Tenho usado o GPT-5 para tarefas mais complexas e de longa duração. Por exemplo, com Background Agents para tarefas independentes e com agentes paralelos em primeiro plano ao alternar entre diferentes tarefas e revisar suas saídas.

O GPT-5 é um dos modelos mais fáceis de direcionar que já usei. Em algumas tarefas, precisei ser mais explícito sobre o que eu estava tentando alcançar. Quando deixei as coisas vagas, o modelo acabou seguindo uma direção diferente da que eu esperava. Quando fui mais específico, fiquei surpreso com o quanto o modelo era inteligente.

Na última semana, houve alguns momentos em que fiquei travado programando e o GPT-5 resolveu um bug complexo que outros modelos não conseguiram entender. Usei-o em tarefas como analisar nossas consultas do Stripe e identificar as melhores otimizações para reduzir a latência.

O estilo de escrita padrão do GPT-5 era mais prolixo do que eu queria, então consegui criar uma regra para deixar as respostas mais concisas. Também prefiro um comportamento mais agêntico, então consegui direcionar o modelo para fazer menos perguntas de continuação depois do prompt. Tenho usado o GPT-5 para problemas de programação mais difíceis.

Minha forma favorita de fazer esse teste é usar o mesmo prompt em vários modelos diferentes e ver se algum consegue acertar de primeira o que eu esperava. Nosso frontend e backend usam protobufs, o que às vezes confunde os modelos. Pedi ao GPT-5 para construir um endpoint de API no backend, bem como o componente React correspondente no frontend, que ficam em dois submódulos separados no nosso monorepo. Ele conseguiu acertar esse código e regenerar os protobufs para corrigir erros de tipo de uma só vez.