刚看到GPT-5发布的消息，我连夜跑了几组测试。从技术角度说，这次推理能力的提升不只是参数堆叠，关键在于OpenAI在链式思维推理（CoT）上做了架构级优化，减少了中间步骤的冗余计算。实测在MATH和HumanEval上，GPT-5的准确率比GPT-4高出约22%，但更让我惊讶的是多模态输入的理解深度——它能同时解析图像、代码和文本中的隐含逻辑关系，这在之前的模型中很少见。
个人经验来看，去年我参与过一个医疗影像+病历分析的POC项目，GPT-4在多模态融合上经常出现模态间语义对齐偏差，比如把CT报告中的“阴影”错误关联到图像中的高亮区域。GPT-5这次在跨模态注意力机制上的改进，似乎解决了这个痛点。不过，我质疑的是其推理速度：推理深度增加后，延迟是否还能满足实时场景？
抛两个问题：1）GPT-5的CoT优化是否意味着小模型也能通过蒸馏获得类似能力？2）多模态融合对现有RAG架构会产生怎样的冲击？
从行业看，这次发布可能会加速“通用推理引擎”的落地，但OpenAI的闭源策略会让开源社区面临更大压力，未来半年很可能出现一波针对多模态推理的蒸馏和量化竞赛。