Openai lançou seu GPT-5 Modelo há cinco dias, provocando um escrutínio imediato da mídia de tecnologia e dos usuários sobre seu desempenho em comparação com as expectativas anteriores e as iterações anteriores.
As avaliações iniciais do GPT-5 foram críticas. Axios descreveu o novo modelo de linguagem grande como tendo “desembarcado com um baque”, enquanto ARS Technica caracterizou o lançamento como “bagunçado”. A informação sugeriu que o OpenAI pode ter entrado na “calha da desilusão”, uma fase em que as altas expectativas iniciais de uma tecnologia são substituídas pela decepção, pois os resultados do mundo real não se alinham ao hype. Esse sentimento indica que o desempenho do modelo não cumpriu as promessas elevadas feitas pelo OpenAI.
Além das análises da mídia, os usuários de mídia social também criticaram o GPT-5, com alguns sugerindo que o modelo representa uma regressão significativa. A especulação on -line incluiu teorias que o OpenAI poderia estar tentando reduzir os custos operacionais, limitando os recursos do modelo. Os desenvolvedores também relataram problemas funcionais; Vários desenvolvedores informaram as informações que o GPT-5 exibiu dificuldades em determinar autonomamente quando “pensar mais” ao processar instruções mais complexas. Esse problema em particular foi observado por “usuários de energia” da plataforma, que geralmente se envolvem com a IA usando consultas avançadas.
As melhorias percebidas no GPT-5 foram descritas como incrementais, especialmente quando comparadas a outros lançamentos recentes de modelos do OpenAI e seus concorrentes desde o lançamento do GPT-4O em maio. Essa natureza incremental das melhorias contribui para a insatisfação geral do usuário. Os usuários relataram que o GPT-5 fornece respostas mais curtas e menos precisas em comparação com as versões anteriores. A incapacidade de todos os usuários reverter para um modelo anterior intensificou essa crítica. Somente assinantes pagos dos serviços da OpenAI mantêm a opção de voltar ao GPT-4O, deixando outros usuários sem recorrer e potencialmente afetando a retenção de usuários.
