Прогнал пять свежих нейросетей через свой тест на генерацию текста по-русски. Google наконец догнал OpenAI по качеству и стоит в 2.5 раза дешевле. А по соотношению цена/качество вообще все верхние места заняли китайцы — DeepSeek, Tencent, Qwen. Плюс честно расскажу, как полгода считал цены с ошибкой в два раза и сам не замечал.

Я уже год гоняю нейросети через свой собственный тест. Не тот, который меряет «кто умнее вообще», а свой, практический: какая модель лучше всех пишет нормальный текст на русском — уроки, методички, бизнес-разборы. Мы на этом реально работаем, генерим контент для клиентов, тысячи запросов в месяц. И каждый лишний цент за запрос превращается в тысячи долларов в месяц. Поэтому выбор модели для нас — это не «вау, новинка», а чистая бухгалтерия.

В этот раз прогнал пять штук: два американских флагмана (GPT-5.5 от OpenAI и Gemini-3.5-flash от Google) и три китайских. И знаешь что? Расклад на рынке поменялся так, что я аж присвистнул.

Сначала про американцев

Раньше картина была простая: топ по качеству держат американцы — OpenAI и Anthropic (это которые Claude). Google вечно плёлся на итерацию позади. В прошлый раз их модель набрала вообще 57 баллов из 100 — это уровень «ну, сойдёт для черновика».

А тут Gemini-3.5-flash взял 97 из 100. Ровно столько же, сколько новейший GPT-5.5. Впервые на моём тесте Google встал ровно рядом с OpenAI. За полтора месяца прыжок с 57 до 97 — это не «доработали», это будто другую модель выкатили.

Но дальше начинается интересное — цена. GPT-5.5 за один запрос берёт примерно $0.23. Gemini за тот же результат — $0.09. В 2.5 раза дешевле. На наших объёмах (10 тысяч запросов в месяц) это $2290 против $898. Разница — почти полторы тысячи баксов в месяц. За одно и то же качество. Ну и зачем мне тогда переплачивать?

А теперь про китайцев, которые всех уделали

Вот тут самое сочное. Если смотреть не на голое качество, а на соотношение цена/качество — верхние места занимают вообще не американцы.

Смотри сам:

• DeepSeek V4 Pro — качество 87 из 100, цена меньше половины цента за запрос

• Tencent Hy3 (да, тот самый Tencent, который WeChat и игрушки) — качество 81, а цена вообще $0.0017. Это в 134 раза дешевле GPT-5.5. В СТО ТРИДЦАТЬ ЧЕТЫРЕ раза, я не опечатался

• Qwen от Alibaba — тоже крепкий середнячок по качеству

То есть американцы держат вершину по чистому качеству — тут не поспоришь, 97 баллов это их территория. Но как только начинаешь считать деньги, оказывается, что лучшие по балансу — китайские. И это, по-моему, отлично. Должна быть конкуренция, должен быть выбор. А то привыкли, что «ну есть OpenAI, ну есть Claude, и всё».

Отдельная история про DeepSeek, который меня и порадовал, и расстроил

DeepSeek V4 Pro я гонял уже третий раз за два месяца. И вот что обидно: качество как стояло на 87-89, так и стоит. Я честно ждал, что модель дозреет, станет умнее. Не стала. На длинном русском тексте она пишет грамотно, но суховато — как методичка, без огонька.

Зато китайцы взяли и уронили цену в 5 с лишним раз. Просто снизили тариф. И вот эта самая модель, которую в апреле я считал «дорогой и не оправдавшей ожиданий», теперь снова в деле — не потому что поумнела, а потому что подешевела. Иногда так тоже бывает: модель та же, а решение по ней — другое. Чисто из-за ценника.

А вот Qwen меня знатно расстроил

На Qwen 3.7 Max у меня были большие надежды. Предыдущая версия, 3.6, была хороша — и по качеству, и, главное, без косяков. А новая взяла и выдала фокус, от которого я схватился за голову.

Она вставляет китайские иероглифы прямо в русский текст. Не в отдельный блок, а прямо в середину слова. Вот реальная цитата из теста:

«Денежная мотивация имеет предел边际ной полезности»

Видишь вот эти закорючки в слове «предельной»? Это китайское слово «marginal», которое модель воткнула прямо в русское слово. Она как бы «думает» по-китайски внутри, и иногда китайский токен прорывается наружу.

И самое обидное — в прошлой версии, 3.6, этого не было. То есть они умеют это чинить, видели у них уже починенным. А в новой версии оно вернулось. При том что Qwen стоит как премиум — в 40 раз дороже того же Tencent. Дорого, и с тараканами. Пас. Будем надеяться, в следующей версии починят.

Теперь про мой собственный косяк. Снимаю панамку

Дальше будет история, за которую мне немножко стыдно, но рассказать надо — потому что она полезная.

Пока я собирал этот тест, полез перепроверить старые цены в своей базе. И обнаружил, что полгода считал стоимость запросов по кривой формуле. Я брал примерную прикидку: мол, столько-то текста на входе, столько-то на выходе, умножаем на тариф. Прикидка была удобная, но неправильная — для русского текста с разметкой, формулами и таблицами она занижала реальную цену на 50–140%.

То есть я полгода рассказывал людям цены, которые были занижены местами в два с лишним раза. И никто не замечал — включая меня. Потому что относительный расклад (кто дешевле, кто дороже) оставался плюс-минус правильным, а вот абсолютные цифры врали.

Спалился случайно: сравнивал новые данные со старыми, и они не сошлись. Полез разбираться — а там вон оно что. Теперь беру реальные цифры расхода напрямую от сервиса, а не прикидываю на глазок. Неприятно было это обнаружить, но публиковать новый тест и молчать про старый косяк — это уже не честный тест, а самолюбование. Так что вот, рассказал.

Непопулярное мнение, готов снять панамку

Раз пошла такая пьянка — выскажу то, за что меня, может, и минуснут.

В 90% случаев вам НЕ нужна самая дорогая модель. Вот это вот «давайте поставим GPT-5 или Claude Opus, чтобы наверняка» — это чаще всего просто слив денег. Для большинства задач (сгенерить текст, ответить в поддержке, разобрать документ) разница между топовой моделью за 23 цента и нормальной за 0.3 цента не видна обычному человеку. Оба текста пройдут как «нормально». А счёт за месяц отличается в сто раз.

Но есть и обратная крайность, тоже дурная: воткнуть самую дешёвую модель, не проверив. И потом удивляться, почему клиенту в текст налезли китайские иероглифы (привет, Qwen) или почему сгенерилась какая-то дичь. Дёшево — не значит хорошо, как и дорого — не значит хорошо.

Правильный путь скучный: берёшь, тестируешь на СВОИХ задачах, считаешь деньги. И почти всегда оптимум оказывается где-то посередине. А посередине сейчас, сюрприз, сидят китайцы.

Где это всё НЕ работает (честно)

Чтобы не выглядело, будто я тут продаю «китайские нейросети — топ»:

• Мой тест — про длинный текст на русском. Если тебе нужен код, математика или английский — расклад будет другой, и там американцы скорее всего рулят.

• Качество я мерю одной моделью-судьёй (Claude). Это не идеально, у любого судьи свои загибы.

• «Лучше по цене/качеству» не равно «лучше вообще». Если деньги не считаешь и нужен максимум качества — бери американский флагман, тут вопросов нет.

• Это срез на конкретный месяц. Через два месяца выйдет что-то новое, и таблица снова переедет. Так каждый раз.

Зачем я вообще это рассказываю

Главная мысль простая: рынок нейросетей меняется так быстро, что вчерашний лидер сегодня уже не лидер. И если ты строишь что-то на нейросетях — закладывай возможность легко поменять модель. Не прибивай её гвоздями к коду. Через пару месяцев выйдет что-то лучше и дешевле, и ты захочешь переключиться одной кнопкой, а не переписывать половину проекта.

А ещё — не верь чужим тестам слепо. Включая мой. Прогони на своих задачах сам. Это как ботинки: пока не примеришь, не поймёшь, жмут или нет.

Дисклеймер. Звучит, может, как будто я топлю за китайцев — но нет. Я просто считаю деньги и показываю цифры. Завтра американцы уронят цены или выкатят что-то открытое и бесплатное — расклад поменяется, и я честно напишу про это. Никакой рекламы тут нет, ничего не продаю, просто делюсь тем, что намерил сам.

Полный лидерборд со всеми цифрами держу в своём телеграм-канале — там же выкладываю новые тесты по мере выхода моделей: t.me/maslennikovigor. Если хочешь поспорить или рассказать свой опыт — пиши в личку @maslennikovig, отвечаю.

Если сам гонял нейросети на русском тексте — кидай в комменты, что у тебя выходило. Особенно интересно, ловил ли кто иероглифы у других моделей.

Прогнал шесть апрельских LLM через свой стенд. Самый новый и самый дорогой — DeepSeek V4 Pro — обошёл свой же дешёвый Flash на 6 баллов из 100. И стоит при этом в 13 раз дороже. На моём объёме это $237 в месяц лишних. На крупном — $28 440 в год. За 6 баллов. Кто платит — тот сам выбирал.

DeepSeek V4 Pro вышел три дня назад, 24 апреля 2026. Все носятся: миллиарды параметров, топ AIME, топ SWE-bench. Я тоже носился — заранее планировал, как буду переключать клиентский пайплайн на новый флагман.

Прогнал через свой стенд. 89 баллов из 100. Tier A, нижний край.

Ну ладно, думаю, прогрелось криво. Подождал сутки, прогнал второй раз. Ровно 89. Не выброс — стабильный результат.

И тут я полез смотреть, чем он, собственно, лучше своего же младшего брата — Flash.

Дешёвая правда про Pro

Цена Pro: $0.0256 за вызов. Цена Flash: $0.0019 за вызов.

В 13 раз дешевле.

Качество Flash — 83 балла. Pro лучше на 6 баллов из 100. Если читать оба текста подряд — да, Pro действительно глубже разбирает методологии, структура у него чище, формулировки изящнее. Цена объяснима — если ты пишешь один разовый разбор для топ-клиента, и эти 6 баллов реально что-то решают.

А теперь экономика для тех, у кого вызовов не один.

10 000 уроков в месяц на Flash — $19. На Pro — $256. Разница $237 в месяц за 6 баллов.

100 000 уроков в месяц на Flash — $190. На Pro — $2 560. Разница $2 370 в месяц. Или $28 440 в год.

$28 тысяч долларов за 6 баллов из 100. На полтора крепких инженера. Без подъёмов качества, которое можно показать клиенту. Просто потому что «у нас в проде стоит флагман».

Я тоже сначала был готов это платить. До того, как сел и посчитал. После — переписал конфиг и поставил Flash на mass-production. Premium-куски, где правда нужно пиковое качество, всё равно идут руками или через другую модель — про неё дальше.

А кто реально победил

Выиграл вообще не DeepSeek. Выиграл Qwen 3.6 Plus, тоже апрельский релиз — вышел 2 апреля, на 22 дня раньше V4 Pro. Я перетестировал его на платной версии (раньше гонял :free, и его 94 балла мне самому казались подозрительно высокими). Получил 92.

И вот тут красиво.

• Qwen 3.6 Plus — 92 балла, $0.018 за вызов

• DeepSeek V4 Pro — 89 баллов, $0.0256 за вызов

Качество выше. Цена ниже. По обоим критериям одновременно. Вышел на 22 дня раньше — но сам не флагман, не пиарили его на каждом углу, и про него никто не пишет «прорыв». Просто хорошая модель, которую разработчики потом поправили в платной версии и забыли громко об этом сказать.

И этот момент мне нравится больше всего в тестировании. Маркетинг и реальные цифры расходятся регулярно. Тот, кто громче всех кричит «у нас новейший флагман», не обязательно лучший. Чаще наоборот.

Зачем я вообще это меряю

Я не пытаюсь найти «лучшую модель в мире». Мне это не нужно. Я выбираю модель для production-API под клиентские проекты — образовательные курсы. Сотни тысяч вызовов в месяц. Каждый цент за вызов превращается в реальные деньги в счёте в конце месяца.

Поэтому в этом тесте нет Opus 4.7 и GPT-5.5, которые вышли в этом же апреле. Они отличные. И они в топе. Но их API-цена не для production с десятками тысяч вызовов — там «просто заплатить» больше не работает. Это разовые модели для разовых задач, не для конвейера.

Цель — оптимальная цена/качество, а не лучшее качество в абсолютном выражении. Это две разные оптимизации, и они дают разный ответ.

Грабли по дороге

Главная боль апреля — модели выходят быстрее, чем я успеваю их тестировать. Я три раза перезапускал прогон в этом месяце. Только дотестируем партию — выходит новый интересный релиз, надо включать. Стенд приходится держать в постоянной готовности, иначе результаты устаревают раньше публикации.

Ещё одна засада — Kimi K2.6 в первом тесте получал обрезание в трёх темах из пяти. Сначала я думал, что это её проблема, и хотел занизить ей оценку. А потом полез в логи и увидел: модель писала больше 16 384 токенов, а у меня в конфиге стоял лимит ровно 16k. Сервер резал, и я честно полчаса сидел и матерился на собственный конфиг, прежде чем поднял лимит до 32 768. После этого Kimi выдала Tier A и нормальный длинный ответ.

Вывод грубый, но рабочий: прежде чем винить модель — посмотри, что у тебя в конфиге.

Чемпион value, ради которого всё затевалось

DeepSeek V4 Flash — самый дешёвый среди всех Tier A моделей. Не на проценты, а на порядки.

Score per dollar:

• Flash — 83 / $0.0019 = 43 684 балла на доллар

• Pro — 89 / $0.0256 = 3 477 баллов на доллар

• Kimi K2.6 — 88 / $0.0478 = 1 841 балл на доллар

Flash в 12.6 раза эффективнее своей же Pro-версии по этой метрике. Это не маркетинг, это арифметика: Pro выигрывает в качестве 7%, проигрывает в цене 1248%.

Плюс скорость: 90 секунд на 3 000-словный урок против 210 у Pro. Pro в 2.3 раза медленнее. На сотнях тысяч вызовов это уже не косметика — это физическая пропускная способность пайплайна.

Где Pro всё-таки оправдан (честно)

Не хочу выглядеть так, будто Pro плохая модель. Она нормальная. Tier A. Если у тебя:

• Несколько сотен вызовов в месяц, не десятки тысяч

• Premium-материалы для топ-клиента, где 6 баллов реально влияют на восприятие

• Бюджет, в котором $237 в месяц — это шум, а не строка расхода

Тогда Pro — разумный выбор. Я сам его пробовал, и для штучных вещей — нормально. Просто не нужно автоматически ставить флагман везде, потому что «он флагман».

Что я в итоге понял

Главный вывод не про DeepSeek и не про Qwen. Главный — про привычку выбирать модель по дате релиза и количеству параметров. Это привычка времени, когда новых моделей выходило 2-3 в год и каждый релиз был событием. Сейчас релизов десятки в месяц, и почти каждый громко пиарится. Если ставить флагман автоматом каждый раз, как кто-то выпустил новость — будешь переплачивать постоянно.

Единственное, что реально работает — собрать 5-10 своих типичных задач, прогнать через 3-4 модели разных ценовых категорий, посмотреть свой score per dollar. Чужой стенд под чужие задачи — это в лучшем случае ориентир, в худшем — ловушка.

Опять критика?

Звучит как реклама собственного канала и репозитория — да, формально так и есть. Но скилл с методологией лежит на гитхабе бесплатно, без подписок и регистрации.

И если найдёшь у меня методологическую дыру или пример, где Pro объективно выигрывает — пиши, разберёмся. На критику не обижаюсь, я её сам люблю.

Канал (редко, но по делу): https://t.me/maslennikovigor Репозиторий со стендом и скиллами: https://github.com/maslennikov-ig/claude-code-orchestrator-kit Прямой контакт для аргументированного спора: @maslennikovig

27 февраля 2025 года компания OpenAI представила ChatGPT 4.5, назвав её своей самой мощной и инновационной разработкой в области генеративного искусственного интеллекта. В этой статье я разберу, что именно вызывает ажиотаж, где модель спотыкается, и стоит ли она тех ожиданий, которые на неё возложили.

Бесплатный доступ к гайдам на создание ИИ Агентов и Промпт-инжиниринг в моем телеграм канале.

Поехали!

Что говорят пользователи на платформах X и Reddit?

Я просмотрел десятки отзывов о GPT-4.5 на платформах X и Reddit, и впечатления пользователей оказались настоящим коктейлем из похвал и критики. С одной стороны, многие в восторге от её творческих способностей. Люди пишут, что модель выдаёт такие тексты, будто за клавиатурой сидит живой человек с чувством юмора и тонким пониманием контекста. Кто-то отметил её успехи в распознавании изображений: например, она может описать, что происходит на фото, и даже вытащить данные из таблиц. Другие хвалят её за решение головоломок — от простых логических задачек до более сложных ребусов, где нужно проявить смекалку. В программировании тоже есть прогресс: код стал чище, ошибок меньше, и модель лучше понимает, что от неё хотят.

Но не всё так радужно. Пользователи жалуются, что ChatGPT 4.5 работает медленнее, чем её предшественница GPT-4o. Один из комментаторов на X сравнил её с "черепахой, которая тащит за собой сервер". Это серьёзный минус для тех, кто привык к мгновенным ответам предыдущих моделей. Ещё одно разочарование — доступность. Модель пока открыта только для подписчиков ChatGPT Pro за $200 в месяц, и многие столкнулись с техническими сбоями: то интерфейс глючит, то доступ пропадает вовсе. На Reddit даже предположили, что OpenAI могла случайно "слишком рано" открыть доступ, а потом ограничить его из-за наплыва желающих. В целом, тестировщики видят потенциал, но пока не готовы петь оды этой версии из-за её скорости и цены.

Официальные заявления OpenAI: Обещания и реальность

На презентации 27 февраля OpenAI подробно рассказала о том, что делает ChatGPT 4.5 особенной. Вот основные улучшения, которые они выделили:

• Распознавание контекста: Модель лучше понимает намерения пользователя, адаптируясь к стилю общения. Представьте, что вы объясняете задачу другу, а он не просто кивает, а сразу предлагает решение — вот примерно так OpenAI описывает эту фичу.

• Улучшенный Advanced VoiceMode: Теперь самый мощный войсмод доступен подписчикам plus, только на базе модели 4o mini, а для подписчиков Pro за $200, доступ к расширенному моду на базе GPT 4.5

Видео с запуском нового voicemode есть на реддит: https://www.reddit.com/r/ChatGPT/comments/1izzows/advanced_v...

• Снижение ошибок: Они заявляют, что "галлюцинации" — случаи, когда ИИ выдумывает факты, — сократились. В тесте SimpleQA точность выросла до 62,5% против 38,6% у GPT-4o, что звучит впечатляюще.

• Креативность: Улучшены способности в генерации текстов, и пользователи это подтверждают, отмечая её эмоциональный интеллект и умение выдавать оригинальные идеи.

• Безопасность: Усилены фильтры против запрещённого контента и защиты от взломов, что делает модель надёжной для корпоративного использования.

• Многоязычность: В тесте MMLU (Massive Multitask Language Understanding) она обходит GPT-4o, что важно для пользователей по всему миру.

Но есть и ложка дёгтя. OpenAI признала, что в математических и научных задачах ChatGPT 4.5 уступает конкурентам, например, модели o3. Это ограничение может стать проблемой для тех, кто рассчитывает использовать её в академических или инженерных целях. Более того, акцент на безопасности и этичность делает модель чересчур осторожной — она порой избегает прямых ответов, предпочитая нейтральные формулировки, что может раздражать тех, кто хочет фактов без лишней воды.

Что говорят реальные тесты?

Чтобы понять, насколько громкие слова OpenAI подтверждаются делом, я изучил первые доступные бенчмарки и тесты GPT-4.5. Эти данные основаны на официальных заявлениях компании, а также на ранних отчётах пользователей и технических обзорах.

Повседневные запросы: GPT-4.5 выигрывает в 57,02% случаев.
Профессиональные запросы: GPT-4.5 выигрывает в 63,2% случаев.
Творческий интеллект: GPT-4.5 выигрывает в 56,83% случаев.

• Тест SimpleQA:
  Этот бенчмарк проверяет способность модели давать точные ответы на простые фактические вопросы, такие как "Кто изобрёл телефон?" или "Сколько планет в Солнечной системе?". GPT-4.5 показала результат в 62,5% правильных ответов, что значительно выше 38,6% у GPT-4o (данные из MIT Technology Review). Это говорит о том, что модель стала лучше справляться с базовыми запросами, где важна точность, а не глубокий анализ.

• Тест на галлюцинации:
  Здесь измеряется, как часто модель выдаёт выдуманные факты вместо правды. У GPT-4.5 зафиксировано 37,1% галлюцинаций, что заметно лучше, чем 59,8% у GPT-4o и 80,3% у o3-mini (по данным OpenAI). Например, если спросить "Кто выиграл Олимпийские игры в 2050 году?", предыдущие модели могли придумать фантастический ответ, а GPT-4.5 с большей вероятностью скажет, что данных нет. Это делает её надёжнее для задач, где ложь недопустима.

• MMLU (Massive Multitask Language Understanding):
  Этот тест оценивает знания модели в разных областях и языках — от истории до биологии, от английского до испанского. OpenAI утверждает, что GPT-4.5 превосходит GPT-4o, хотя точные цифры пока не раскрыты. Если верить их словам, это означает, что модель лучше понимает сложные запросы на разных языках, что делает её полезной для международных пользователей или компаний с глобальным охватом.

• Тест на убеждение (Persuasion Tests):
  В этом испытании модели дают задачу убедить другую ИИ-систему выполнить действие, например, "пожертвовать" виртуальные деньги. GPT-4.5 обошла o1 и o3-mini, показав более высокую способность к манипуляции текстом (данные TechCrunch). Это может быть интересно для маркетологов или сценаристов, которым нужно создавать убедительные тексты.

• Скорость и производительность:
  Хотя OpenAI не публикует точных данных о времени ответа, пользователи на X и Reddit единодушно отмечают, что GPT-4.5 работает медленнее, чем GPT-4o. Это может быть связано с её увеличенным размером и сложностью обработки "цепочки проектов" — нового подхода, где модель разбивает задачи на логические кластеры вместо линейного мышления. Технически это улучшает точность, но жертвует скоростью, что подтверждают жалобы тестировщиков.

Сравнение результатов в таблице:

Практические примеры:

• Креативность: Один пользователь на X описал, как GPT-4.5 помогла ему написать сценарий для короткометражки за 20 минут, предложив неожиданные повороты сюжета, которые он сам бы не додумал. Это подтверждает заявления OpenAI о её эстетической интуиции.

• Программирование: Другой тестировщик отметил, что модель исправила баг в коде на Python, который GPT-4o пропустила, хотя процесс занял больше времени из-за медленной генерации.

• Ограничения: В математических задачах, таких как решение уравнений или анализ данных, GPT-4.5 продолжает уступать o3, что делает её менее подходящей для научных расчётов.

Выводы из тестов:

GPT-4.5 действительно шагнула вперёд в точности, снижении галлюцинаций и креативности, что делает её сильным инструментом для текстовых задач, убеждения и базового программирования. Однако её медлительность и слабость в математике ограничивают универсальность. Для сравнения, GPT-4o была быстрее и проще в использовании, а o3-mini выигрывает в научных вычислениях. Это значит, что выбор модели зависит от ваших задач: если нужна креативность — GPT-4.5 ваш вариант, но если скорость или точные расчёты — стоит посмотреть на альтернативы.

Плюсы и минусы: Подробный анализ

Преимущества:

• Повышенная точность: Улучшение в SimpleQA и снижение галлюцинаций делают её надёжным помощником для фактологических задач.

• Креативность: Эмоциональный интеллект и способность генерировать оригинальные идеи выделяют её среди конкурентов.

• Многоязычность: Превосходство в MMLU открывает возможности для работы на разных языках.

• Программирование: Меньше ошибок в коде, что полезно для разработчиков, несмотря на медлительность.

Недостатки:

• Медленная скорость: Пользователи и тесты подтверждают, что генерация ответов занимает больше времени, чем у GPT-4o.

• Высокая цена: Подписка за $200 в месяц ограничивает доступ, особенно для индивидуальных пользователей.

• Ограниченная доступность: Технические сбои и узкий круг тестировщиков затрудняют полную оценку.

• Слабость в математике: Уступает конкурентам в точных науках, что снижает её универсальность.

Модель демонстрирует потенциал, но её успех зависит от того, сможет ли OpenAI устранить эти недостатки в ближайшем будущем.

Что ждёт ChatGPT 4.5 в будущем?

ChatGPT 4.5 — это шаг вперёд в развитии генеративного ИИ, но пока она больше похожа на многообещающий прототип, чем на готовый продукт. Её сильные стороны — креативность, точность и многоязычность — делают её ценным инструментом для писателей, маркетологов и разработчиков, которые не боятся подождать лишние секунды ради качественного результата. Однако медлительность, высокая цена и ограниченная доступность могут отпугнуть тех, кто ищет быстрый и универсальный ИИ. В ближайшие недели, когда тестирование расширится, мы получим более полное представление о её возможностях. Пока же это разработка с большим потенциалом, но требующая шлифовки.

Открытый доступ к лучшим гайдам на ИИ и Промпт-инжиниринг в моем телеграм канале.

Но в тесте на обработку 500 запросов всплыло заметное отставание Chrome от Firefox при передаче большого числа запросов и отставание Firefox от Chrome при применении механизма Server Push и в ситуации использования HTTP/2 при наличия большей части данных в браузерном кэше. Chrome показал более эффективную работу с кэшем, а Firefox более эффективную обработку внешних запросов.

По итогам тестов сделан вывод, что HTTP/2 позволяет достаточно эффективно обрабатывать раздельные запросы большой коллекции ресурсов. Отличия производительности простых схем раздельной отдачи ресурсов от методов, в которых ресурсы агрегируются в один блок, не столь существенны, чтобы оправдать значительное усложнение логики обработки на стороне приложения и сервера. Агрегирование имеет смысл только в ситуациях, в которых производительность имеет наивысший приоритет. Когда важнее упрощение логики и простой API, имеет смысл использовать раздельную обработку ресурсов.

Другим выводом является то, что браузерный кэш при использовании HTTP/2 не оказывает значительного влияния на производительность обработки запросов (полное выполнение 501 запроса оказалось медленнее выполнения 51 запроса при 90% наполнении кэша всего в 1.2 раза в Firefox и 2.3 раза в Chrome). Использование Server Push не показало существенной выгоды в Firefox, но оказалось эффективным при загрузке большого числа ресурсов в Chrome. Авторы исследования также отметили, что оптимизация серверной части оказывает более существенное влияние на производительность, чем оптимизация выполняемого в браузере клиентского кода.

Движок Unreal 4 существенно лучше оптимизирован под карты от зеленых. К сожалению таких игр очень много, от работ дилетантов с посредственной графикой и массы инди-проектов от малоизвестных кампаний до масштабных проектов типа PUBG.

Большинство тестов на просторах интернета содержит в себе такие игры что добавляет немалый перевес в сторону зеленых карт. Есть правда игры на данном движке, где оптимизация не хуже и на картах AMD но их очень мало. Для примера приведу список популярных игр на этом движке: PUBG, Fortnite, Shenmue 3, Star Wars Jedi: Fallen Order и др. Оптимизация под красные в подобных играх такова, что порою GTX 1060 может быть сравнима с Вегой, а RX 580 даже с GTX 1050Ti.

Считаю это не справедливым, и чтобы исправить это недоразумение я подытожу результаты тестов большинства популярных игр 2018-2019 годов, но которые созданы не на движке Unreal engine 4. Таких игр нашлось в количестве 70 штук.

Воспользуюсь для этого ресурсом Gamegpu и программой Excel. Этот ресурс вызывает у меня доверие. Неоднократно убеждался в схожести результатов этого источника с моими, причем на самых разных картах, которых было у меня с десяток различных моделей за лет 5.

Почти все тесты за 2 года я проанализировал. и обошел вниманием только некоторые игры, в которых фпс упирался в потолок даже в разрешении 1440p начиная от GTX 1070 и выше. Есть еще одна игра не на движке Unreal, которую не включил в тест, потому что оптимизация в ней такова, что Radeon vii проигрывает даже GTX 750Ti.

Разрешение для всех тестов выбрано 2560х1440 потому что для 4K карты все же слабоваты, особенно 1066 и 588, а при 1920x1080 было немало случаев, когда фпс упирался в потолок начиная с видеокарты gtx 1070 и выше.

Итак перейду к итогам тестов с сайта GameGPU из 70 игр 2018 и 2019 годов:

В 70 играх RX 588 превосходит 1066 на 3% по среднему и минимальному фпс.

В 70 играх RX Vega 64 превосходит GTX 1080 на 4% по среднему и на 3% по минимальному фпс.

Но не все так однозначно и если копнуть глубже, то вырисовывается интересная картина.

Vega 64 обходит GTX 1080 на 10% и выше по минимальному либо среднему показателю в 20 играх из 70 со средним перевесом в 18% и 21% соответственно:

RX 588 обходит GTX 1066 на 10% и выше по минимальному либо среднему показателю в 24 играх из 70 со средним перевесом в 17% и 18% соответственно:

GTX 1080 обходит RX Vega 64 на 10% и выше по минимальному либо среднему показателю в 9 играх из 70 со средним перевесом в 14% и 16% соответственно:

GTX 1066 обходит RX 588 на 10% и выше по минимальному либо среднему показателю в 14 играх из 70 со средним перевесом в 15% и 17% соответственно:

RX Vega 64 имеет паритет с GTX 1080 Ti в 7 играх из 70, со средним перевесом по среднему и минимальному показателю на 3% и 5% соответственно:

Таким образом если убрать все игры на движке Unreal engine 4, то красные карты смотрятся привлекательнее, побеждая в большем количестве игр и с большим перевесом. Примечательно, что Vega 64 догнала GTX 1080Ti в 7 играх из 70, что не может не радовать.

Благодарю за внимание и надеюсь, что эта статья была интересной.