SimpleQA 用于评估大语言模型（LLM）在简单但具有挑战性的知识问答中的事实性。而 GPT-4.5 在 SimpleQA 准确率（数值越高越好）达到 62.5%，遥遥领先于 OpenAI 其它模型。

作为 OpenAI 迄今为止规模最大、知识最丰富的模型，GPT-4.5 在 GPT-4o 的基础上进一步扩展了预训练，与专注于科学、技术、工程和数学 (STEM)领域的其他模型不同，GPT-4.5 被设计得更全面、更通用。

此外，OpenAI 对 GPT-4.5 进行了广泛的安全测试，包括有害内容拒绝、幻觉评估、偏见检测、越狱攻击防护等：GPT-4.5 在拒绝不安全内容方面表现良好，但在过度拒绝方面比前代模型稍高。