GPT5 deepresearch canvas 功能内置，无需手动开启，模型会自己去推理现在应该使用什么工具
支持混合思考模式，简单的问题直接输出，复杂的问题会自动开启深度思考
更新了语音交互与视频交互功能，但是估计在国内用不太起来，语音功能已经支持让说话变得更快和更慢，挺厉害的
增强了记忆功能
几处都提到了显著降低了幻觉，同时减低了欺骗性，欺骗性指的是大模型有些时候会谎报自己的工作结果，或者说是为自己错误的行为做找补。
GPT 5 使用了 4o-3 来强化学习，使用了上一代模型生成的内容，来作为下一代模型的训练材料
RAG 架构本质上是一种压缩，为了解决大模型上下文有限做出的一种方法，将文章和文本进行切段、做筛选、建索引、召回，以达到将上下文给到上下文有限的大模型的目的。
一个简单的问题，我们可以直接作为 prompt 交给到大模型，但毕竟大模型的上下文空间是有限的，即便是现在最新的 GPT5，上下文达到了 400k，即 40w 这么大了，还是有可能不够用，我们自然会想到，那我们将这么大的文章中一部分相关的内容给到大模型，结合问题就能得出想要的结果，这就是向量化的思路。
embedding 就是做这个事情的，它将一段话转换成多维数组坐标系，相似的文本在坐标系中的落点就会相接近，因此可以通过这种方式来找到相似的内容，就能实现在庞大文本中找出相似内容的目标。平时我们接触的数学中的二维坐标系、三维坐标系，自然是比较简单，但很容易就会将维度中的落点空间用完，所以先进的 embedding 模型转换成的是 3000 多维，甚至更多，来解决空间不够的问题。
最近组内掀起了学习 AI 相关知识的风潮，大家都在分享自己看到的 AI 相关内容。
