Algunos pensamientos extendidos sobre GPT-5 1) GPT-5 es un buen modelo. Parece que ofrece una mejor búsqueda y rendimiento que o3 antes de él. 2) Es decepcionante para la gente porque es una mejora incremental, que no abre fundamentalmente nuevos casos de uso. 3) La historia realmente interesante en torno a GPT-5 parece ser más sobre la competencia con Anthropic. 4) Anthropic ha aumentado sus ingresos en 4-5 veces en los últimos 6 meses. OpenAI ha aumentado sus ingresos en 2 veces. 5) Gran parte del crecimiento de ingresos de Anthropic se debe a los ingresos de API, que son un porcentaje mucho mayor de los ingresos de Anthropic (60%) que los ingresos de OpenAI (25%). 6) Alrededor del 50% de los ingresos de API de Anthropic provienen de sus socios Cursor y Github Copilot. Anthropic probablemente recauda algo así como $800 millones en ingresos de Cursor. 7) GPT-5 parece ser en parte un desafío a la dominancia de Anthropic en agentes de codificación. GPT-5 es ahora el predeterminado en Cursor. 8) GPT-5 finalmente iguala el rendimiento de Claude 4.1 Opus en SWE Bench Verified, que no es una medida perfecta pero que parece ser un buen proxy para el rendimiento. 9) La asociación con Cursor tiene la oportunidad de desviar muchos ingresos de Anthropic, mientras ayuda a OpenAI a consolidar su participación en la mente del consumidor para aplicaciones de codificación. 10) No leería demasiado en ello, pero podría ralentizar el crecimiento de ingresos de Anthropic y hacer que sea marginalmente más difícil para ellos recaudar (aunque, probablemente, un efecto débil). 11) Tengo otros pensamientos sobre GPT-5 desde una perspectiva de interacción de usuario / lanzamiento. 12) Creo que arruinaron el lanzamiento; nadie quiere ver transmisiones en vivo, los benchmarks ya no son inteligibles, y no había nada viral con lo que interactuar. 13) Las interacciones de modelo geniales necesitan ser sobre nuevas modalidades o deben ser muy agentivas, lo que requiere mucha estructura. Las cosas históricas mundiales también son buenas: nuestros modelos resolvieron un premio del milenio. 14) Los laboratorios tienden a resolver UI/UX en un lugar y luego terminan con problemas en otro; simplificamos la complejidad del modelo (algo) pero ahora tenemos que elegir personalidades. 15) Pero, esto está bien, y es solo parte de la gran aventura donde trabajamos hacia interacciones verdaderamente personalizadas con nuestros asistentes LLM.