Обозреваем флагманскую ChatGPT-5.4
Часть 1. Текст: всё плохо

Последней нормально общающейся моделью от ОпенаАИ была ChatGPT-4o. Я вот думаю, неужели Альтман в какой-то момент так сильно зазевался, что они теперь просто не успевают зафайнтюнить свои свежие модели? Они выпускают их буквально сырыми. У ОпенАИ правда нету 3-5 месяцев на файнтюн. По меркам ИИ-гонки они безнадежно отстали.

Свежие overall-данные по бордам

Обозреваем флагманскую ChatGPT-5.4
Часть 2. Логика и экспертные рассуждения без доступа к интернету

Тут лучше, но за Гуглом опять не угнаться. И если взять в контекст сравнения цену, то эти 2,1% догона до джеминьки стоят определенно дороже: 2,5$/15$ за вход/выход на 1М токенов против 2$/12$ соответственно в Gemini 3.1 Pro.

Обозреваем флагманскую ChatGPT-5.4
Часть 3. Агентные задачи

В двух моих любимых агентских бенчах ОпенАИ правда вышли вперед. По общим задачам (от кода до эксель-таблиц и звонков в бургенрную) в GDPval-AA обошел Клодопус на процент, а вот Джеминьку оставил сильно позади (58%>41%).

Однако, уже в чисто инженерном Terminal-Bench Hard картина плотнее. Новый флагман от ОпенАИ обходит второе гугловское место всего на 4%. Удивительно, но в этом бенче фронтир-модель от Амодеи всего лишь на 4-м месте.

В целом, по первым бенчам и аренам можно сказать, что новая флагманская модель от OpenAI, ChatGPT 5.4, будет полезна исключительно разрабам да сисадминам. Если они готовы переплачивать за небольшую разницу, в целом, небольшие деньги. Хотя на десятках и сотнях миллионов контекста разница ощущаться уже будет.

В остальном никаких прорывов, а только лишь отставание, пускай и небольшое.

Как же хочется, чтобы продуктовые дизайнеры чатботов наконец-то додумались посадить список чатов на легкую ллмку, которая бы в фоновом режиме сортировала все чаты по темам. Мы уже в 2к26, а до сих пор приходится мучать свою дислексию и пробираться сквозь десятки и сотни чатов, в глупой надежде быстро найти тот самый, в котором выяснял психотипы фей Винкс, если бы они жили в милитаристской Японии.

Я понимаю, что через АПИ такие костыли можно быстро сделать и скорее всего они уже даже есть. Ну а я большую часть времени просто апками пользуюсь.

Чел сделал Nano Banana Cinematic Prompt Builder с кучей пресетов на разную кино-эстетику, углы камер, фокусные расстояния, свет, типы камер, типы линз и прочее. По-сути на выходе получаете раскадровку в определенном сеттинге. Без каких-либо оплат курсов, сами знаете каких.

Приложение работает по гугл-апи и стоит денег само по себе. Но я купил его для всех. Оно в комментариях.

Заметил, за последние двое суток качество ответов Gemini 3.1 Pro улучшилось (хотя казалось бы, куда лучше?) и одновременно с этим сократились лимиты. Уже второй раз ловлю стоп. Хм...

И я точно могу сказать, что Gemini за последний год совершила невероятный скачок в абстрактных размышлениях. Я очень много общаюсь с чат-ботами на философские темы (хобби обязывает), а там много логических абстракций. И вот после релиза 3.1 ощущение от логической эквилибристики джеминай — прямо ВАУ.

Война между США и Ираном станет смертью LLM и архитектуры Трансформер

Довольно смелое заявление, да? Но оно логически неизбежное. Смотрите. Главная проблема современных LLM заключается в их колоссальной энергоемкости. Это экстенсивный путь развития, требующий сжигания гигантского количества электричества — читайте нефти и газа — для простого вычисления статистических вероятностей. Сейчас, когда конфликт буквально закрыл Ормузский пролив и угрожает окончательно добить Баб-эль-Мандебский пролив и Суэцкий канал как глобальный логистический коридор, а прогнозы стоимости нефти стремятся к двумстам долларам за баррель, очевидно, что эпоха дешевых вычислений стремительно заканчивается. Индустрия довольно скоро не сможет больше позволять себе бесконечно раздувать параметры сетей и заливать любые проблемы грубыми вычислительными мощностями. Глобальный энергетический кризис, вызванный этой войной, заставит разработчиков искать новые, фундаментальные решения проблемы энергоэффективности ИИ.

То есть, у нас здесь налицо объективные факторы:

1. Бомбёжка нефтегазовой инфраструктуры → подорожание энергоносителей → подорожание электричества → подорожание претрейна и компьюта

2. Бомбёжка нефтегазовой инфраструктуры → подорожание энергоносителей → подорожание производства чипов в Юго-Восточной Азии

3. Блокировка Ормуза и Красного моря → увеличение логистического плеча → энергоносители И транспортировка чипов дорожает

Но самый, на мой взгляд, принципиальнейший и фундаментальнейший фактор совсем не связан с энергоносителями:

4. Полная неэффективность современной ПРО, даже такой дорогой и эшелонированной, как американо-израильская, словно гром среди ясного неба доказывает крайнюю необходимость в автономном ИИ, независимом от онлайн-доступа к серверам и способном работать в физическом трехмерном мире, а не в одномерном семантическом. Ежам очевидно, что ЛЛМ для этих задач являются претендентами первого места, только с конца списка.

Ну и, ксати, да:

5. Выяснилось, что для уничтожения миллиардных кластеров AWS было достаточно нескольких дронов, собранных из известного материала и палок. А орбитальные сервера дело тоже недешевое, и не факт, что намного безопасное. Пустить космическое облако из гаек на соответствующей орбите тоже, относительно, не сильно дороже.

Именно этот комплексный макроэкономический и военный удар станет главным триггером для массового поиска тех самых фундаментальных прорывов и инженерных решений, которые дадут нам совершенно новую, более эффективную и менее энергозатратную нейросетевую архитектуру. Передаю привет Яну Лекуну и его JEPA.

К примеру, эта самая JEPA, в отличие от классических трансформеров, как философский подход и новый архитектурный класс, выстраивает внутреннюю репрезентацию реальности, опираясь на физические инварианты и структурные закономерности. Ей не нужно пережевывать петабайты избыточного мусорного текста, чтобы уловить базовые концепции пространства или логики. Это делает её на порядки менее требовательной к энергии и дефицитному кремнию, поставки которого сейчас также усложняются из-за логистического хаоса.

С философской и технической точек зрения этот кризис подталкивает нас к гораздо более глубокому, онтологическому подходу в конструировании искусственного разума. Индустрия будет вынуждена отказаться от систем, слепо имитирующих форму через чудовищные затраты ресурсов, и начнёт двигаться к моделям, способным схватывать саму феноменологию объектов при минимальном расходе энергии.

Ближайшие месяцы станут определяющими и покажут, как быстро исследовательские лаборатории перестроятся под эту новую, предельно суровую реальность. Эпоха грубой вычислительной силы уходит, освобождая пространство для эпохи изящных математических решений.

А вот и железное подтверждение того, что в приложении Gemini у модели 3.1 Pro уровень размышлений выкручен всего лишь наполовину. В AI Studio модель отвечает на промпт согласно выкрученному уровню размышлений в боковой панели.

Во-первых, это очень обидно. Надеюсь, Гугл исправится, иначе это грёбанный позор.

Во-вторых, если вы хотите всех возможностей Gemini 3.1 Pro — пользуйтесь ей через Google AI Studio.

Ну а пока Гугл не раздуплился и не исправил свой, заслуживающий всеобщего порицания, косяк, нашёлся промпт, который СИЛЬНО форсит уровень размышлений базовой модели в приложении Gemini:

SPECIAL INSTRUCTION: think silently if needed. EFFORT LEVEL: 1.50

Как там ваши пет-проекты поживают? Тут чел при помощи ллмок решил создать... новую цивилизацию. К 2040 году. Он уволился с крутой работы, и собрал за два месяца при помощи ChatGPT целый план на много страниц.

А прикиньте, создаст?

Очень много подтверждений, и проверено лично, этот промпт действительно радикально улучшает качество работы Gemini 3.1 Pro:

SPECIAL INSTRUCTION: think silently if needed. EFFORT LEVEL: 1.50

Если не верите, попросите джеминьку сделать анимированный svg в разных режимах и сравните.

Но, у меня при выкручивании размышления на максимум, модель почти не выходит в инет.

Говорят, размышление можно и на 2.0 выкрутить, но тут хз.

Новая Krea Edit

Работа с камерой, как в лорах для Квена. Релайт, ререндер.

Интересно, когда кто-то додумается сделать 3д вьюпорт прямо поверх картинки?

@cgevent

Новая компания Яна Лекуна Advanced Machine Intelligence (AMI), которую он создал сразу после ухода из Meta только что успешно закончила свой первый раунд финансирования на сумму в 1,03 млрд долларов (€890 млн). Это крупнейший посевной раунд привлечения инвестиций среди европейских компаний за всю историю.

Напомню, Лекун и его AMI разрабатывают фундаментальную альтернативу архитектуре Трансформер — JEPA, основанную на построении и понимании модели мира. Именно эта новая архитектура способна привести к подлинному AGI в понимании Лекуна.

Как тут не вспомнить мой вчерашний пост о парадигмальном переходе индустрии от трансформеров к новым архитектурам. Пора вкладываться.

Эх, печальна ситуация со вторым Сидансом. Пока весь мир ждёт нормальной раскатки передового продукта, китайцы вовсю уже целую киноиндустрию основали на нём.

Грёбанный Голливуд не даёт людям снимать своё кино. Мы ему это припомним.

P. S. Через непонятные сервисы-прокладки с конской наценкой и негарантированным результатом связываться как-то не хочется.

Чел собрал боевой браузерный авиасимулятор за две недели, использовав Claude 4.6 Opus, а на последнем этапе ChatGPT 5.4 xHigh. В отличие от многих, этот пример действительно заслуживает внимания, сделано правда неплохо. С учетом подписки, я думаю, за 2к долларов и за год, уже с двумя разработчиками можно создать коммерчески перспективную игрульку.

Поиграться

А в Сlaude Code появился полноценный Code Review. При вызове пулл-реквеста активируются параллельные агенты, которые шерстят по коду, проверяют его а также друг друга и затем выдают полноценный отчет с указанием на ошибки прямо в строках кода.

Сингулярность всё ближе.