Matthew Berman 解读 GPT-5.1 的发布

GPT-5.1 已经发布，Instant 和 Thinking 都获得了更新。在这段 2025 年 11 月的评论中，我会结合示例和开发者功能，看看关于速度、准确率、对话风格和指令遵循的说法。

Instant 面向快速回答和对话。OpenAI 称更新后的模型更加温暖，也更善于遵循指令。Thinking 版本则旨在减少简单问题上的思考时间，把更多时间留给需要深入思考的问题。

GPT-5 收到的一条反馈是，它的个性不如 GPT-4o 有吸引力。对用户来说，除了事实性答案，语气和节奏也很重要。OpenAI 表示，它试图让 GPT-5.1 的对话更自然，也更容易个性化。

展示的对比让模型提供放松建议。GPT-5 给出一份正式而有用的清单，GPT-5.1 Instant 的回答则更像对话，并引用了记忆中的上下文。这只是语气变化的一个例子，并非系统评估。

另一个例子要求两个模型始终用六个词回答。展示的 GPT-5 回答超出了限制，而 GPT-5.1 Instant 在问题及后续追问中都遵守了限制。这个例子说明了发布时宣称的指令遵循改进。

GPT-5.1 Instant 可以在较难的问题上使用自适应推理。Berman 说，目标是在可能时快速回答，在需要时投入更多思考；他还提到了发布方报告的数学和编程评估改进。

一张图表比较了 GPT-5 和 GPT-5.1 Thinking 在一系列任务上的表现。较简单任务中，GPT-5.1 使用更少思考 token；中间任务差不多；困难任务中则使用更多。这是发布时的对比，并不保证每个问题都会如此。

Berman 表示，发布时模型先向付费用户推出，随后面向免费及未登录用户，一些机构计划还有单独的提前使用设置。这些细节描述的是 2025 年的推出安排，而非当前可用性。

OpenAI 还调整了 ChatGPT 的风格预设。视频列出已有的 Default、Friendly 和 Efficient，以及新增的 Professional、Candid 和 Quirky，并介绍了更直接的个性化控制实验。

我测试了一个一直困扰我的问题：让 ChatGPT 记住永远不要使用长破折号。第一封要求它写的邮件没有使用，但接下来让它写发布摘要时，长破折号又出现了。保存的指令可能有帮助，但不一定每次都被遵循。

视频还介绍了 API 中的 GPT-5.1。Berman 强调了最长 24 小时的提示缓存，以及将推理强度设为 none 的能力，同时提到发布时关于速度和准确率的说法。

最后，Berman 展示了一张 SWE-bench Verified 图表。在所展示的对比中，更高的推理预算对应更高分数，GPT-5.1 在约 18,000 个思考 token 时达到约 76%。这是图示条件下的基准结果，并不保证每项编程任务都有相同表现。