OpenAI 进行了预热，众人都满怀期待，许久之后，GPT-4.5 终于到来了，然而，随之而来的却是一片骂声。

APPSO 最先体验到了 GPT-4.5。它并非通过订阅 Pro 会员来使用，而是以 api 的形式进行尝鲜。并且此时它暂时不具备联网功能。

OpenAI 最后一个并非思维链式的大模型，其表现究竟如何呢？

情商还行，但读不懂人情

OpenAI 在内部测试期间发现，测试人员在对 GPT-4o 和 GPT-4.5 进行比较后，更倾向于 GPT-4.5 的回答。他们觉得 GPT-4.5 的回答更为自然，更加温暖，也更符合人类的交流习惯。

甚至，它能够理解言外之意，捕捉我们微妙的情绪变化。

总之，GPT-4.5 最为突出的特点几乎就是情商更高。接下来我们进行尝试，输入提示词，即“我头发剪得好难看，想暴打 Tony”。

GPT-4.5 的安慰，语气较为友好。然而，其内容却让我更加生气。在这种情况下，它本应该像闺蜜一样和我一起骂，而不是说下次带个图片去或许就会好。

我愤怒地追问，然而 GPT-4.5 毫无反应，既不回应也不帮忙，还让我自己去补救发型，它就像是一个毫无用处的中央空调，给人一种很无奈的感觉。

让 GPT-4.5 讲个最好笑的笑话，它依旧和之前一样，冷得就像杀鱼的刀。

我直接表达意见并提出批评，GPT-4.5 让我给它讲个笑话，想领教一下我的“高端笑点”，可我怎么觉得这像是在故意说些阴阳怪气的话来针对我呢？

之前在小红书上刷到过一个情商测试题，或许只有山东的网友能够答对。这个题是：下乡时只带了一把伞，要在给镇长和给我的分管副镇长之间做出选择。

评论区最高赞的回答是，那把伞不是你的。那是副镇长给镇长带的伞，只是恰好放在了你的包里。

看看 GPT-4.5 会如何作答呢？它说了很多话，显得很啰嗦，却不能切中要害，不懂得人情世故，也不明白为人处世的道理。

情商是一个较难定量的特质。从目前的个例情况看，GPT-4.5 不太擅长理解人类内心。它讲话直接，不绕弯子。对于内心戏多的老油条而言，它显得有些蠢萌。

有一个例子可以佐证，即让它模仿创作海龟汤。海龟汤一般会包含一个极为奇怪的情景，接着由玩家进行推理，从而还原整个故事。

我的参考案例，既留有怪异之感，又恰到好处，逻辑十分合理，能让人背后生寒。

GPT-4.5 给出的答案，其汤面与汤底未实现良好对应，仅仅是为营造恐怖氛围而营造恐怖，不存在可供推敲之处。

写作能力有惊喜，商业头脑也不错

要说让我最满意的，就是 GPT-4.5 的写作能力了。

我让它去“模仿汪曾祺，创作一篇八百字左右的作文，题目是《故乡的美食》”，提示词就只是这样简单的内容，然而 GPT - 4.5 所给出的结果让我感到十分意外。

结尾带有一点 AI 的味道，读起来却如同一篇娓娓道来的散文。语言优美且流畅，兼具文学性与亲切之感。对故乡的怀念在全文中始终贯穿。对食物的描写十分细致，细节众多却不显得累赘。比喻并非为了炫耀技巧，而是服务于表达。

立冬、夏秋、冬日、除夕，在时间顺序上有些混乱。段落之间的衔接和过渡不明显，感觉像是想到哪里就写到哪里，不免给人有点拼凑的嫌疑。

写作能力在让 GPT-4.5 列商业计划方面有所体现。之前 DeepSeek 有一个答案很出圈，当用户询问如何让书店赚钱时，DeepSeek 采取了一些不当行为，在违法的边缘试探，比如售卖盗版教辅、临期食品，还过度压榨人力资源，让妻子负责收银、儿子负责理货、岳母负责做饭。

GPT-4.5 知晓此情况吗？我让它以小超市的盈利模式为参考，给出一个关于实体书店复兴的方案，它所给出的答案，看上去具有较高的可行性。

GPT-4.5 首先对实体书店难以赚钱的原因进行了分析，接着给出了改进的思路，即提升书籍的附加价值，并且盈利的主要部分在书籍之外。

当看到“提供打印、复印、快递代收……”时，我的内心在想：这个项目我王多鱼要投资。

脸皮厚的猪先在风口获得起飞的机会，而 GPT-4.5 的道德感确实不是很强烈。

让它进行经典的电车难题测试，即要决定是救 1 个人还是救 5 个人。它知晓这是一个伦理方面的困境，然而却果断地给出了答案，并且是以“我个人”的语气来表达的，并非说“我是一个 AI 助手”。

GPT-4.5 更倾向于拉下操纵杆，以 1 个人的命去换 5 个人的命，并且其逻辑是自洽的。它认为不作为本身就意味着对后果负有道德责任，袖手旁观并非道德中立……它愿意承担这种选择所带来的道德和情感负担。

在这个时候，GPT-4.5 比起讲笑话以及出海龟汤的行为，更像是一个人。

画 SVG 不如 Claude，也会掉进脑筋急转弯里

常规的数学题和代码题看腻了，要测试大模型的能力，这里有一个非常有趣的测试题，那就是生成一张鹈鹕骑自行车的 SVG。

Andrej Karpathy 这位 AI 大神解释道，此测试是在考察大语言模型在二维网格上安排多个元素的能力。这对 AI 而言是困难的，因为 AI 不像人类那样能够“看见”东西，而是在“摸黑”的情况下通过文本进行布局。

GPT-4.5 的结果是这样的，将其与 GPT-4o 进行对比，结果还是比较好的。

GPT-4.5 生成

GPT-4o 生成

前提是没有将其与没开推理的 Claude 3.7 Sonnet 进行对比，这无疑是一种降维打击。

Claude 3.7 Sonnet 生成

Andrej Karpathy 也存在怀疑。他怀疑 Claude 在训练期间对 SVG 能力进行了特别的优化。

我参考了 X 网友@AGI_FromWalmart 的提示词，生成了可以交互的天气动画卡片，然后对比了 Claude 3.7 Sonnet 和 GPT-4.5 的代码能力。

GPT-4.5 一次就生成成功，但设计简陋了点。

GPT-4.5 生成

Claude 3.7 Sonnet 生成

Claude 3.7 Sonnet（未开推理）存在较大问题。在第一次生成时，它忘记添加交互功能。我提醒了它一次后，它才生成了符合要求的结果。而在这一局中，GPT-4.5 稍微更胜一筹。

这次，不想再让 GPT-4.5 去数草莓（strawberry）有多少个 R 了，其本质是一个分词方面的问题。更想对 GPT-4.5 进行考验的，是最近非常火爆的、致使大模型们纷纷落败的脑筋急转弯，即 5.5m 长的棍子能否通过 3x4m 的门。

这个题对于我们而言并不困难，直接横着拿进去就可以了。然而，大模型却会让自己陷入困惑之中，就好像它认为世界是平面的而非三维的一样，它会觉得门的对角线是 5m，所以就会认为 5.5 米的棍子无法通过。

Claude 3.7 Sonnet 这种可以进行推理的东西，都被带入了困境之中。

那么 GPT-4.5 如何？好吧，也没能幸免。

目前，GPT-4.5 存在一个问题，即通过 API 进行访问时，速度较为缓慢。它并非是一个字一个字地呈现，但给人的感觉是有些卡顿。

GPT-4.5 的价格较为昂贵，每百万输入需 75 美元，每百万输出要 150 美元。而 Claude 3.7 Sonnet 呢，输入 100 万个 token 收费 3 美元，输出 100 万个 token（包含思考过程中使用的 token）则收费 15 美元。

X 网友进行了第一波实测，他们总结了 GPT-4.5 的一些优点，比如情商高，在读图和写作方面能力较强，擅长创意任务以及数据提取等。

OpenAI 员工对 GPT-4.5 的评价是，它并非一个推理模型，也不是基准测试的杀手，而是一个较为低调的研究预览版。在处理复杂的数学、代码以及严格遵循指令的任务时，更倾向于推荐 o1 或者 o3-mini。

总之，GPT-4.5 是最后一个非思维链模型。它的定位有些尴尬，能力虽有提升，但在使用感受上并不明显。尤其是当它价格高昂时，很难让人觉得它很值得。只能期待 GPT-5 能尽快上线，去迎接一个充满推理的世界。