有时候很难理解在强大模型（如GPT-5）中开始出现的推理和逻辑更新的重要性。这里有一个*非常简单*的例子，说明这些模型变得多么强大。 我拿了一份最近的NVIDIA财报电话会议的文字记录，长达23页，共有7800个单词。我将句子的一部分“毛利率将改善并回到中70%”中的“中70%”修改为“中60%”。 对于一位远程关注的金融分析师来说，这看起来不合适，因为毛利率不会“改善并回到”一个比其他地方描述的更高数字还要低的数字。但大概95%阅读这份新闻稿的人不会发现这个修改，因为它很容易融入到提到的其他7800个单词中。 通过Box AI，测试各种AI模型，我接着问了一系列模型：“这份文件中有没有逻辑错误？请提供一句话的答案。” GPT-4.1、GPT-4.1 mini以及几款大约6个月前的顶尖模型通常返回的结果是文件中没有逻辑错误。对于这些模型来说，这份文件可能看起来连贯，并符合它们对财报记录的预期，因此没有什么特别突出的地方需要它们关注——有点像反向幻觉。 而GPT-5则迅速发现了问题，并回应道： “是的——该文件在毛利率指导方面存在内部不一致，一方面说毛利率将‘回到中60%’，而另一方面则说它们将在今年晚些时候‘处于中70%’。” 令人惊讶的是，这一发现发生在GPT-5、GPT-5 mini，甚至*连*GPT-5 nano上。请记住，GPT-5 nano的输出令牌价格是GPT-4.1令牌的1/20。因此，在这个用例中，5%的成本获得了更智能的表现。 现在，虽然对商业文件进行错误审查并不是每个知识工作者的日常工作，但在处理大型非结构化数据集（如财务文件、合同、记录、报告等）时，这类问题会以多种方式出现。可能是发现一个事实，找出一个逻辑谬误，进行假设推理，或需要复杂的推理能力。 而在企业中应用更多逻辑和推理能力变得尤为重要，尤其是在部署AI代理时。因此，看到这一领域的进展真是令人惊叹，这将为企业打开更多的用例。