ChatGPT 模型选择器回归，附 GPT-5 提示词技巧

Sam 刚刚又发帖了，这次不但把部分历史模型放出来，还加入了一些新模型，使用额度上也有所提升。

之前，Plus 用户每周有 200 条 thinking 模式，现在突然改成 3000 条了，让我一度怀疑是不是写错了。多了 15 倍使用量，感觉可以一直玩 thinking 模式。感兴趣的朋友可以自行检查文档 GPT-5 in ChatGPT^[1]

模型速览

GPT-5 是 ChatGPT 的下一代旗舰模型，也是所有已登录用户的默认模型。它整合了以往多款优秀模型的能力，通过自动切换系统，在智能与速度之间取得平衡。无论是日常使用还是专业任务，GPT-5 都能提供更高质量的输出。

这一代模型最大的亮点是突破性的深度推理能力。当面对需要严谨分析的问题时，例如编程、科学研究、信息整合，或数据与金融分析，GPT-5 能够比以往更深入地思考并给出精准结论。日常任务中，它在写作、编程乃至医疗场景都表现稳定且快速，比以往的推理模型更智能、更可靠。

模式选择

当用户选择 GPT-5 时，系统会根据任务复杂度自动判断使用 Chat 模式或 Thinking 模式。

• 复杂任务会触发 Thinking 模式，先进行深度推理，再返回结果。
• 模式切换的依据来自提示词、上下文，以及系统对用户偏好与历史准确率的学习。

在 Thinking 模式下，界面会显示简化的推理进度，同时提供 Get a quick answer（快速回答） 按钮，允许用户随时切回 Chat 模式以立即获取结果。

除了自动模式，用户还可以在模型选择器中手动选择：

• Fast：即时输出
• Thinking：深度推理
• Pro：研究级智能

模型可用性

GPT-5 对所有 ChatGPT 用户开放，但不同订阅层级的可用功能不同：

• 免费用户：
• 每 5 小时可使用 GPT-5 发送 10 条消息，超出后自动切换到 mini 版
• 每天可使用 1 次 GPT-5 Thinking
• Plus 用户
• 每 3 小时可用 GPT-5 发送 160 条消息（临时提升）
• 可手动选择 GPT-5 Thinking，每周上限 3000 条（自动切换不计入额度，喜欢薅羊毛的，可以深挖这个规则让模型自动切入推理模式）
• Pro / Team 用户
• 无限使用 GPT-5 与 GPT-5 Thinking Pro（推理更久、精度更高）

在 ChatGPT 设置中开启 Show additional models，还可解锁 GPT-5 Thinking mini、GPT-4.1、o3 等更多选项。

使用规范

所有用户需遵守使用条款，禁止以下行为：

• 自动化或程序化抓取数据
• 共享账号或提供给他人使用
• 转售访问权限或将 ChatGPT 用作第三方服务的底层

平台设有防滥用机制，必要时会临时限制使用，并提供申诉渠道。

其他

目前 GPT-5 提供 Auto / Fast / Thinking 三种模式，推荐普通用户使用 Auto；Thinking 模式上下文长度可达 196k tokens。4o 已重新加入付费用户的默认列表。未来，GPT-5 的“性格”将优化为更温暖但不啰嗦，并朝着按用户个性化定制的方向发展。

Prompt 小技巧

如果在 vibe coding 时，给出具体要求，经过几轮小迭代（3-5 轮，具体看代码完成度和报错处理情况），基本就可以达到预期。以下是 Noi 开发中的一个真实需求，我发现它除了按规定使用依赖外，还会对需求进行合理抽象，映射出更符合程序处理的数据结构。想要获得更好效果，还是需要一些编程经验来对模型进行初步约束的，比如框架、库的选择、可验证的功能点等等，描述专业化能在很大程度上减小模型幻觉。

目前，从我了解到的信息，再综合个人使用情况来说：GPT-5 确实有很强的指令遵循能力（对 prompt 比较敏感）。如果你的测试结果不理想，大概率是提示词造成的，可尝试调整问题描述。如果实在不知道咋搞，这里还整理了一份 tips，可作参考。

1. 深度推理 & 问题分解

模板：你是{角色}。请先把问题拆解为清晰、逻辑自洽的步骤，再给最终答案。务必深思后作答。

示例：你是商业战略顾问。请先分解“在英国市场推出 AI 合规工具”的关键步骤，再给完整 GTM 策略。

原理：强制先规划再作答，降低跳步与推理错误。

2. “先草稿、再自评、后定稿”

模板：先写出初稿。随后进行严格自我评审，标出薄弱点。最后重写一版以逐一修正这些问题。

示例：撰写一篇约 400 字的可持续发展新闻稿；随后点评其清晰度与说服力，并据此重写。

原理：利用 GPT-5 更强的自我反思与改写能力。

3. 角色 + 目标 + 约束

模板：你是{专家角色}。目标：{目标}。请严格遵循约束：{规则清单}。

示例：你是资深政策顾问。目标：为议会委员会总结一份 20 页的气候报告。约束：≤500 字、中性语气、用要点列出。

原理：明确边界与交付规格，GPT-5 遵循约束更稳定。

4. 递进式加深

模板：先给出{主题}的高层概览。再选最关键的一点，做深入阐述并给出证据与示例。

示例：先概述欧盟 AI 监管现状；再深入说明《AI 法案》的执法难点。

原理：先宏观、后深挖，信息量渐进不压人。

5. 多模态整合（Multi-Format Integration）

模板：以下是混合输入（文本/图片/文件等）：{粘贴/引用}。请综合分析，产出{输出类型与格式要求}。

示例：给一份市场报告 PDF 与一张产品图，综合分析并产出 2 张投资人路演要点幻灯片。

原理：GPT-5 更擅长把多模态信息整合为一致产出。

6. 探索式“思维版图”

模板：围绕{广义目标}发散所有可行路径。按类别组织；每类至少给出 3 个具体方案/样例。

示例：围绕 “AI 工具资讯类通讯”的变现方式，按“赞助/产品/社区/合作”分组，每组列 ≥3 条。

原理：在结构化框架内释放发散性，避免无序罗列。

7. 专家模拟

模板：请以{知名专家/专业角色}的风格、决策偏好与优先级来回答，并显式展示其思考过程框架。

示例：以“芯片创业 CEO” 的角度，制定新 AI 芯片公司的发布与进入策略。

原理：更精准的风格与策略模拟，带来贴合场景的决策逻辑。

8. 以约束为锚点的创作

模板：请创作{输出类型}，并严格满足这些约束：{字数/语体/结构/禁用项等}。

示例：写一条 100 字的 LinkedIn 帖子，向 10 岁孩子解释生成式 AI：仅使用一个比喻，结尾必须以提问收束。

原理：约束能聚焦创意，防止话题漂移与风格跑偏。

9. 长对话上下文回忆

模板：基于本次对话“至今为止的全部上下文”，产出{交付物}。必要时请回溯并引用先前细节。

示例：结合先前关于 AI 监管的讨论，写一篇 2000 字的政策白皮书。

原理：利用 GPT-5 更稳的长程记忆与细节保持。

10. “宽目标 → 精准交付（两步法）”

模板：1) 宽目标：{目标草案}。请先与我一起界定精确交付物（规格/结构/验收标准）。2) 按约定规格立即产出该交付物。

示例：1. 宽目标：提升我在 LinkedIn 上的 AI 话题互动。2. 交付物：4 周内容日历（含选题、开场钩子、CTA）。

原理：先对齐目标与验收，再一次性高质量交付。

拓展阅读

最新消息，Claude Sonnet 4^[2] 现已在 Anthropic API 上支持高达 100 万 tokens 的上下文窗口，是此前的 5 倍扩容，能够一次性处理超过 7.5 万行代码或数十篇科研论文。长上下文功能已在 Anthropic API 与 Amazon Bedrock 公测，Google Cloud Vertex AI 版本即将推出。这一提升让开发者可以在一次对话中加载完整代码库、成批文档或海量交互记录，从而实现大规模代码分析、跨文档信息综合以及上下文持续数百步的智能体构建。

为应对计算需求增长，200K tokens 以上的提示采用更高定价（估计是被薅羊毛搞怕了，之前有用户用 $200 月订阅，一个月薅了几万刀的费用），但结合提示缓存和批处理，延迟与成本可明显降低，甚至节省 50% 成本。如 Bolt.new 和 iGent AI 已在生产环境中利用 1M 上下文实现更大型、更长周期的真实工程任务，显著提升了代码生成与自主开发能力。该功能目前对 Tier 4 及自定义速率限制用户开放，并将在未来数周扩展至更多用户与平台。

References