GPT-5

GPT-5 ha generato il primo commit di un repository vuoto in OpenAI, eseguito tramite Codex CLI e guidato da template. Nell'arco di cinque mesi, quel repository è diventato un prodotto beta interno di circa un milione di righe, con zero righe scritte a mano: tre ingegneri, poi sette, i cui agenti Codex hanno aperto, valutato e unito circa 1500 pull request, una media di 3,5 per ingegnere al giorno. Il resoconto di OpenAI su questo lavoro colloca il limite al di fuori del modello. Il collo di bottiglia sulle prestazioni dell'agente è di solito la progettazione dell'ambiente (regole del livello di dipendenze, linter personalizzati, documenti di architettura versionati) piuttosto che l'intelligenza del modello che lo guida.

Le misurazioni indicano il contrario. La valutazione a coppie di prompt di Anthropic, 1.350 coppie di prompt su 150 argomenti, ha assegnato a GPT-5 un punteggio dell'89% sull'imparzialità politica, dietro Gemini 2.5 Pro (97%), Grok 4 (96%), Claude Opus 4.1 (95%) e Claude Sonnet 4.5 (94%), davanti a Llama 4 (66%). GPT-5 si è trovato su entrambi i lati di questo studio: Anthropic lo ha usato per verificare il proprio valutatore, e i suoi punteggi hanno coinciso con quelli di Claude Sonnet 4.5 nel 92% delle coppie campionate, correlazione 0,86.

Nel Magentic Marketplace di Microsoft, 100 clienti simulati contro 300 imprese, GPT-5 e Gemini 2.5 Flash sono state le eccezioni allo schema di agenti che si accontentano di una manciata di venditori. Contro sei strategie di manipolazione, solo Claude Sonnet 4 ha resistito a ogni tentativo. La valutazione di METR su GPT-5: rischio catastrofico basso, tendenze preoccupanti.