从界面需求推进到代码修改
GPT-5 的编程强项不仅是补全函数，还包括复杂前端生成与较大代码仓库调试。给出页面目标、交互规则、现有代码和错误信息后，可让它提出实现方案、生成修改代码并解释关键取舍；涉及真实运行效果时，仍应配合测试环境验证。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 输入与输出
- 文本、图像输入；文本回答与代码生成
- 图像提交
- Chat Completions使用image_url，与文本问题组合提交
- 响应方式
- Responses与Chat Completions提供stream流式选项
- 工具协作
- 提供tools与tool_choice，可定义函数工具
- 推理与输出控制
- Responses提供reasoning与max_output_tokens参数
- 原生上下文窗口
- 400,000 tokens
- 原生最大输入
- 272,000 tokens；需与输出共同规划
- 原生最大输出
- 128,000 tokens
模型能力侧重推理、编程、写作与视觉理解；上述调用方式按本平台各入口区分，接口参数不等同于模型原生容量。
核心能力
了解 gpt-5 能为你的工作带来什么。
把图像观察纳入推理
面对业务图表、演示截图或结构示意图，GPT-5 可以结合文字问题解释可见内容，而不是只给出图片标签。适合要求它整理趋势、说明图中关系或提炼演示要点；提问时明确关注区域和判断目标，有助于让回答围绕实际任务展开。
兼顾结构要求与表达质量
GPT-5 可将零散想法整理成报告、邮件、备忘录或创意文本，并根据受众、语气和结构要求继续修改。它尤其适合需要同时照顾内容组织与表达节奏的任务；把必须保留的事实、禁止使用的措辞和交付形式写清楚，比单纯要求润色更有效。
适用场景
从具体任务出发，找到模型发挥作用的位置。
产品原型与故障排查
输入产品需求、页面草图说明、组件代码及报错日志，让 GPT-5 交付前端原型、问题定位和修复建议。需要协作处理代码时，可由应用提供函数工具执行检查，再把结果交回模型分析，使建议建立在实际反馈上，而非停留在猜测。
图表讲解与汇报准备
将图表截图与业务背景一同提交，要求 GPT-5 分别整理可见数据、趋势解释和待确认事项，输出汇报提纲或讲解稿。若结论依赖精确数值，最好补充原始数据文本，让模型结合图像与数据分析，避免只凭截图推断关键指标。
专业文稿的多轮打磨
提供会议记录、目标读者与文稿用途，先由 GPT-5 搭建结构，再分别修订论证顺序、语气和篇幅。可以明确要求保留事实与关键数字，按反馈输出变更说明；正式报告、邮件或备忘录应保存最终版本及可核验依据。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与GPT-4o相比，关注复杂任务质量
当任务包含复杂代码修改、细致写作约束或图像与文字联合分析时，GPT-5 值得优先试用。其发布时强调相较此前模型的编程、指令遵循与写作改进，但不意味着每个简单问题都需要更换模型。已有 GPT-4o 应用可用真实任务比较正确率、修改轮次和交付质量。
区分GPT-5、Thinking与Pro
这里的 gpt-5 是明确的API调用ID，不是对ChatGPT全部交互功能的统称。GPT-5 pro 是面向更困难任务、延长推理的独立变体；ChatGPT中的Thinking也有其产品使用方式。选择时应围绕任务难度和实际交付效果，不把Pro的表现或ChatGPT的自动选择机制视为本入口默认行为。
从一个具体任务开始
围绕 gpt-5 的特点，先验证可以检查结果的小任务。
复杂前端需求的实现草案
可直接这样提问：根据需求、现有组件和截图，提出可复用的实现方案，列出状态变化与边界条件，再给补丁建议和测试清单。
准备能支撑判断的输入
输入明确交互约束与现有代码；分别验证实现、图文理解和最终文稿质量。
再接入你的工作流
使用完整模型 ID gpt-5，先在 API 页确认公开请求格式与可用参数，再连接应用。把结果解析、异常处理和相关证据保留下来，以同一组真实样本评估是否适合持续使用。
使用边界
在正式使用前，了解输出质量与能力范围。
- GPT-5 能生成代码并提出调试方案，但文字回答不代表代码已经运行、测试通过或部署完成。没有执行工具与环境反馈时，应将结果视为待验证实现；涉及依赖、权限或系统设备的操作，需要应用实际执行并检查结果。
- 视觉能力用于理解提交的图像，不等同于生成图片、实时观看视频或直接处理所有附件。图表中的细小文字和关键数字应配合清晰素材或原始文本使用；如果图片缺失，不应让模型依据问题描述补出不存在的观察结果。
- 推理能力不能消除事实错误，健康问题尤其不能仅凭回答作出诊断或治疗决定。GPT-5 适合帮助理解材料、整理疑问和比较信息；实时信息需要实际数据或可用工具，高风险内容可能受到安全边界限制。
常见问题
解答使用 gpt-5 时的常见疑问。
GPT-5适合修改现有项目，还是只适合生成新代码？
两类任务都适合，现有项目调试也是其重点方向。提交相关代码、错误日志、复现步骤和预期行为，比只描述“程序有问题”更有帮助。可要求它先定位原因，再给出修改方案与测试建议；最终仍需在项目环境中验证。
怎样让GPT-5分析一张图表？
在Chat Completions的消息内容中组合text与image_url，并说明要分析的指标、时间范围或关系。建议要求回答区分图中可见内容与解释性判断；需要精确计算时，同时提供原始数据，避免把视觉读取作为唯一依据。
调用GPT-5应选Responses还是Chat Completions？
已有messages格式的应用可选择Chat Completions；希望采用input格式组织响应与工具交互时，可选择Responses。两者都能指定gpt-5，但返回结构不同，应用应分别解析。
GPT-5会自动运行函数或修改本地文件吗？
不会仅凭一次对话就获得本地执行权限。函数工具需要由应用定义，实际执行与权限控制也由应用负责，再把执行结果交回模型。它可以帮助规划步骤和生成调用参数，但生成建议、发出工具请求与操作成功是不同状态。
怎样用GPT-5持续修改同一篇文稿？
使用 Chat Completions 时把有关历史放入 messages，使用 Responses 时按文档组织 input 与相关对话内容。每轮提供最新材料、修改目标和关键约束；较长任务宜保留阶段性摘要与可独立检查的最终版本。
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs