저는 GPT-5를 실행 시간이 길고 복잡한 작업에 주로 사용해 왔습니다. 예를 들어, Background Agents와 함께 독립적인 작업을 수행하고, 여러 작업 사이를 전환하며 출력물을 검토할 때는 병렬 포그라운드 에이전트를 사용하는 식입니다.

GPT-5는 제가 사용해 본 모델 중 가장 잘 조정할 수 있는 모델 중 하나였습니다. 어떤 작업에서는 제가 달성하려는 목표를 훨씬 더 명시적으로 설명해야 했습니다. 요구사항을 모호하게 남겨 두면 모델이 제가 기대한 것과 다른 방향으로 진행하곤 했습니다. 제가 더 구체적으로 지시했을 때는, 모델이 얼마나 똑똑한지에 놀랐습니다.

지난주에 코드를 작성하다가 막혔던 몇몇 부분에서, 다른 모델들은 해결하지 못한 복잡한 버그를 GPT-5가 해결해 주었습니다. 예를 들어, Stripe 쿼리를 살펴보면서 지연 시간을 줄이기 위한 최적화 방식을 찾는 작업 등에 사용했습니다.

GPT-5의 기본 작성 스타일은 제가 원하는 것보다 다소 장황했기 때문에, 응답을 더 간결하게 하도록 규칙을 설정할 수 있었습니다. 저는 보다 주도적으로 행동하는 성향을 선호하기도 해서, 프롬프트를 제공한 뒤 후속 질문을 덜 하도록 모델을 조정했습니다. 저는 더 어려운 코딩 문제를 풀 때 이 모델을 주로 사용하고 있습니다.

제가 선호하는 “테이스트 테스트” 방식은, 여러 모델에 동일한 프롬프트를 주고 어느 모델이 제가 기대한 결과를 한 번에 맞히는지를 보는 것입니다. 우리의 프론트엔드와 백엔드는 protobuf를 사용하는데, 이것 때문에 모델들이 종종 헷갈리곤 합니다. 저는 GPT-5에게 백엔드 API 엔드포인트와 이에 대응하는 프론트엔드 React 컴포넌트를 만들어 달라고 요청했는데, 이 둘은 우리의 모노레포 안에서도 서로 다른 두 개의 서브모듈에 존재합니다. GPT-5는 이 코드를 정확히 생성했을 뿐 아니라, 타입 에러를 해결하기 위해 protobuf를 재생성하는 것까지 한 번에 수행했습니다.