OpenAI这次GPT-5的发布，官方强调的“推理能力大幅提升”和“多模态输入”确实是亮点，但作为从GPT-3时代就开始折腾API的老用户，我实测后觉得这波提升更多是工程优化而非架构革命。
先说说技术层面：GPT-5在逻辑推理链（CoT）和多步推理任务上的进步明显，比如在GSM8K和MATH基准上提升了约15-20%，这得益于更精细的RLHF后训练和更大的上下文窗口（传闻提升到256K tokens）。但多模态方面，其实还是文本+图像的组合，视频理解依然靠帧采样，并没有真正的时序推理能力。
个人经验来看，GPT-5在复杂代码生成（比如多文件项目重构）和数学证明题上确实更稳了，但偶尔还是会犯低级逻辑错误——比如混淆变量作用域。我觉得这波提升更像是GPT-4时代欠下的“工程债”还上了，而非Scaling Law的再次验证。
提问：你们觉得GPT-5的推理提升是靠模型规模硬顶，还是训练数据质量优化起了更大作用？另外，多模态输入当前是否只是“伪融合”，离真正的跨模态推理还有多远？
行业视野上，GPT-5可能加速中小团队放弃自研基础模型，转而专注应用层微调。但这也意味着大模型垄断加剧，小厂想靠垂直领域数据逆袭的门槛更高了。