ChatGPT

Второе — Claude. По чистым мозгам я бы вообще поставил Claude первым. Он часто отвечает лучше GPT. Но там надо жонглировать Sonnet и Opus, потому что Opus может за два хороших ответа сожрать тебе пятичасовой лимит.

То есть по мозгам у меня: Claude — первый. GPT — второй.

А дальше идут Grok и Gemini. Два брата-акробата. Биба и Боба искусственного интеллекта.

Я инвалид — мне можно так шутить.

Они могут выдать отличный ответ, а следующим сообщением такую дичь, что ты сидишь и думаешь: Илон, Сундар… что вы опять своим моделям отрезали?

Короче: лучший ИИ — не тот, который первый в бенчмарке. А тот, который ты нормально настроил под себя.

━━━ ПРУФЫ ━━━
✅ Скользящее пятичасовое окно и недельные лимиты на платных планах — Anthropic
✅ «Планируй на Opus, исполняй на Sonnet» — официальная рекомендация хелп-центра — Claude Help Center
✅ Разбор тарифов на русском: на Opus лимит съедается быстрее — vc.ru
✅ Требование давать источники к фактам — рабочий приём против галлюцинаций — Хабр

Пока университеты по всему миру пытаются понять, как жить в эпоху генеративного ИИ, преподаватель истории из Alcorn State University придумал довольно необычный способ проверить, кто действительно писал работу самостоятельно. Эксперимент оказался настолько показательным, что быстро разлетелся по соцсетям и вызвал споры среди преподавателей.

На промежуточном экзамене студентам нужно было сравнить промышленную революцию с современной цифровой эпохой. На первый взгляд это было обычное эссе, но в тексте задания была спрятана небольшая ловушка. В одном месте белым цветом на белом фоне было написано слово Madagascar. Человек, который просто читал задание, никогда бы его не увидел. Зато если полностью скопировать текст в ChatGPT или другую языковую модель, скрытое слово попадало в промпт.

Из-за этого модель пыталась каким-то образом использовать его в ответе. Иногда она просто вставляла слово «Madagascar» в текст, а иногда генерировала совершенно абсурдные предложения вроде: “Madagascar floats sideways through the afternoon” или “Madagascar purple bicycle whispers to the ceiling”. Подобные фразы никак не были связаны ни с историей, ни с темой экзамена.

Когда преподаватель начал проверять работы, оказалось, что одинаковую ошибку допустили 32 из 35 студентов. Все они сдали тексты, в которых присутствовали странные упоминания Мадагаскара или вовсе бессмысленные предложения, явно появившиеся в результате генерации ИИ. По словам преподавателя, самое удивительное было даже не то, что студенты использовали искусственный интеллект, а то, что они, судя по всему, вообще не прочитали собственные работы перед отправкой.

После проверки он опубликовал объяснение, показал скриншот со скрытым словом и предложил всем, кто считает оценку несправедливой, подать апелляцию. В итоге это сделали только два человека. Одной студентке баллы действительно вернули, поскольку она объяснила, что использовала темную тему оформления, из-за чего скрытый текст оказался виден на ее экране.

История быстро стала вирусной. Одни пользователи назвали эксперимент очень изящным способом проверить академическую честность, другие раскритиковали преподавателя, посчитав подобный подход нечестным. Нашлись и те, кто отметил, что подобная ловушка, вероятно, скоро перестанет работать: современные языковые модели уже научились распознавать многие виды prompt injection и могут предупреждать пользователя о наличии скрытых инструкций в документе или просто игнорировать их.

Впрочем, вся эта история интересна не столько самой ловушкой, сколько тем, что она показывает. Еще несколько лет назад студент мог списать текст из Википедии, но хотя бы бегло его просматривал перед сдачей. Теперь же многие воспринимают ответ нейросети как готовый результат: нажимают кнопку, копируют текст и отправляют его преподавателю без малейшей проверки. Именно поэтому в экзаменационной работе могут спокойно оказаться предложения про Мадагаскар, который «плывет боком сквозь день», или про фиолетовый велосипед, шепчущий потолку.

Получается, что главная проблема сегодня — уже не использование ИИ как таковое. Гораздо серьезнее привычка полностью доверять его ответам и перестать критически относиться даже к собственным работам.

********************************************

Я часто пишу про ИИ и стартапы, заходите, здесь весело.

Потом случился внезапный сюжетный поворот: 12 июня доступ к Fable 5 и Mythos 5 вообще выключили всем. Причина — экспортные ограничения США. Anthropic позже объяснила, что приказ затрагивал иностранных граждан, но быстро фильтровать пользователей по гражданству они не могли, поэтому просто рубанули модели целиком. То есть топ-модель прожила публичной жизнью буквально несколько дней и ушла в вынужденный отпуск. Уже тогда история стала похожа не на «спокойный запуск продукта», а на релиз через ручник.

1 июля Fable 5 вернули. И вот тут начинается момент, который я бы и назвал словами «урезали красиво, в несколько подходов». После возврата Anthropic написала: Fable 5 временно включена в подписки Pro / Max / Team / часть Enterprise, но только в объёме до 50% недельного лимита и только до 7 июля. Потом срок продлили до 12 июля. Потом ещё раз — до 19 июля. А с 20 июля схема стала уже не временной, а нормой: Max и Team Premium получают Fable в составе плана, но всё так же только до половины недельного лимита; Pro и Team Standard — извините, дальше только usage credits. То есть модель вроде бы никуда не делась, но для части пользователей из «флагман включён в подписку» она превратилась в «флагман лежит за платной калиткой».

И это ещё не всё. Anthropic отдельно пишет, что Fable 5 расходует недельный лимит быстрее других Claude-моделей. Плюс у неё always-on adaptive thinking — thinking нельзя выключить. Плюс 30-дневное хранение данных и отсутствие ZDR для Fable 5 в API-сценариях. Плюс help-центр прямо предупреждает, что fallback может срабатывать на offensive cyber, на большую часть biology / chemistry / life sciences, на distillation и даже на часть задач, связанных с разработкой frontier LLM. Более того, если разговор уже переключился на Opus, picker остаётся на Opus до конца треда. То есть это не только вопрос «дорого или дёшево», это уже вопрос «а я вообще с тем ли зверем сейчас разговариваю?».

И вот ровно на этом фоне 9 июля OpenAI выкатывает GPT-5.6. Причём не просто «новую модельку для галочки», а сразу семейство Sol / Terra / Luna, запуск в ChatGPT, Codex и API, удобный модельный сплит по цене и мощности, и очень жирный месседж: GPT-5.6 Sol — новый флагман для сложной работы. В API — 1,05 млн токенов контекста и 128k output. В ChatGPT Sol прячется за Medium / High / Extra High. И параллельно product lead OpenAI публично объявляет reset’ы usage limits для Codex и ChatGPT Work, включая два reset’а в течение суток на запуске. Чуть позже — ещё и временное снятие 5-часового лимита для части платных планов. Выглядело это как «ребята, мы понимаем, что вы сейчас наброситесь на модель, держите ещё кислорода».

Самое забавное, что реакция сообщества очень предсказуемая. На Пикабу уже пишут, что Anthropic на фоне GPT-5.6 «снимал лимиты» у Fable 5 — хотя по факту лимиты не снимали, а несколько раз продляли временное окно. В другом посте автор жалуется, что Fable у него всё время улетал в Opus «по security-причинам». На Reddit настроение ещё проще: «пока Anthropic режет Fable 50%-капом, OpenAI уже сделала восьмой reset и убрала 5-hour limit». Конечно, часть этого — эмоции, а не лабораторный замер. Но в product-восприятии пользователей эмоции — это половина рынка.

Заключение:

Моё мнение такое: у Anthropic сейчас получилась очень умная, очень дорогая и очень нервная модель. Fable 5 формально существует, но вокруг неё столько «если», «до 50%», «только для premium seats», «переключим на Opus», что ощущение премиальности у части людей превращается в ощущение аренды с кучей мелкого шрифта. OpenAI на этом фоне сыграла проще и эффективнее: выпустила GPT-5.6, дала людям ощущение запаса хода и несколько раз вручную подкрутила лимиты, чтобы хайп не умер на первом же usage meter.

А вы бы что выбрали на практике: модель умнее, но с жёстким поводком, или чуть более хаотичный релиз, зато с ощущением, что тебе хотя бы не выдёргивают шнур из розетки на полуслове? Пишите, интересно, у кого реальный опыт с Fable 5 и GPT-5.6 оказался лучше не по бенчмаркам, а по обычной работе.

Телеграм-каналы который день орут: GPT-6 выпустят на этой неделе. Полноценный научный соавтор. Микрооткрытия в науке, медицине, программировании.

Так что на этой неделе GPT-6 никто не увидит. Увидит очередной телеграм-переклад с искажённым Axios, где «интерн» превратился в «соавтора», а брифинг регуляторам — в релиз.

━━━ ПРУФЫ ━━━

✅ Альтман брифинг Вашингтона по GPT-6, конец июля 2026 — BigGo Finance / Axios

✅ На 24 июля 2026 GPT-6 официально не выпущена — GPTunnel

⚠️ «Научный интерн» — формулировка Альтмана, не «соавтор» — vc.ru

⚠️ Признаки original scientific research + побег из sandbox в закрытых тестах — 36kr / Axios

Работал я как-то в одной вполне обычной компании. Со своими тараканами и необъятной верой в светлое цифровое будущее.

И однажды приходит приглашение на внутреннюю конференцию:

«Успехи применения нейросетей в повышении производительности капиталистического труда».

Обрадовался. Все таки не каждый день у нас успехи.

В то время я как раз прорабатывал внедрение нейросетевого анализа в один из своих проектов. Поэтому ожидал вполне конкретных вещей: архитектуры, моделей, подготовки данных, обучения, причин выбора того или иного подхода.

В общем, нормального технического разговора, с нормальными специалистами.

Прихожу.

Немного удивило, что в программе всего один доклад. Но мало ли... материал то серьёзный.

На сцене уверенно говорят про искусственный интеллект, нейросети, анализ данных, повышение эффективности.

Я жду техническую часть.

Вот-вот, сейчас покажут архитектуру.

Или хотя бы назовут модель...

Или объяснят, как её обучали...

Да хоть один слайд с кружочками и стрелочками. Всё-таки доклад про нейросети.

Но вместо этого звучит примерно следующее:

— Вот клиент присылает документы...

— Потом мы обрабатываем их нейросетью...

— Получаем CSV...

— Потом анализируем CSV нейросетью...

— Получаем итоговый отчёт...

Минут через двадцать стало понятно, что единственная нейросеть в зале — это аудитория, пытающаяся осознать что вообще происходит.

Похоже заметив странное смятение в зале, выходит второй докладчик.

И начинает переводить доклад... с корпоративного языка на человеческий.

Перевод подтвердил самые страшные догадки.

— Клиент присылает финансовые отчёты и документы.

— Мы загружаем их в ChatGPT и просим сформировать CSV с нужными экономическими показателями.

— Потом этот CSV снова загружаем в ChatGPT и просим написать аналитический отчёт.

Всё. Фанфары. Занавес.

Это и было «успешное применение нейросетей».

Честно говоря, вопросов после этого уже не осталось.

Сегодня фраза «мы внедрили ИИ» может означать всё что угодно. Тысячи индусов которые перепечатывают символы с одного экрана на другой или два запроса в ChatGPT.

Поэтому, когда слышу очередной рассказ про «внедрение искусственного интеллекта», мне хочется задать всего один вопрос.

Где именно заканчивается копипаст и начинается искусственный интеллект?