刚看完OpenAI的GPT-5技术报告，这次推理能力的提升确实硬核——在MATH和HumanEval上分别提升了22%和18%，但更让我在意的是多模态输入的统一架构。个人经验来看，之前用GPT-4处理图文混合任务时，视觉和文本的语义对齐经常崩，而GPT-5的端到端训练范式似乎解决了这个痛点，实测中跨模态的上下文保持能力明显更稳。
不过，推理提升的代价是什么？参数量估计又涨了一个数量级，小团队本地部署基本没戏，API成本可能比GPT-4翻倍。这让我想起社区里讨论过的“模型效率悖论”——性能越强，落地门槛越高。
抛两个问题：1）大家实测中，GPT-5的推理链长度是否真的突破了GPT-4的瓶颈？2）多模态统一输入对RAG场景的召回率影响怎样？有踩坑的兄弟来聊聊。
从行业视角看，GPT-5的发布可能会加速“模型即基础设施”的趋势，但中小厂商的生存空间会更窄。多模态能力的平民化，或许要靠开源社区的LoRA微调方案来破局。