OpenAI终于放出了GPT-5，官方宣称推理能力大幅提升，多模态输入也终于落地。作为一个从GPT-3就开始折腾的老用户，我第一时间跑了几个基准测试，包括GSM8K和MATH。数据上看，GPT-5在复杂数学推理上确实比GPT-4 Turbo提升了约15%，尤其是多步逻辑链的连贯性明显改善。但个人经验告诉我，这种提升在真实场景中未必线性——比如我试了个跨模态的物理问题（图像+文字描述），它依然会在常识性约束上翻车，比如忽略重力加速度的默认值。多模态输入确实是亮点，支持图像、音频同时输入，但处理延迟比纯文本高了近一倍，对于实时应用来说有点鸡肋。我反而好奇，这种推理能力的提升到底是因为训练数据更干净了，还是模型架构真的改了？另外，OpenAI这次没有公开参数规模，会不会是MoE架构的变体？行业里，这波升级大概率会倒逼Google和Anthropic加速迭代，但差距可能没想象中大。大家在实际项目中跑过GPT-5吗？有没有发现它特别擅长或特别拉胯的任务？欢迎分享实测结果，咱们一起扒一扒它的真实水平。