मैं GPT-5 का उपयोग ज़्यादा लंबे समय तक चलने वाले और जटिल कार्यों के लिए कर रहा हूँ। उदाहरण के लिए, स्वतंत्र कार्यों के लिए इसे Background Agent के साथ इस्तेमाल करना, और अलग-अलग कार्यों के बीच स्विच करते समय समानांतर फ़ोरग्राउंड एजेंट्स तथा उनके आउटपुट की समीक्षा करना।

GPT-5 उन सबसे ज़्यादा निर्देशित किए जा सकने वाले मॉडल्स में से एक है, जिनका मैंने उपयोग किया है। कुछ कार्यों में मुझे और अधिक स्पष्ट रूप से बताना पड़ा कि मैं क्या हासिल करना चाहता था। बातों को अस्पष्ट छोड़ने पर मॉडल कभी-कभी मेरी अपेक्षा से अलग दिशा में चला गया। जब मैं ज़्यादा विशिष्ट था, तो मैं यह देखकर हैरान रह गया कि मॉडल कितना स्मार्ट था।

पिछले हफ़्ते कोडिंग के दौरान मैं कुछ जगहों पर अटक गया था, जहाँ GPT-5 ने ऐसे जटिल बग हल कर दिए जिन्हें दूसरे मॉडल समझ नहीं पाए। मैंने इसका उपयोग हमारी Stripe queries को देखने और latency हटाने के लिए सबसे अच्छे optimizations ढूँढने जैसे कामों में किया है।

GPT-5 की डिफ़ॉल्ट लेखन शैली मेरी पसंद से ज़्यादा विस्तृत थी, इसलिए मैंने एक नियम बना लिया ताकि प्रतिक्रियाएँ अधिक संक्षिप्त रहें। मुझे ज़्यादा एजेंटिक व्यवहार भी पसंद है, इसलिए प्रॉम्प्टिंग के बाद मैं मॉडल को कम अनुवर्ती प्रश्न पूछने की ओर निर्देशित कर सका। मैं इसका उपयोग ज़्यादा कठिन कोडिंग समस्याओं के लिए कर रहा हूँ।

मेरे लिए परखने का पसंदीदा तरीका यह है कि मैं कई अलग-अलग मॉडल्स को एक ही प्रॉम्प्ट दूँ और देखूँ कि क्या उनमें से कोई मेरी अपेक्षा के अनुसार एक ही प्रयास में काम कर सकता है। हमारे frontend और backend में protobufs का उपयोग होता है, जो कभी-कभी मॉडल्स को भ्रमित कर देते हैं। मैंने GPT-5 से एक backend API endpoint के साथ-साथ उससे संबंधित frontend React component बिल्ड करने के लिए कहा, जो हमारे monorepo के दो अलग-अलग submodules में हैं। इसने कोड को सही ढंग से तैयार किया और type errors ठीक करने के लिए protobufs को भी एक ही बार में फिर से जनरेट कर दिया।