刚拿到GPT-5的API权限，连夜跑了几组测试，结果有点意料之外。首先是推理任务的token效率，官方声称提升30%，但我用MATH和HumanEval基准实测发现，在复杂多步推理场景下，响应延迟反而增加了15%-20%，原因是模型内部似乎加入了更深的CoT机制。多模态输入确实是个亮点，尤其是图文混合理解，对PDF表格和图表内容的解析精度比GPT-4V提升明显，但代价是上下文窗口消耗更快——同样长度的对话，GPT-5的KV Cache占用比前代多了近40%。

从个人经验看，这次升级更像是一次“重推理、轻效率”的权衡。如果你做实时对话应用，建议先用prompt限制推理深度，否则用户会明显感觉到“思考卡顿”。另外，多模态的token计费规则变了：图像输入按分辨率阶梯计价，低分辨率图反而比前代贵，这点文档里写得很隐晦。

抛两个问题：1）有谁试过把GPT-5的推理深度参数调低？效果和GPT-4相比如何？2）多模态输入的token切分策略是否有最优解？我在处理混合文档时经常出现超额消耗。

行业层面，GPT-5的“慢思考”路线可能会推动更多端侧模型做推理加速，否则云成本会吓退中小团队。微软的Phi系列和Google的Gemini Ultra大概要重新评估优化方向了。