此前，如Gemini等竞争者曾试图通过更低定价来争夺OpenAI的市场份额，而Claude则以强大的编码能力建立口碑。如今，GPT-5同时提升了能力并大幅降低了价格，这无疑重置了API市场的竞争基线。Nathan Lambert（内森·兰伯特）认为，这对OpenAI至关重要，尤其是在“默认选择”的争夺上。
他们引用了一条相关推文，指出如果“价格”成为差异化因素，这将是一场与“宣称要建造AGI并每月收费2万美元”截然不同的游戏。这种转变让Sean（肖恩）感到些许“看跌”（bearish sign）：在万众期待性能飞跃的GPT-5发布时，OpenAI却不得不将重点转向定价，这或许说明纯粹靠性能突破来推动增长的故事遇到了瓶颈。
从AGI叙事到卓越软件公司：行业拐点已至？
性能与定价的讨论，最终汇流到一个更宏观的主题：OpenAI乃至整个AI行业的叙事是否正在发生变化。Nathan Lambert（内森·兰伯特）分享了他的心路历程：从最初的失望（“这就完了？”），到频繁使用后逐渐改观，再到看到定价时的震惊——“他们直接赢了”。这种“从‘AI已完’到‘我们杀回来了’”的情绪曲线颇具代表性。
Sean（肖恩）试图展望未来六个月到一年半的图景。他认为，GPT-5的发布强化了他的世界观：AI的进步将是一条“漫长而缓慢的行军”，价格和性能将持续被推高，但任何新模型都不会带来2倍的性能增益。这与之前“每一代都带来阶跃式进步”的预期不同。他将GPT-5定位为ChatGPT的“默认模型更新”，类似于上次从GPT-3.5到GPT-4的过渡，旨在“提高基线标准”，同时附赠一个高性能的“高推理”模型。
Nathan Lambert（内森·兰伯特）则更尖锐地指出了叙事矛盾。他认为，支撑行业巨额融资的“AGI叙事”至关重要。如果叙事从“萨姆·奥尔特曼（萨姆·奥尔特曼）化身普罗米修斯带来神力般的AI”，转变为“打造一个潜在价值数万亿美元、无处不在且非常有用的软件公司”，那么整个行业的发展节奏和资本逻辑都可能改变。他指出，公众对前一种宏大叙事的反弹可能会越来越强。
不过，两人也看到了另一条路径：如果AI工具能像微软Office那样，成为每家正规公司都不得不购买的“必需品”，即使它“仅仅是非常有用的软件”，也足以支撑一个庞大的商业帝国。Sean（肖恩）总结道：“OpenAI正在打造一个潜在的多万亿美元软件公司，它将变得无处不在且非常有用，然后世界继续运转，人们的生活改变一点点——这些情况可以共存。”这或许是对当前AI商业化阶段最务实的描绘。
智能体的未来：长期挑战与技术路径之争
除了对GPT-5本身的评价，对话也触及了AI发展的下一个前沿：能真正替代人类完成复杂工作的智能体（Agent）。Sean（肖恩）描绘了一个理想场景：一个能访问你的邮箱和文件系统，帮你处理报税的“会计师”智能体。它需要处理超长的时间跨度，跟踪大量状态，维护待办清单，并且在整个过程中极少需要人工干预。
那么，我们离实现这样的智能体还有多远？是只需要“再拧九个月的螺丝”（持续优化），还是需要根本性的突破？Nathan Lambert（内森·兰伯特）的回答是：“两者都是。”他列举了可能的技术路径：更新模型权重、可训练的KB缓存、LoRA微调、强化学习，或是图检索增强生成（Graph RAG）等。这些方法听起来都可能有效，但尚未被证实真的可行。
Sean（肖恩）则倾向于将“模型进展”与“工具/框架层”（harness layer）分开看待。他认为，像Claude Code和Cursor所展现的，是模型如果足够擅长维护上下文，就能通过自我记录、跟踪待办事项、积累上下文并给自己足够的“指针”来获取信息，从而在更长的时间范围内保持状态，而无需真正的持续学习。这暗示着，智能体的进步可能更多地依赖于工程框架的创新，而不仅仅是模型本身能力的线性增长。
最后，Nathan Lambert（内森·兰伯特）强调，真正有趣的是开始将工具的“归纳偏见”（inductive biases）真正构建到模型训练中，而不仅仅是在推理时调用。他认为，这在DeepSeek的研究中已有体现，而现在OpenAI在编码模型上也开始了这项工作。他建议听众亲自在Cursor中并排比较GPT-4o（或类似模型）与GPT-5，便能感受到差异。
这场坦诚的对话最终回归到一个简单的呼吁：大家都应该试试所有模型。用户会信奉某些模型，但偶尔也会发现信仰是虚假的——这在AI时代伊始便是如此。GPT-5或许不是许多人期待的那种革命性飞跃，但它以极具竞争力的价格提供了坚实的进步，并可能正在悄然改写AI行业从技术狂热到稳健商业化的剧本。
