XNews

OpenAI gpt-5.1 的性能与指令跟随 / 自适应推理改进

OpenAI gpt-5.1 的性能与指令跟随 / 自适应推理改进

OpenAI 发布 gpt-5.1,改进指令跟随与自适应推理。 • gpt-5.1 在模型层面改进“说人话”的能力,答案更清晰、少术语。 • 引入 adaptive reasoning,chat 与 thinking 模型均可自适应推理强度与时机。 • 指令跟随能力显著提升:对“只用8个汉字回复”测试正确率达 100%。 • thinking 模式思考时间从 28s 增至 2m13s,生成质量与语言表达可见提升。 • gpt-5.1 在 creative writing 基准(EQ-bench)上超越 Sonnet 4.5,表明非编码场景的实用性提升。 • 对复杂提示(如“不要回复”)的遵循度提升,但仍需更多验证与时间观察。

Key insights

gpt-5.1 在“说人话”层面做出模型层改进

gpt-5.1 在底层模型上尝试解决 LLM“说人话”的问题,而非仅依赖提示工程。相同 prompt 下,gpt-5.1 在解释更清楚、减少术语与复杂表达方面表现更好,体现为更直观、易读的回答风格。

引入自适应推理(adaptive reasoning)功能

gpt-5.1 的 chat 与 thinking 模型均引入了自适应推理:chat 模型可以在需要时自主选择进行推理;thinking 模型可自适应调整推理强度与深度。这一改进被视为向混合推理范式靠拢,兼具速度与深度控制。

指令跟随能力显著提升,样例与基准支持

在指令跟随测试中,gpt-5.1 对“只用8个汉字回复”类要求的正确率达到 100%,明显高于 Gemini 2.5 Pro 与 Sonnet 4.5 的约 50%。另有测试提示若要求不回复,gpt-5.1 的响应更稳定,但仍需更多观察。

thinking 模式延长思考时间带来可见质量提升

gpt-5.1 thinking 在同一 prompt 下思考时间从 28 秒增加到约 2 分 13 秒,返回内容在质量和语言上都有可见提升;chat 模型亦有类似提升。这表明延长推理时间可以带来更深度的输出。

Source posts