GPT-5.1更新深度测评：指令遵循、情感表达与自适应优化

长期以来被用户批评缺乏人情味的GPT-5，终于迎来了它的升级版本。

13日凌晨三点，OpenAI首席执行官奥特曼再次为自家产品发声。这次不再强调竞技场跑分，而是聚焦短板改进，主打倾听用户反馈，优化产品体验。

可以看出，OpenAI确实有些无奈。毕竟，GPT-5上线后，本应退役的GPT-4o因太受欢迎而被强行保留。新产品口碑不及旧款，任何公司都会急于证明自己。

那么，被推上前台的GPT-5.1，能否取代用户心中的赛博白月光？看完官网案例，评测者世超立即进行了实测。

结果如何？三个字概括：不理想。

需要说明，所有测试均在临时聊天环境中进行，避免任何AI记忆干扰。

首先测试奥特曼“尤其喜欢”的指令遵循能力，第一个问题就让它困惑。

明明要求回答六个字，却只输出五个字。而这六字游戏甚至是官方测试案例。

世超开始自我怀疑，反思是否因未使用英文。

但使用与官方完全相同的英语提示词后，GPT-5.1仍然答错。

不甘心的世超换了问题，让AI写一段200字的薯条颂，但全文不能出现“的”字。

答案表面符合要求，但文字却变成了繁体。

原以为是网络波动，但测试五遍全是繁体。去掉后半段强制指令后，回答恢复正常。

再看Gemini 2.5 pro，轻松给出正确答案，毫无差错。

测试至此，世超已产生强烈怀疑。尽管只是一次小更新，但三分之一的卖点不灵光，实在说不过去。

接下来是用户吐槽最多的GPT-5缺乏情感。官方称，GPT-5.1在GPT-5基础上变得“更温暖、更有对话性”，既能有趣，又能保持清晰有用。

说实话，从官网案例看，效果一般。GPT-4o原有的能力被GPT-5削弱，现在GPT-5.1仅回到起点，难以夸赞。

但测试仍需继续，世超询问经典失恋问题，结果对比明显，无论是GPT-5.1还是GPT-5，都与GPT-4o不在同一水平。

上图GPT-5.1，中图GPT-5，下图GPT-4o

不知大家是否感觉，GPT-5和GPT-5.1像在描述对人类情感的刻板印象，作为旁观者分析“失恋”的感受、原因和解决方案。

而GPT-4o的回答更像代入失恋角色，感同身受，先共情再鼓励，不愧是理想AI。

为避免冤枉，世超换了问题再问，这次感觉新版回答不如老版，连基本情感表达都缺失。

上图GPT-5，下图GPT-5.1

再查看官网更新公告，除了情感语气对比，还有自适应耗时对比图。

自适应优化，堪称GPT-5.1更新的最大亮点，毕竟前两项表现不佳。

这项优化简而言之，以往AI在不同难度问题上不会自动分配思考时间，询问杭州美食可能耗费与宇宙大爆炸相同的精力。

世超测试发现，效果明显。在简单逻辑问题上，左侧GPT-5.1思考速度明显快于右侧GPT-5。

而在复杂编程难题上，GPT-5更快给出错误结果，GPT-5.1思考更长时间后给出正确答案。

实际上，这对普通用户感知并不明显，但对于调用API的用户确是好事，可以在简单问题上节省成本，在难题上避免浪费。

除了GPT-5.1的版本变动，ChatGPT还有整体更新——个性化设置中可调整GPT回答风格，除默认外有七种人设可选。

这个功能颇有趣味，同一问题不同人设给出各异回答，风格差异显著。

例如，吐槽达人言辞直接犀利，技术宅富有探索欲，天马行空偏爱艺术表达，专业可靠则是纯粹工具人。

上图吐槽达人，中图技术宅，下图默认模式

相比默认模式，确实有些尴尬。但神奇的是，套用人设后，GPT的讨好感消失。

尤其是吐槽达人，几乎处处唱反调，反而具备大多数AI缺乏的思辨能力。面对不给钱却让卖力干活的话术毫不领情，清楚世超在PUA它。

平心而论，若说话方式能不这么尴尬，该模式的潜力可能远超默认模式。

总体而言，这次更新虽有亮点，但OpenAI带来的惊喜日益减少。

相较最初问世时的惊艳，爆火的GPT-4o生图功能，如今GPT-5或许不如不推出。

根据10月报告，GPT在2025年已走了一整年下坡路，市场份额持续萎缩。尽管抢占先机保住龙头地位，但AI竞争依然残酷。

Similarweb10月统计数据

一边是奥特曼四处拉投资，一边是产品核心质量渐趋平庸。

OpenAI，是时候拿出真本事了。