Выпуск новой модели ИИ OpenAI o1 — важное событие для индустрии. Теперь ИИ может «подумать» перед тем, как ответить, что позволяет решать более сложные задачи.

Это похоже на работу человека: если попросить математика решить задачу мгновенно, результат будет хуже, чем если дать ему время на размышления. Точно так же работает и новый ИИ.

Результаты впечатляют: OpenAI o1 решает 83% задач на Международной математической олимпиаде (в отличие от 13% у предыдущей версии) и превосходит 89% программистов на платформе Codeforces (против 11% ранее). Теперь ИИ растёт не только по числу параметров, но и по времени, которое он тратит на размышления. Чем дольше ИИ «думает», тем лучше отвечает.

Со временем опенсорсные модели достигнут уровня новой закрытой модели OpenAI, и мы сможем использовать функционал размышлений ИИ для решения наших задач.

Широко признано, что одним из самых перспективных направлений применения генеративного ИИ является написание кода. В недавно опубликованном отчёте DORA (Google Cloud’s DevOps Research and Assessment) о состоянии DevOps указано, что 76% разработчиков используют генеративный ИИ в своей работе. Более 81% из 39 тысяч респондентов подтвердили, что в их компаниях произошла смена приоритетов в сторону массового внедрения ИИ-решений.

Основные сценарии использования — написание кода (75%) и суммаризация данных (71%). Более 35% пользователей отметили существенный рост продуктивности, но 39% сомневаются в надёжности ИИ-кода, а около 10% даже отметили снижение своей продуктивности при использовании ИИ-инструментов.

Кстати, недавно CEO Google также заявил, что четверть кода компании уже разрабатывается с помощью ИИ.

В отчёте отмечено, что при дальнейшем внедрении ИИ ожидается снижение пропускной способности поставок и увеличение нестабильности сроков — вероятно, как часть адаптации новых решений.

Другой вывод исследования — пока эффект от ИИ не улучшает продуктовые метрики, хотя софтовые метрики команд растут.

Мы в Альфе также активно тестируем генеративный ИИ для работы с кодом, в том числе решения для его верификации в ModelOps.

В такой наэлектризованной теме, как генеративный ИИ, любая новость может произвести фурор. А выход DeepSeek — это не просто очередная новость: в конце концов, не каждый день обваливается американский фондовый рынок.

Ирония в том, что для конечного пользователя глобально пока ничего не поменялось — ИИ не вышел на новый уровень качества.

А вот для компаний-разработчиков больших языковых моделей и сомневающихся это стало настоящим откровением: наконец, кто-то решил не заливать проблему бесконечными ресурсами железа, а подошёл к задаче рационально — и добился выдающегося результата. Именно поэтому в Альфа-Банке развернули DeepSeek-R1 максимально быстро, чтобы изучить все её особенности.

Лично я этого очень ждал и рад, что это произошло. Можно вспомнить множество примеров технологий, которые поначалу были громоздкими и неудобными, но затем принципиально изменились.

LLM должны были пойти по такому же пути, и я надеюсь, что тенденция продолжится — генеративный ИИ существенно изменится уже в 2025 году. Верю в огромный потенциал SLM (small language models) и вообще в то, что естественный интеллект и инженерная смекалка в этом году поразят нас сильнее, чем что бы то ни было ещё.