He estado usando GPT-5 para tareas más prolongadas y complejas. Por ejemplo, usándolo con Background Agents para tareas independientes y agentes en primer plano en paralelo cuando cambio entre distintas tareas y reviso sus resultados.

GPT-5 es uno de los modelos más fáciles de dirigir que he usado. He tenido que ser más explícito sobre lo que intentaba lograr en algunas tareas. Dejar las cosas vagas hacía que el modelo tomara una dirección distinta a la que esperaba. Cuando fui más específico, me sorprendió lo inteligente que era el modelo.

Ha habido algunos casos en los que me he bloqueado programando en la última semana y GPT-5 resolvió un bug complejo que otros modelos no pudieron descifrar. Lo he usado para tareas como revisar nuestras consultas de Stripe y encontrar las mejores optimizaciones para reducir la latencia.

El estilo de escritura predeterminado de GPT-5 era más extenso de lo que quería, así que pude definir una regla para que las respuestas fueran más concisas. También prefiero un comportamiento más autónomo, así que pude orientar al modelo para que hiciera menos preguntas de seguimiento después de los prompts. Lo he estado usando para problemas de programación más difíciles.

Mi forma favorita de probar modelos es usar el mismo prompt para muchos modelos distintos y ver si alguno puede resolver de una sola vez lo que esperaba. Nuestro frontend y backend usan protobufs, lo que a veces confunde a los modelos. Le pedí a GPT-5 que construyera un endpoint de API de backend y el componente correspondiente de React en el frontend, que están en dos submódulos separados de nuestro monorepo. Fue capaz de generar este código correctamente y regenerar los protobufs para corregir errores de tipos en un solo intento.