Tenho usado o GPT-5 para tarefas mais longas e complexas. Por exemplo, usando-o com Background Agents para tarefas independentes e agentes em primeiro plano em paralelo ao alternar entre diferentes tarefas e revisar seus resultados.

GPT-5 é um dos modelos mais fáceis de direcionar que já usei. Em algumas tarefas, precisei ser mais explícito sobre o que estava tentando fazer. Deixar as coisas vagas fazia com que o modelo tomasse uma direção diferente do que eu esperava. Quando fui mais específico, fiquei surpreso com o quão inteligente o modelo era.

Houve alguns momentos na última semana em que travei programando e o GPT-5 resolveu um bug complexo que outros modelos não conseguiram entender. Usei-o para tarefas como analisar nossas queries do Stripe e encontrar as melhores otimizações para reduzir a latência.

O estilo de escrita padrão do GPT-5 era mais prolixo do que eu queria, então consegui definir uma regra para que as respostas fossem mais concisas. Também prefiro um comportamento mais autônomo, então consegui direcionar o modelo para fazer menos perguntas de acompanhamento após cada prompt. Tenho usado o modelo para problemas de programação mais difíceis.

Minha forma favorita de testar 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 criar um endpoint de API de backend e o componente correspondente de React no frontend, que ficam em dois submódulos diferentes no nosso monorepo. Ele conseguiu gerar esse código corretamente e regenerar os protobufs para corrigir erros de tipo em uma única tentativa.