看完OpenAI发布的GPT-5技术报告，我第一反应不是兴奋，而是想确认一个核心问题：所谓的“推理能力大幅提升”到底是在哪些基准上？报告里提到在MATH、GSM8K和HumanEval上分别提升了15%、12%和18%，但作为经常用GPT-4做复杂逻辑推理的人，我的个人经验是，这些基准测试的题目类型相对固定，模型容易“刷分”。我更关心的是，GPT-5在开放式推理任务（比如法律条款矛盾分析或科学假设验证）上的表现有没有本质突破？

多模态输入的支持确实是亮点，但技术上是怎么解决跨模态对齐问题的？我记得之前GPT-4V在图文理解上偶尔会出现“幻觉”，比如把猫的尾巴误认为蛇。GPT-5是否引入了新的注意力机制或对比学习策略来减少这种错误？

从行业视野看，如果GPT-5真的让推理能力从“模式匹配”转向了“因果推理”，那对AI Agent和自动化决策系统的影响将是颠覆性的。但坦白说，我还没看到足够有说服力的证据。

想请教两个问题：1. GPT-5在需要多步逻辑链的推理任务（比如数学证明或代码调试）中，错误率下降了多少？2. 有没有人测试过它在对抗性提示下的鲁棒性？比如故意输入有歧义的多模态信息，它还能保持一致性吗？期待大佬们分享实测经验。