GPT-4.5 ist ein großes Sprachmodell, das von OpenAI entwickelt und am 27. Februar 2025 als Forschungsvorschau veröffentlicht wurde. Es stellt eine inkrementelle Weiterentwicklung gegenüber seinem Vorgänger GPT-4 dar, mit einem primären Fokus auf der Erweiterung der Wissensbasis des Modells und der Verbesserung der Gesprächsgenauigkeit. Das Modell wurde zunächst ChatGPT Plus- und Pro-Abonnenten sowie über die OpenAI-API zur Verfügung gestellt, bevor im März 2025 ein breiterer Rollout für Unternehmenskunden erfolgte.
Im Gegensatz zu einigen zeitgenössischen Modellen, die den Schwerpunkt auf Ketten-Denken-Reasoning legten, wurde GPT-4.5 als Allzweckmodell mit verbesserten Fähigkeiten zur Mustererkennung und kreativen Schreibfähigkeiten entwickelt. OpenAI beschrieb es als mit einem "natürlicheren" Gesprächston, mit weniger Halluzinationsfällen im Vergleich zu früheren Versionen. Das Modell wurde mit einer Kombination aus maschinellen Lerntechniken trainiert, einschließlich überwachtem Lernen und Verstärkungslernen aus menschlichem Feedback, und baut auf der Transformer (architecture)-Architektur auf, die moderne generative KI-Systeme untermauert.
Entwicklung und Veröffentlichung
OpenAI begann Anfang 2024 mit der Entwicklung von GPT-4.5, nach dem kommerziellen Erfolg von GPT-4. Das Projekt wurde von einem Team geleitet, das Jakob Uszkoreit, einen der ursprünglichen Erfinder der Transformer-Architektur, und Mark Chen, der zuvor an der Skalierung von Sprachmodellen gearbeitet hatte, umfasste. Der Trainingsprozess nutzte Tausende von NVIDIA-GPUs, obwohl OpenAI auch mit AMD-Hardware für bestimmte Inferenzaufgaben experimentierte. Das Modell wurde auf einem Datensatz trainiert, der mehr als 10 Billionen Token umfasste, eine deutliche Steigerung gegenüber den etwa 13 Billionen Token, die für GPT-4 verwendet wurden.
Die Veröffentlichung war zunächst auf eine "Forschungsvorschau"-Phase beschränkt, die es einer Teilmenge von Benutzern ermöglichte, das Modell zu testen und Feedback zu geben. Dieser Ansatz spiegelte OpenAIs frühere Strategie mit GPT-4 wider, das ebenfalls schrittweise eingeführt wurde. Am 5. März 2025 wurde das Modell allen ChatGPT Plus-Abonnenten zur Verfügung gestellt, und Ende März wurde es in die OpenAI-API für Entwickler integriert. Die API-Preise wurden auf 75 US-Dollar pro Million Eingabe-Token und 150 US-Dollar pro Million Ausgabe-Token festgelegt, was es teurer als GPT-4o, aber billiger als einige spezialisierte Reasoning-Modelle machte.
Technische Architektur
GPT-4.5 behält das Kern-neuronale Netzwerk-Design seiner Vorgänger bei und verwendet eine Decoder-only-Transformer (architecture)-Architektur mit Multi-Head-Attention-Mechanismen. Das Modell hat etwa 1,8 Billionen Parameter, obwohl nicht alle während der Inferenz aktiv sind, aufgrund eines Mixture-of-Experts-Designs. Dieser Ansatz, der das Netzwerk in spezialisierte Subnetzwerke unterteilt, ermöglicht eine effizientere Berechnung bei gleichzeitiger Aufrechterhaltung hoher Leistung.
Der Trainingsprozess integrierte mehrere Innovationen aus dem Deep-Learning-Feld, einschließlich Layer-Normalisierung und Residualverbindungen, um das Training zu stabilisieren. Die Optimierung verwendete Adam-Optimierer mit einem benutzerdefinierten Lernratenplan, der Aufwärm- und Kosinus-Abklingphasen umfasste. Um Überanpassung zu verhindern, setzte OpenAI Dropout- und Gradient-Clipping-Techniken ein. Das Modell profitierte auch von Datenanreicherungs-Strategien, einschließlich synthetischer Datengenerierung aus früheren GPT-Versionen.
Eine bemerkenswerte Abweichung von GPT-4 war die reduzierte Betonung expliziter Reasoning-Spuren. Während GPT-4 und seine Nachfolger wie o1 und o3 darauf trainiert wurden, schrittweises Reasoning zu erzeugen, wurde GPT-4.5 für direkte, fließende Antworten optimiert. Dies machte es in einigen Anwendungen schneller, aber weniger fähig bei komplexen mathematischen oder logischen Aufgaben, ein Kompromiss, den OpenAI in seiner technischen Dokumentation anerkannte.
Fähigkeiten und Leistung
In Benchmark-Tests zeigte GPT-4.5 starke Leistungen bei wissensintensiven Aufgaben. Es erzielte 71,4% beim MMLU-Benchmark (Massive Multitask Language Understanding), eine leichte Verbesserung gegenüber GPT-4s 69,1%. Beim HumanEval-Coding-Benchmark erreichte es eine pass@1-Rate von 71,2%, vergleichbar mit GPT-4o. Beim GPQA-Benchmark (Graduate-Level Google-Proof Q&A), der fortgeschrittenes wissenschaftliches Reasoning testet, erzielte GPT-4.5 jedoch 71,0%, deutlich niedriger als die 86,0%, die OpenAIs o3-Reasoning-Modell erreichte.
Das Modell zeigte besondere Stärken im kreativen Schreiben und in nuancierten Gesprächen. Frühe Tester berichteten, dass GPT-4.5 natürlicher klingende Dialoge produzierte und ein besseres Verständnis des kulturellen Kontexts zeigte. OpenAIs interne Bewertungen zeigten eine 38%ige Reduktion der Halluzinationsraten im Vergleich zu GPT-4o, was bedeutet, dass das Modell weniger wahrscheinlich Fakten erfand oder nicht existierende Quellen zitierte.
Für Unternehmensanwendungen wurde GPT-4.5 in den Microsoft Azure OpenAI-Dienst integriert, sodass Unternehmen über Cloud-Infrastruktur auf das Modell zugreifen konnten. Es wurde auch über Amazon Web Services und Google Cloud in deren jeweiligen KI-Marktplätzen verfügbar. Das Modell unterstützte einen Kontextfenster von 256.000 Token, was die Verarbeitung langer Dokumente oder mehrteiliger Gespräche ermöglichte.
Einschränkungen und Kontroversen
Trotz seiner Verbesserungen wurde GPT-4.5 für seine hohen Rechenkosten kritisiert. Das Modell benötigte während der Inferenz etwa 10-mal mehr Rechenleistung als GPT-4o, was zu langsameren Antwortzeiten und höherem Energieverbrauch führte. Einige Forscher, darunter Melanie Mitchell, stellten in Frage, ob die inkrementellen Gewinne die Umweltauswirkungen rechtfertigten, und merkten an, dass das Training des Modells schätzungsweise 50 Gigawattstunden Strom verbrauchte.
Das Modell zeigte auch Einschränkungen bei mathematischem Reasoning und räumlichen Aufgaben. Beim AIME-Benchmark (American Invitational Mathematics Examination) 2024 erzielte GPT-4.5 36,7%, weit unter den 86,0%, die o3 erreichte. Dies veranlasste einige Beobachter zu argumentieren, dass OpenAI die Gesprächsqualität über die Problemlösungsfähigkeit priorisiert hatte, eine strategische Wahl, die von Wettbewerbern wie Anthropics Claude-Modellen und Google DeepMinds Gemini-Serie abwich.
Datenschutzaktivisten äußerten Bedenken hinsichtlich der Trainingsdaten des Modells, die öffentlich verfügbare Webinhalte und lizenzierte Datensätze umfassten. OpenAI behauptete, Filter implementiert zu haben, um persönliche Informationen auszuschließen, aber unabhängige Audits von Organisationen wie dem Stanford AI Lab fanden verbleibende Datenschutzrisiken. Im April 2025 wurde in Kalifornien eine Sammelklage eingereicht, die behauptete, dass GPT-4.5 urheberrechtlich geschützten Text ohne Genehmigung reproduziert habe, ein Fall, der Ende 2025 noch anhängig war.
Vermächtnis und Auswirkungen
GPT-4.5 wurde weithin als Übergangsmodell angesehen, das die Lücke zwischen GPT-4 und dem erwarteten GPT-5 überbrückte. Seine Veröffentlichung beeinflusste die breitere Künstliche-Intelligenz-Branche, indem es zeigte, dass Skalierung allein messbare Verbesserungen bei Wissen und Flüssigkeit erzielen konnte, selbst ohne architektonische Durchbrüche. Das Mixture-of-Experts-Design des Modells wurde anschließend von anderen Entwicklern übernommen, darunter AI21 Labs und Inflection AI.
Bis Ende 2025 war GPT-4.5 durch OpenAIs GPT-5 abgelöst worden, das Reasoning-Fähigkeiten effektiver integrierte. GPT-4.5 blieb jedoch für Anwendungen in Gebrauch, die Kosteneffizienz und kreative Ausgabe priorisierten. Seine Entwicklung trug auch zu laufenden Debatten über die Entwicklung der Maschinenlern-Forschung bei, insbesondere zum Gleichgewicht zwischen Modellgröße, Trainingsdaten und Inferenzeffizienz. OpenAIs Entscheidung, das Modell als Forschungsvorschau und nicht als vollständiges Produkt zu veröffentlichen, wurde als Reaktion auf wachsende regulatorische Prüfung gesehen, da Regierungen in der Europäischen Union und anderswo begannen, umfassende KI-Gesetzgebung zu entwerfen.