Безумные 24 часа в мире нейросетей
MMaximilian Schwarzmüller
Computing/SoftwareBusiness NewsInternet Technology
Transcript
00:00:00За последние 36 часов вышло множество новых ИИ-моделей, и я уверен, вы увидите о них кучу видео.
00:00:06В этом видео я просто расскажу, какая из них оказалась лучшей, какая — разочарованием,
00:00:11какая — проходной, а какую из виду упустили мы все или большинство из нас,
00:00:15а также о не таких уж и скрытых звёздах, чтобы вы знали, какую модель для чего использовать.
00:00:19Я даже не буду тянуть интригу и сразу назву лучшую.
00:00:25Едва ли это кого-то удивит — это Opus 5.5.
00:00:29Claude выпустила или анонсировала Opus 5.5 пару часов назад, и её уже можно опробовать в Claude Code по подписке.
00:00:37И конечно, как всегда, нам показывают впечатляющие результаты бенчмарков: она превосходит другие топовые модели почти во всём.
00:00:45Разумеется, к этому стоит относиться с долей скепсиса — все вы знаете, как устроены эти тесты.
00:00:51Оптимизировать модели под высокие баллы в бенчмарках совсем несложно, и бывали случаи, когда за отличными цифрами
00:00:59не было соответствующей работы, но всё же цифры перед нами, и Opus 5.5 здесь реально впечатляет.
00:01:06Разработчики поделились и другими подробностями, и одна из важнейших — она дешевле.
00:01:13И дело не только в стоимости входных и выходных токенов по сравнению с Opus 5: она требует меньше вычислительных ресурсов и работает эффективнее.
00:01:24Заявлено, что она обходится примерно на 40% дешевле Opus 5, а значит, лимитов подписки Claude вам будет хватать надолго, и вы сможете выполнять куда больше задач с Opus.
00:01:40Интересно взглянуть и на такое сравнение, где показаны затраты на попытку (чем ниже, тем лучше) и набранные баллы (чем выше, тем лучше): мы видим, что Opus существенно опережает по этому бенчмарку не только GPT-6 Astra, но и Fable (зелёный график).
00:02:02А это значит, что если верить этим тестам, больше нет никаких причин обращаться к Fable, ведь Opus попросту лучше.
00:02:14И особенно при высокой нагрузке здесь наблюдается золотая середина (судя по этому бенчмарку, а ведь есть и другие), поскольку вы получаете очень высокий результат при затратах куда ниже, чем у Fable.
00:02:29Имейте в виду, что шкала здесь логарифмическая.
00:02:31Это заметно и на этом графике с большим количеством моделей, где я выделил свежие Opus, Fable и Astra: график Opus 5.5 демонстрирует более высокий интеллект при любых уровнях рассуждений и при меньших затратах, особенно в сравнении с Fable, где максимальный уровень рассуждений Fable дает меньший интеллект и стоит дороже, чем максимальный уровень Opus 5.5.
00:03:00Конечно, бенчмарки — это всего лишь бенчмарки, как я и говорил, но судя по отзывам в X, люди тоже в восторге от Opus 5.5.
00:03:10Опять же, стоит быть осторожнее: мы знаем, что при релизе новой модели сразу вылезают инфлюенсеры, которым наконец разрешили о ней говорить, с криками «она невероятная, лучшая» и так далее.
00:03:23Но я вижу всё больше постов от обычных пользователей, которые выглядят искренне впечатлёнными, да и по моим первым тестам модель действительно умна, строго следует инструкциям, разбирается в сложных проблемах и — что немаловажно — отлично формулирует мысли.
00:03:43И Anthropic отдельно подчеркнули в своём посте в X, что модель стала гораздо лучше общаться.
00:03:49Они привели такое сравнение: она больше не выдает длинные эссе, перегруженные жаргоном, а отвечает лаконично и по делу на нормальном понятном языке.
00:04:05И это я могу подтвердить лично — разница действительно ощутима.
00:04:10Так что модель получилась действительно потрясающей.
00:04:13И если у вас есть подписка Anthropic или Claude, выбирать тут не из чего — надо использовать её.
00:04:19Я пока не вижу причин запускать Fable 5.1 в каких-то ситуациях, хотя мне ещё предстоит сделать больше тестов.
00:04:28Но она однозначно выигрывает у прошлых Opus 5.
00:04:31И если у вас ещё нет подписки Claude, это отличный повод её оформить.
00:04:35Прежде чем мы перейдём к остальным моделям, воспользуюсь моментом для небольшой саморекламы.
00:04:42Я запускаю программу — она пока не открыта, но можно записаться в лист ожидания, чтобы узнать о старте набора. Там я делюсь опытом создания веб-приложений с помощью ИИ.
00:04:53За две недели я проведу вас через весь процесс: исследование, планирование, настройку проекта, установку ограничений, архитектуру систем с использованием моего любимого стекa, включая Alchemy Cloudflare.
00:05:10Я покажу, как разрабатывать с ИИ на практике: без слепого кодинга, без хаоса и с отличным результатом.
00:05:19К концу двухнедельного интенсива у нас будет готовое приложение.
00:05:22Так что ссылка, конечно же, будет в описании.
00:05:25Если вам это интересно, регистрируйтесь, чтобы не пропустить открытие продаж.
00:05:30Главное разочарование — это не GPT-6 Sol, о ней мы поговорим совсем скоро.
00:05:35Она не стала победителем, но и в провалы её писать не стоит.
00:05:38Настоящим же разочарованием стала Grok 4.7.
00:05:42Она вышла где-то 30 часов назад.
00:05:48У неё тоже впечатляющие показатели в тестах, хотя, если быть честным, далеко не везде она явный лидер.
00:05:56Она лидирует всего в двух категориях из представленных в этом бенчмарке, и ни одна из них не связана с программированием.
00:06:03Но это шаг вперёд в инженерии ПО по сравнению с 4.6, да и цена осталась прежней.
00:06:10Так что всё отлично?
00:06:11А вот и нет.
00:06:12Grok 4.7 заслужила этот статус, потому что и по моим тестам, и по отзывам других пользователей,
00:06:23она работает крайне неэффективно.
00:06:26Она медленная и тратит кучу времени на выполнение задач.
00:06:31Я видел много постов, где люди отмечают, что она просто сжигает токены
00:06:38и при этом не выглядит умнее версии 4.6.
00:06:42Мой личный опыт оказался абсолютно таким же.
00:06:46Я пробовал её на разных задачах, и нельзя сказать, что она ужасна.
00:06:50Модель-то очевидно неплохая.
00:06:52Просто это не выглядит как прорыв после 4.6, при этом работает заметно медленнее и «жирует» по токенам.
00:07:01Так что, если вам нужен Grok, лучше пока оставаться на версии 4.6.
00:07:09Не думаю, что обновление сейчас того стоит.
00:07:12Если её доработают, изменят цены или что-то ещё, ситуация может измениться.
00:07:17Но на данный момент это главное разочарование.
00:07:20А какая же модель получилась ни то ни сё?
00:07:22Думаю, вы уже догадались.
00:07:24Речь про GPT-6 Sol.
00:07:27Нам ведь представили не только Opus 5.5.
00:07:30OpenAI также выкатила GPT-6 Sol.
00:07:33И вот она как раз весьма посредственная.
00:07:37Astra GPT-6 — действительно хорошая модель.
00:07:40Да, со своими приколами.
00:07:41К ней бывает непросто подступиться, чтобы выжать максимум.
00:07:47Но по моему опыту, модель хорошая.
00:07:50GPT-6 Sol — и это важно — тоже неплоха.
00:07:54Думаю, если бы вчера не вышла Opus 5.5, реакция публики была бы куда теплее.
00:08:02Но ощущается она как модель, которая не совсем к месту.
00:08:09Если взглянуть на официальный бенчмарк AutomationBench от OpenAI,
00:08:15видно, что GPT-6 Sol умнее и выгоднее, чем 5.6 Sol.
00:08:23И именно так ее и позиционируют сами разработчики.
00:08:28Это просто улучшенная версия 5.6 Sol.
00:08:31При этом по интеллекту она уступает Astra.
00:08:36Хотя и обходится дешевле.
00:08:38Именно поэтому эмоций она не вызывает.
00:08:40Это не провал.
00:08:42Она делает ровно то, ради чего создавалась — заменяет 5.6 Sol.
00:08:48Просто по уровню интеллекта она до Astra не дотягивает.
00:08:54Здесь есть большой разрыв только в этом бенчмарке.
00:08:58Зато она более экономична.
00:09:00То есть идея в том, что в подписке ChatGPT или OpenAI
00:09:06вы получаете больше лимитов,
00:09:09и используете GPT-6 Sol для всех задач,
00:09:12где не требуется наивысший уровень интеллекта.
00:09:16Проблема лишь в том, что с Opus 5.5
00:09:21вам не приходится идти на такой компромисс.
00:09:24Конечно, скоро появится Fable 5.5 или что-то подобное,
00:09:29и расклад снова изменится.
00:09:30Но с вчерашним релизом
00:09:32мы фактически получили модель Opus,
00:09:35которая дешевле Fable
00:09:37и при этом лучше Fable.
00:09:40Или, как минимум, на том же уровне — смотря как посмотреть.
00:09:43О GPT-6 Sol этого не скажешь.
00:09:46Она определенно уступает Astra.
00:09:50Мне еще предстоит протестировать ее самому,
00:09:53чтобы понять, насколько она подходит для моих проектов.
00:09:55И на данный момент
00:09:58я вполне вижу, что буду использовать ее для ежедневных задач
00:10:02из-за ее высокой экономичности.
00:10:06Но при работе над сложными проектами
00:10:09хочется выбирать максимально умную модель.
00:10:13Именно поэтому раньше,
00:10:15вероятно, стоит использовать Fable,
00:10:17а не довольствоваться Opus 5 для абсолютно всего
00:10:21или GPT-5.6 Sol для всего подряд.
00:10:25Поэтому имеет смысл брать Astra
00:10:27и держать всё под контролем,
00:10:29а не переходить полностью на GPT-6 Sol.
00:10:33Так что модель нормальная.
00:10:35У нее есть свое назначение.
00:10:36Своя сфера применения.
00:10:39Она просто более ограничена,
00:10:41и нужно сильнее задумываться,
00:10:43чем при использовании Opus 5.5.
00:10:46С ней долгих раздумий не требуется.
00:10:48Это видно на графике «интеллект
00:10:50против стоимости единицы интеллекта»
00:10:54от Artificial Analysis.
00:10:57Вот у нас Opus 5.5 —
00:10:59верхняя линия.
00:11:02Я показывал ее вам ранее.
00:11:03А GPT-6 Sol —
00:11:05вот эта черная линия.
00:11:07Другая черная линия — это Astra.
00:11:09Как видите,
00:11:10она немного уступает Opus 5.5,
00:11:12но всё равно хороша,
00:11:13хотя и дорога.
00:11:15GPT-6 Sol «поглупее»,
00:11:18если можно так выразиться,
00:11:19но дешевле.
00:11:21В общем, нормальный середнячок.
00:11:24Если у вас есть подписка ChatGPT
00:11:26и это ваша единственная подписка,
00:11:28и вы кодите с ее помощью,
00:11:30я бы рекомендовал
00:11:31оставаться на Astra
00:11:33и переключаться на GPT-6 Sol
00:11:36только если у вас
00:11:37заканчиваются лимиты
00:11:38или если вы решаете
00:11:41более мелкие и простые задачи,
00:11:45наверное.
00:11:46Но с другой стороны,
00:11:47это может быть не совсем верный подход
00:11:48к агентной инженерии
00:11:50и программированию с ИИ.
00:11:51И все же,
00:11:52именно так я бы ее использовал,
00:11:53если бы пришлось.
00:11:54Если у вас есть выбор,
00:11:56то прямо сейчас
00:11:56Opus 5.5 — пожалуй, лучший вариант.
00:11:59Прежде чем перейти к оставшейся в тени модели,
00:12:01давайте поговорим
00:12:01о главной звезде на виду,
00:12:03поскольку это модель GPT-6,
00:12:06но именно Luna.
00:12:08Сразу скажу,
00:12:09Скажу сразу,
00:12:11эта модель подходит далеко не для всех задач.
00:12:14Это точно не то,
00:12:15что стоит использовать для сложной
00:12:18или даже обычной работы с кодом
00:12:22и выполнения ИИ-задач.
00:12:25Однако GPT-5.6 Luna
00:12:26была весьма интересна
00:12:28в определенных сценариях.
00:12:29И для GPT-6 Luna
00:12:31это тоже верно.
00:12:32И снова
00:12:33я вернусь
00:12:33к этому официальному бенчмарку.
00:12:36Важно отметить,
00:12:38что ось X здесь
00:12:40логарифмическая.
00:12:41Она не линейная.
00:12:43И на самом деле это
00:12:45выставляет GPT-6 Luna —
00:12:47вот этот график —
00:12:48в невыгодном свете.
00:12:50Она кажется хуже,
00:12:51чем есть,
00:12:51потому что эта модель
00:12:53стоит копейки.
00:12:55Версия с максимальной нагрузкой
00:12:59этой модели
00:13:00обходится менее чем в 5 центов
00:13:04за задачу
00:13:05в данном бенчмарке.
00:13:07Уровень интеллекта
00:13:08здесь на одном уровне
00:13:11с GPT-5.6 Sol
00:13:15при средней нагрузке
00:13:18или с моделью GPT-6 Sol
00:13:23в режиме низкой нагрузки.
00:13:26Опять же,
00:13:27это, конечно,
00:13:28не совсем то,
00:13:28что вы захотите использовать
00:13:29для сложной разработки.
00:13:32Но для простых задач
00:13:34и не связанных с кодом,
00:13:37к этой модели
00:13:38точно стоит присмотреться,
00:13:39ведь далеко не все
00:13:39пишут код
00:13:40целыми днями.
00:13:41И эта модель
00:13:42по сути бесплатна
00:13:44в рамках вашей подписки,
00:13:45как и при использовании
00:13:47через API.
00:13:49То есть,
00:13:49если вам нужна
00:13:50лучшая версия Astra,
00:13:52самая мощная версия
00:13:53Astra,
00:13:54то речь идет
00:13:56чуть менее чем
00:13:57о двух долларах
00:13:58за задачу.
00:14:00Лучшая версия Luna,
00:14:01которая, конечно,
00:14:02куда более простая,
00:14:03но опять же,
00:14:04для определенных задач
00:14:05отличная,
00:14:06стоит лишь малую часть от этого.
00:14:09И именно поэтому
00:14:10я хотел отметить ее,
00:14:10так сказать.
00:14:11Поэтому
00:14:12хочу, чтобы вы
00:14:13о ней знали.
00:14:14GPT-6 Luna —
00:14:15на самом деле
00:14:17отличная модель,
00:14:19когда вам не требуется
00:14:21топовый уровень
00:14:23интеллекта.
00:14:24Так что,
00:14:25если у вас
00:14:26более тривиальные задачи,
00:14:29задачи,
00:14:30где, возможно,
00:14:31кучу данных
00:14:33нужно
00:14:34преобразовать
00:14:35из формата А
00:14:36в формат Б
00:14:37или что-то в этом роде,
00:14:38все, что не
00:14:39требует
00:14:40высокого интеллекта,
00:14:41но где вам нужна
00:14:42рабочая лошадка,
00:14:45присмотритесь к Luna.
00:14:46Это может быть
00:14:46хорошей идеей.
00:14:48И чтобы
00:14:48быть точным,
00:14:49здесь гораздо
00:14:51меньше интеллекта,
00:14:52чем у Astra.
00:14:53Она легко
00:14:54обгонит все модели,
00:14:55которые были год назад
00:14:57или около того,
00:14:57по топовым
00:14:58возможностям рассуждения.
00:14:59Тут нужно
00:15:00управлять ожиданиями,
00:15:01но это реально
00:15:02то, что не стоит
00:15:04упускать из виду.
00:15:05Что же обделено вниманием,
00:15:06на мой взгляд —
00:15:07и я говорю
00:15:08только о
00:15:09недавних релизах моделей, —
00:15:10так это
00:15:11MIMO 2.6.
00:15:12И возможно, вы
00:15:12никогда о ней
00:15:14раньше не слышали.
00:15:15Признаю,
00:15:15я сам ничего
00:15:16не слышал
00:15:17о моделях
00:15:17MIMO ранее.
00:15:18Это модель
00:15:20от Xiaomi.
00:15:21И они выпустили
00:15:22два варианта:
00:15:23Pro и Flash,
00:15:24и я использовал
00:15:25их только
00:15:26через Open Router,
00:15:27так что платил
00:15:28по ценам API
00:15:29при тестировании.
00:15:30У меня нет
00:15:31там никаких подписок,
00:15:32и думаю,
00:15:33подписку
00:15:33можно оформить
00:15:34только через
00:15:34китайский VPN
00:15:35или что-то
00:15:37подобное,
00:15:38но это
00:15:39хорошая модель.
00:15:40Они опубликовали
00:15:40некоторые показатели
00:15:41бенчмарков.
00:15:42Стоит отметить,
00:15:44что они не
00:15:45включили сюда Astra,
00:15:46ни Fable 5.1,
00:15:47и очевидно,
00:15:48не Opus 5.5,
00:15:49Opus 5.5,
00:15:51но их модель,
00:15:532.6 Pro,
00:15:55обходит Fable 5,
00:15:56например,
00:15:57в бенчмарке
00:15:58по разработке ПО
00:15:59здесь.
00:16:01И она действительно хороша
00:16:02в этих тестах,
00:16:03и я могу подтвердить,
00:16:04что много использовал её
00:16:05за последний день.
00:16:07Это отличная модель.
00:16:08Скажу честно,
00:16:09процесс её мышления —
00:16:10из какого-то
00:16:11другого мира.
00:16:13Я вчера писал
00:16:14об этом пост.
00:16:15Она может думать
00:16:16по 10 минут,
00:16:18по 15 минут.
00:16:18У меня она думала
00:16:19целую вечность,
00:16:20прежде чем
00:16:21что-то сделать.
00:16:22Конечно,
00:16:23можно настраивать
00:16:24уровень усилий,
00:16:25и я сейчас говорила
00:16:26именно о Pro-
00:16:27модели,
00:16:29а Flash-версия,
00:16:30как следует из названия,
00:16:31быстрее,
00:16:32но и попроще.
00:16:33Но да,
00:16:34работает долго,
00:16:35зато очень, очень дешёвая.
00:16:37Я потратил пару баксов,
00:16:39буквально пару долларов,
00:16:40пока она работала
00:16:41часами
00:16:43над не то чтобы
00:16:45сверхсложными,
00:16:46но довольно
00:16:47непростыми задачами.
00:16:49Я бы так сказал.
00:16:50И результаты
00:16:51меня действительно впечатлили.
00:16:52Думаю,
00:16:53эта модель не получит
00:16:55массового
00:16:56распространения,
00:16:57поскольку,
00:16:58опять же, она не входит
00:16:59в легкодоступную
00:17:00подписку или
00:17:01что-то подобное.
00:17:02Но если вы
00:17:03создаёте приложения,
00:17:05внутри которых
00:17:06нужен ИИ,
00:17:07нужен «мозг»,
00:17:08если вы пишете
00:17:09своего кодинг-агента,
00:17:10где нельзя
00:17:11или не хочется
00:17:12использовать
00:17:12подписку,
00:17:15или что-то в этом роде,
00:17:16то к этой модели
00:17:17тоже стоит присмотреться.
00:17:18Да и вообще,
00:17:19хотя это не новость,
00:17:20все эти китайские модели
00:17:21просто потрясающие,
00:17:23и мне очень интересно
00:17:24посмотреть, что
00:17:25покажет Qwen 4
00:17:27и так далее.
00:17:28Но да,
00:17:28эта модель вышла
00:17:30буквально за последние
00:17:31пару часов,
00:17:32и думаю,
00:17:33многие её пропустили,
00:17:34хотя мне кажется,
00:17:34её не стоит упускать.
00:17:35У неё есть своё место,
00:17:36и это хорошая модель,
00:17:39особенно если
00:17:40посмотреть на какую-нибудь
00:17:41Grok 4.7,
00:17:42которая скорее
00:17:43разочаровала,
00:17:43к тому же медленная
00:17:45и дорогая.
00:17:46Эта модель тоже медленная
00:17:47в версии Pro,
00:17:48но она недорогая
00:17:49и весьма достойная.
00:17:50Вот такой мой обзор
00:17:52и моё мнение
00:17:54об этих моделях,
00:17:55а также рекомендации,
00:17:56что и где лучше
00:17:57использовать.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video