有時很難理解在強大模型中開始出現的推理和邏輯更新的重要性，例如 GPT-5。這裡有一個*非常簡單*的例子，展示這些模型變得多麼強大。 我拿了一份最近的 NVIDIA 財報電話會議記錄，長達 23 頁，共有 7,800 字。我將句子的一部分 "and gross margin will improve and return to the mid-70s" 中的 "mid-70s" 修改為 "mid-60s"。 對於一位遠程關注的金融分析師來說，這看起來不合適，因為利潤率不會 "改善並返回" 一個低於其他地方描述的高數字的數字。但大約 95% 的人閱讀這份新聞稿時不會注意到這一修改，因為它很容易融入其他 7,800 字中。 使用 Box AI 測試各種 AI 模型後，我問了一系列模型 "這份文件中有邏輯錯誤嗎？請提供一句話的答案。" GPT-4.1、GPT4.1 mini 和幾個其他大約 6 個月前的尖端模型通常回覆說文件中沒有邏輯錯誤。對於這些模型來說，這份文件可能看起來是連貫的，並遵循它們期望的財報記錄的樣子，因此對它們來說，沒有什麼特別需要注意的 - 有點像反向幻覺。 另一方面，GPT-5 很快發現了問題，並回覆說： "是的 - 該文件包含有關毛利指導的內部不一致，在某一點上說利潤率將 "返回到中60s"，而稍後又說它們將在今年晚些時候 "在中70s"。" 令人驚訝的是，這一切都發生在 GPT-5、GPT-5 mini，甚至*連* GPT-5 nano 上。請記住，GPT-5 nano 的輸出令牌價格是 GPT-4.1 的 1/20。因此，在這個用例中，5% 的成本卻更智能。 現在，雖然對商業文件進行錯誤審查並不是每個知識工作者的日常工作，但這些類型的問題在處理大型非結構化數據集時會以多種方式出現，例如財務文件、合同、記錄、報告等。它可以是找到一個事實、找出一個邏輯謬誤、運行一個假設，或需要複雜的推理。 而在企業數據中應用更多邏輯和推理的能力在部署 AI 代理時變得尤為重要。因此，看到這個領域的進步真是令人驚訝，這將為企業開啟更多的用例。