GPT-5开发者指南：核心技术特性解析

安装库与API配置

1

!pip install pandas openai

获取API密钥需访问某中心平台设置页面，新用户需完成5美元最低支付激活API访问权限。

1
2
3


import os
from getpass import getpass
os.environ['OPENAI_API_KEY'] = getpass('请输入OpenAI API密钥: ')

详细度参数控制

通过verbosity参数调节模型响应详细程度：

low: 简洁模式，最小化附加文本
medium: 默认模式，平衡细节与清晰度
high: 详细模式，适合教学和审计场景

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29


from openai import OpenAI
import pandas as pd
from IPython.display import display

client = OpenAI()

question = "创作一首关于侦探破获首案的诗歌"

data = []
for verbosity in ["low", "medium", "high"]:
    response = client.responses.create(
        model="gpt-5-mini",
        input=question,
        text={"verbosity": verbosity}
    )
    
    output_text = ""
    for item in response.output:
        if hasattr(item, "content"):
            for content in item.content:
                if hasattr(content, "text"):
                    output_text += content.text

    usage = response.usage
    data.append({
        "详细度": verbosity,
        "输出示例": output_text,
        "输出token数": usage.output_tokens
    })

输出token数量随详细度线性增长：low(731) → medium(1017) → high(1263)

自由形式函数调用

GPT-5支持直接输出原始文本载荷（Python脚本、SQL查询、Shell命令），无需GPT-4所需的JSON格式化，可直连：

代码沙箱环境（Python/C++/Java）
SQL数据库（直接输出原始SQL）
Shell环境（输出可执行Bash命令）
配置生成器

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


response = client.responses.create(
    model="gpt-5-mini",
    input="使用code_exec工具计算'pineapple'中元音数量的立方",
    text={"format": {"type": "text"}},
    tools=[{
        "type": "custom",
        "name": "code_exec",
        "description": "执行任意Python代码"
    }]
)

print(response.output[1].input)

模型直接生成可执行Python代码，无需额外解析即可投入运行时环境。

上下文无关语法（CFG）

CFG通过产生式规则严格约束输出格式，确保编程语言、数据格式等结构化文本的语法正确性。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


email_regex = r"^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$"

# 无语法约束的GPT-4输出
response = client.responses.create(model="gpt-4o", input="生成John Doe的有效邮箱")
output = response.output_text.strip()  # 可能包含额外文本

# CFG约束的GPT-5输出
response = client.responses.create(
    model="gpt-5",
    input="生成John Doe的有效邮箱",
    text={"format": {"type": "text"}},
    tools=[{
        "type": "custom",
        "name": "email_grammar",
        "description": "输出有效邮箱地址",
        "format": {
            "type": "grammar",
            "syntax": "regex",
            "definition": email_regex
        }
    }]
)

GPT-5精确输出john.doe@example.com格式，而GPT-4可能产生包含说明文本的无效输出。

最小化推理模式

通过减少推理token数量显著降低延迟，适用于：

数据提取
格式转换
简短重写
简单分类

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


import time
start_time = time.time()

response = client.responses.create(
    model="gpt-5",
    input=[
        { "role": "developer", "content": "判断数字奇偶性，仅返回一个单词" },
        { "role": "user", "content": "57" }
    ],
    reasoning={"effort": "minimal"}  # 加速首token生成
)

latency = time.time() - start_time
output_text = ""
for item in response.output:
    if hasattr(item, "content"):
        for content in item.content:
            if hasattr(content, "text"):
                output_text += content.text

print("输出:", output_text)
print(f"延迟: {latency:.3f}秒")