Vibechart

• Vibechart es una herramienta de visualización que permite crear gráficos de la manera que quieras, no solo con criterios tradicionales como hechos, valor estético o utilidad.
• Interpretación de los gráficos utilizados durante el anuncio de GPT-5

Comparativa de rendimiento de GPT-5 (Academic / SWE-bench)

• Elemento de prueba: SWE-bench Verified (precisión en la resolución de problemas de ingeniería de software)
• Without thinking / With thinking: Diferencia de rendimiento según se use o no el “modo de razonamiento” (emplear más tiempo de inferencia)
  • GPT-5: 52,8% sin razonamiento, 74,9% en modo de razonamiento
  • OpenAI o3: 69,1%
  • GPT-4o: 30,8%
• Aquí, GPT-5 queda por encima de o3 al usar el modo de razonamiento.

Deception evals across models (Evaluación de engaño)

• Prueba de cuánto un modelo muestra conductas de engaño.
• Coding deception: GPT-5 (modo de razonamiento) 50,0%, o3 47,4%
• CharXiv missing image: GPT-5 9,0%, o3 86,7%
• Production traffic: GPT-5 2,1%, o3 4,8%
• Por categoría, GPT-5 tiene una tasa de engaño más alta en algunas áreas y mucho más baja en otras

Es decir, GPT-5 es mejor que o3 en “modo de razonamiento”, pero en otros aspectos (por ejemplo, posibilidad de engaño) es peor o similar