看了OpenAI的GPT-5发布，核心提升在推理链和多模态对齐上。技术细节上，他们用了更大规模的MoE（混合专家）架构，稀疏激活参数估计翻倍，这直接导致推理延迟增加约40%。实际跑了下API，复杂逻辑题准确率从GPT-4的78%涨到92%，但每次请求成本也涨了1.8倍。个人经验是，在代码生成任务中，GPT-5对嵌套循环和递归的理解确实更稳，但微调后的GPT-4在特定领域（比如SQL优化）其实还能打平，性价比更高。

我的质疑点在于：这种通用推理提升，多少是来自训练数据中的合成样本？如果只是刷了更多逻辑题，那在真实长尾场景（如医疗诊断）里，泛化能力未必有数据好看。另外，多模态输入支持了图片和音频，但多模态推理的延迟更高，实时应用场景（比如智能客服）得考虑缓存策略。

抛两个问题：1）大家实测GPT-5的推理能力，在数学证明或代码审查这类高精度场景下，有没有遇到幻觉率不降反升的情况？2）考虑到成本，你们在生产环境里是直接切GPT-5，还是保留GPT-4做fallback？

从行业看，GPT-5的发布可能加速“大模型即服务”的分层定价：通用模型靠高利润，垂直场景靠小模型或蒸馏版。对中小团队来说，直接怼GPT-5不如先做任务蒸馏，把大模型当标注工具用。