私は、より長時間にわたる複雑なタスクには GPT-5 を使っています。たとえば、Background Agents で独立したタスクを実行し、タスクを切り替えながら出力を確認する際には、並列に動作するフォアグラウンドのエージェントを使っています。

GPT-5は、私が使ってきた中で最も制御しやすいモデルの一つです。いくつかのタスクでは、達成したいことをより明確に伝える必要がありました。曖昧なままだと、モデルが期待とは異なる方向に進んでしまいました。より具体的に指示すると、モデルの賢さに驚かされました。

この1週間のコーディングで何度か行き詰まったのですが、他のモデルでは手に負えなかった複雑なバグをGPT-5が解決してくれました。Stripeのクエリを精査し、レイテンシーを削減する最適化を見つけるといったタスクにも活用しました。

GPT-5 のデフォルトの文体は自分の好みより冗長だったので、応答をもっと簡潔にするルールを設定できました。より主体的なふるまいも好むため、プロンプト後のフォローアップ質問を減らすようにモデルを調整することもできました。今は、より難易度の高いコーディング課題に使っています。

私のお気に入りの評価方法は、同じプロンプトを複数のモデルに投げ、期待どおりの結果をワンショットで出せるものがあるかを確かめることです。私たちのフロントエンドとバックエンドは protobuf を使っており、そのせいでモデルがつまずくことがあります。私は GPT-5 に、モノレポ内の別々の 2 つのサブモジュールにあるバックエンドの API エンドポイントと、それに対応するフロントエンドの React コンポーネントの実装を依頼しました。すると、コードを正しく書き上げ、型エラーを解消するために protobuf を再生成して、ワンショットで修正までやり切りました。