Разборы · Статья: · Видео: · 6:38

GPT 5.6 объяснён: три тира моделей, скорость 750 токенов и тиски геополитики

Спекулятивный разбор ролика про гипотетический GPT 5.6: как OpenAI выстраивает три тира моделей под цену и скорость, почему 750 токенов в секунду — это козырь железа, а не модели, и как рынок ИИ зажат между дешёвыми китайскими open-моделями и регуляторным тормозом США.

ИИ Экономика Бизнес Будущее
Смотреть на YouTube

Chatgpt 5.6 Explained

Mat Siems · 6:38
Главы видео — нажми, чтобы перейти к моменту 9
  1. 0:00 Дорожная карта ролика От микро-спецификаций GPT 5.6 до глобальных сил, переформатирующих индустрию ИИ: пять секций — линейка, цена и скорость, слой приложений, глобальные тиски, регуляторный тормоз.
  2. 0:37 Линейка GPT 5.6: Soul, Terra, Luna Три тира якобы зеркалят Anthropic: Soul (флагман, как Opus), Terra (середина, как Sonnet), Luna (малыш, как Haiku). Идея — простая ментальная модель для выбора.
  3. 1:13 Экономика тиров Цена за миллион токенов: Luna 1/6, Terra 2.50/15, Soul 5/30. Скачки в 2.5x и 5x объясняют, почему разработчики жёстко распределяют задачи по тирам.
  4. 1:49 750 токенов в секунду Главная цифра скорости: до 750 tok/s для Soul с июля при связке с новым чипом Cerebras. Цена — половина истории, вторая половина — скорость.
  5. 2:09 Скорость как геополитический флекс Выпуск бьёт не только по слою модели, но и по инфраструктуре: у США системное преимущество на уровне чипов, которое китайским лабам пока не догнать по масштабу инференса.
  6. 2:45 Слой приложений: агентный билдер Пример: софт для записи к мастеру собирается почти автономно в Emergent — опиши требования, ИИ уточняет, строит весь репозиторий как параллельная команда, публикация в один клик.
  7. 3:25 Глобальные тиски: Китай снизу Открытые китайские модели (DeepSeek, Qwen, Kimi, GLM) сбивают цену токенов и разгоняют темп, потому что почти бесплатны как open-source.
  8. 4:01 Давление регуляции сверху Правительство США пытается притормозить рынок; frontier-лабы зажаты: инновировать быстрее международного open-source, но замедляться ради регуляторов.
  9. 4:37 Регуляторный тормоз и финальный вопрос Вымышленная хроника июня: executive order, ограничения на доступ, добровольная задержка GPT 5.6. Вопрос на прощание — что будет, если интеллектуальные токены приватизируют.

Коротко

Ролик рисует сценарий, где OpenAI выпускает три тира GPT 5.6 (Soul, Terra, Luna) под разные задачи и цены, а главным оружием становится не сама модель, а скорость инференса на американском железе. Вывод тревожный: рынок зажат между дешёвыми китайскими open-моделями и регуляторными стенами США, и вопрос в том, не станут ли самые умные токены привилегией избранных.

Выжимка голосом

Самое ценное из разбора — за пару минут

0:00 2:17
Показать текст выжимки
Если коротко, это спекулятивный ролик про то, как может выглядеть выпуск новой модели ИИ, и он ценен не фактами, а рамкой мышления. Автор рисует сценарий, где OpenAI выпускает три версии модели: большую и дорогую, среднюю и маленькую дешёвую. Простыми словами, это как три размера кофе или три класса в самолёте: ты берёшь версию под задачу, чтобы не переплачивать. Стоит ли смотреть? Ради общей картины да, ради конкретики нет. Названия моделей, цены и хроника регуляции здесь выдуманы и поданы тоном настоящей новости, так что за факты это принимать нельзя. Кому полезно? В первую очередь продакт-менеджерам ИИ-продуктов и инженерам, которые строят на языковых моделях. Им пригодится сама логика: раскладывать задачи по уровням под цену и скорость. Теперь два сильных инсайта. Первый: скорость модели, эти громкие семьсот пятьдесят токенов в секунду, это преимущество железа, а не ума модели. Второй: рынок зажат с двух сторон. Снизу давят почти бесплатные китайские открытые модели, сверху притормаживает государство, и разработчик вынужден одновременно ускоряться и замедляться. Несколько советов. Первый: разложи свои задачи по уровням моделей, тяжёлое мышление на флагман, массовый поток на дешёвую версию. Второй: считай не только цену токена, но и скорость ответа, для чата и агентов это важнее пары центов. Третий: не привязывай продукт к одному провайдеру, чтобы пережить скачок цен или закрытие доступа. Важный контраргумент: тезис, что китайские лаборатории якобы не могут догнать скорость, слишком однобокий. Скорость решают не только чипы, но и оптимизация, стоимость энергии и архитектура обслуживания. И финальная мысль под другим углом: возможно, бесплатные открытые модели это не победа открытости, а оружие в экономической войне. Тогда главный вопрос в том, что случится с ценами, когда захват рынка закончится.

Озвучено синтезом речи · голос alena

Объясни проще

Суть без жаргона

Простыми словами

Ролик представляет вымышленный сценарий ближайшего будущего: OpenAI якобы выпускает три версии модели GPT 5.6 — большую и дорогую, среднюю и дешёвую маленькую, как три размера кофе. Дальше разговор уходит в экономику (цена за миллион токенов), в скорость ответа (750 токенов в секунду на новом чипе) и в политику: Китай давит дешёвыми открытыми моделями снизу, а правительство США притормаживает выпуск сверху. Финальный вопрос — что будет с обычным пользователем, если самый умный ИИ окажется доступен только избранным.

Как ребёнку

Представь магазин мороженого, где есть три размера: огромный и дорогой, средний и маленький дешёвый. Ты берёшь размер под задачу, чтобы не переплачивать. А ещё продавец хвастается, что теперь может отдавать мороженое сверхбыстро, потому что купил новую машину. Но в соседней стране мороженое почти бесплатное, а местные власти просят продавца притормозить — вот вокруг этого весь спор.

Аналогия — «это как…»

Это как авиабилеты: эконом, комфорт и бизнес-класс за один и тот же перелёт. Ты не всегда берёшь бизнес — на короткий рейс хватит эконома. А настоящая гонка авиакомпаний идёт не за кресла, а за то, у кого быстрее самолёты и чей аэропорт власти не закроют на досмотр.

Зачем это мне

Даже если конкретные названия и цифры в ролике выдуманы, механика реальна: провайдеры уже режут модели на тиры по цене, скорость инференса становится отдельным товаром, а геополитика чипов и регуляция начинают решать, кому и по какой цене достанется сильный ИИ. Понимание этих слоёв помогает не переплачивать за задачи и трезво читать новости про «новую самую мощную модель».

Для тех, кто в теме

Тезисный каркас: (1) продуктовая сегментация frontier-моделей по осям cost/latency/capability — Soul/Terra/Luna как зеркало Opus/Sonnet/Haiku, с price jumps 2.5x и 5x между тирами; (2) инференс-скорость (заявленные 750 tok/s на Cerebras-подобном железе) как самостоятельное конкурентное преимущество, укоренённое в chip-supply-эдже США; (3) двусторонний squeeze: китайские open-weights (DeepSeek, Qwen, Kimi, GLM) давят цену и темп снизу, домашняя регуляция притормаживает rollout сверху; (4) стратегический вывод про приватизацию «интеллектуальных токенов». Важно: конкретика (имена моделей, цены, executive order, ограничение доступа для foreign nationals) — спекулятивная реконструкция, а не подтверждённые факты.

Оценка видео

Чем выше — тем больше пользы на минуту

3.1

средняя из 5

Актуальность информации 4.0

Темы тиринга моделей, скорости инференса и геополитики чипов — прямо в центре повестки 2026 года, даже если конкретика выдумана.

Содержательность 3.0

Хорошая структура из пяти слоёв, но каждый слой едва задет: цифры даны, а разбор «почему именно так» поверхностный.

Инновационность идей 3.2

Свежо связаны три оси — цена, скорость и регуляция; но сама рамка «Opus/Sonnet/Haiku-подобные тиры» уже общее место.

Достоверность и баланс 2.2

Много выдуманной конкретики (имена моделей, цены, регуляторные события) подано как факт без оговорок — легко принять за реальную новость.

Практическая польза 3.0

Полезен принцип «распределяй задачи по тирам под цену и скорость», но конкретных действий почти нет — это обзор, а не инструкция.

Кому будет полезно

Чем выше оценка — тем больше пользы для профессии. Разверни — почему.

Для продуктовых менеджеров ИИ-продуктов 4.2 /5

Наглядно показывает продуктовую логику тиринга: как сегментировать модели по цене/скорости/сложности и куда какие задачи гнать, чтобы не сжигать бюджет.

Для инженеров, строящих на LLM-API 4 /5

Полезна сама рамка выбора тира под задачу (тяжёлое — на флагман, массовое и быстрое — на дешёвый малыш) и мысль, что latency — отдельный критерий, а не бонус.

Для технологических предпринимателей 3.8 /5

Даёт карту сил рынка: дешёвый китайский open-source снизу, регуляция сверху, скорость как козырь — важно для ставок и планирования зависимости от одного провайдера.

Для технических журналистов 3.2 /5

Хороший разбор структуры темы, но одновременно кейс, как спекуляцию подают под видом факта — полезно как материал для фактчекинга.

Для специалистов по ИИ-политике 3 /5

Ставит правильный вопрос про приватизацию доступа к сильному ИИ, но регуляторная хроника вымышлена и не годится как источник.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Скорость модели — это преимущество железа, а не интеллекта 2:09

Ролик разводит два слоя, которые обычно путают: способности модели и скорость их доставки. Заявленные 750 токенов в секунду — не про то, что модель «умнее», а про чип и инфраструктуру под ней. Конкуренция всё чаще идёт именно за латентность, а не только за баллы на бенчмарках.

02 Тиры моделей — это не про технику, а про экономику выбора 1:13

Три модели существуют не потому, что нельзя сделать одну. Скачки цены в 2.5x и 5x буквально заставляют разработчика раскладывать задачи по полкам: дорогое мышление — на флагман, массовый поток — на дешёвого малыша. Архитектура продукта диктуется прайс-листом.

03 Рынок ИИ зажат с двух сторон одновременно 4:01

Непривычный взгляд: цену тянут вниз не сами лабы, а внешние силы. Снизу давит почти бесплатный китайский open-source, сверху — регулятор, который хочет притормозить. Frontier-лаба вынуждена одновременно ускоряться и замедляться — и это структурный, а не временный конфликт.

04 Открытость может оказаться временной тактикой, а не ценностью 5:49

Финал переворачивает привычное «open-source победит»: а что если Китай раздаёт модели бесплатно лишь пока догоняет, и закроет их, сравнявшись с фронтиром? Тогда бесплатный ИИ — это фаза захвата рынка, а не устойчивое благо.

Ключевые цитаты

Сильные фразы из видео — нажми тайм-код, чтобы услышать в оригинале

«Цена — только половина истории. По-настоящему выделяется одна ошеломляющая цифра — 750. До 750 токенов в секунду.»
1:49
«Доставить этот интеллект в приложения на скорости 750 токенов в секунду — для этого нужна экосистема железа и чипов, которая сейчас сильно на стороне США.»
2:09
«ИИ действует как ваша собственная параллельная команда разработчиков и строит весь репозиторий — сам выбирает стек, поднимает базу, делает бэкенд. Вы владеете всем целиком.»
2:45
«Открытые китайские модели агрессивно давят цены на токены по всему миру и постоянно подрезают frontier-лабы США.»
3:25
«Им надо инновировать достаточно быстро, чтобы обойти международный open-source, но при этом достаточно замедлиться, чтобы устроить своих регуляторов. Тот ещё баланс.»
4:01
«Что будет с обычным потребителем, когда интеллектуальные токены полностью приватизируют? Когда самый способный ИИ доступен лишь горстке одобренных структур?»
5:49

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

1

Разложи свои задачи по тирам моделей

30 минут перестанешь платить за флагман там, где хватит дешёвой модели

Скачки цены между тирами огромны (в разборе — до 5x). Гнать всё на самую мощную модель — самый быстрый способ сжечь бюджет. Раздели поток задач по сложности и цене ошибки.

Что делать

  1. 1 Выпиши все вызовы модели в своём продукте.
  2. 2 Пометь для каждого: цена ошибки высокая или низкая, объём большой или маленький.
  3. 3 Тяжёлое мышление и код — на флагман, массовое и терпимое к ошибкам — на дешёвый тир, быстрые подзадачи — на самый маленький.
2

Считай не только цену токена, но и скорость

20 минут выберешь модель, которая реально уложится в UX твоего продукта

Ролик правильно отделяет цену от латентности. Для чата или агента, где пользователь ждёт ответ, 750 токенов в секунду важнее пары центов экономии. Скорость — отдельная ось выбора.

Что делать

  1. 1 Замерь, сколько токенов генерирует типичный ответ.
  2. 2 Прикинь приемлемое время ожидания для твоего сценария.
  3. 3 Сравни провайдеров по tokens/sec, а не только по цене за миллион.
3

Не привязывай продукт к одному провайдеру

вечер застрахуешься от скачка цен или закрытия доступа

Если рынок реально зажат между дешёвым open-source и регуляцией, доступ и цена могут резко измениться. Абстрагируй вызовы модели за свой слой, чтобы переключить провайдера без переписывания продукта.

Что делать

  1. 1 Заведи единый интерфейс вызова LLM в коде.
  2. 2 Проверь, что можешь подменить провайдера сменой конфига.
  3. 3 Держи запасной вариант — открытую модель, которую можно поднять локально.
4

Протестируй агентный билдер на реальной мелкой задаче

1 день поймёшь, где автономная сборка реально экономит, а где ломается

В ролике агент собирает софт для записи почти сам. Проверь это руками на своей небольшой задаче, чтобы отделить демо-магию от рабочей надёжности до того, как ставить на такой подход бизнес.

Что делать

  1. 1 Возьми задачу, которую сам собрал бы за день.
  2. 2 Опиши требования агентному билдеру и дай собрать репозиторий.
  3. 3 Проверь: владеешь ли ты кодом, читаемый ли стек, что ломается при правках.
5

Фактчекай громкие ИИ-новости до репоста

10 минут не разнесёшь выдуманные цифры и релизы как факт

Этот ролик подаёт спекуляцию (имена моделей, цены, регуляторные события) тоном факта. Прежде чем ссылаться, проверь названия моделей и события в первоисточнике — блоге лаборатории или официальном документе.

Что делать

  1. 1 Найди упомянутое название модели или событие в официальном блоге провайдера.
  2. 2 Если первоисточника нет — помечай как слух или спекуляцию.
  3. 3 Отличай общий тренд (тиринг, скорость) от конкретных выдуманных цифр.

Сценарии применения

Как разные люди применяют это на практике

Я как Продакт стартапа на LLM

Проблема: счёт за API растёт быстрее выручки, всё гоняется на самой дорогой модели

Хочу: понять логику распределения задач по тирам

Поможет: ролик даёт готовую рамку: тяжёлое — на флагман, поток — на дешёвый тир, и объясняет, почему разница в цене этого требует

Я как Бэкенд-инженер

Проблема: агент в проде отвечает медленно, пользователи уходят, не дождавшись

Хочу: решить, важнее оптимизировать цену или скорость

Поможет: разбор показывает латентность как отдельную ось выбора и повод сравнивать провайдеров по tokens/sec

Я как Основатель, зависящий от одного ИИ-провайдера

Проблема: боится скачка цен или внезапного ограничения доступа

Хочу: оценить риски рыночных и регуляторных сдвигов

Поможет: карта «тисков» рынка объясняет, откуда придёт давление, и подсказывает диверсифицировать провайдеров

Я как Ноукод-предприниматель

Проблема: нет команды разработки, а нужен рабочий продукт

Хочу: понять, реально ли собрать софт агентным билдером

Поможет: пример с записью к мастеру показывает пайплайн и честный вопрос про владение кодом и надёжность

Я как Аналитик по ИИ-рынку

Проблема: сложно уложить в голове, кто и как давит на цены frontier-моделей

Хочу: простую модель сил рынка

Поможет: двусторонний squeeze (Китай снизу, регуляция сверху) даёт компактную рамку для отчётов

Я как Редактор технического медиа

Проблема: вирусные ИИ-ролики смешивают факт и вымысел

Хочу: научиться отделять тренд от выдуманной конкретики

Поможет: этот материал — наглядный кейс, где общая механика верна, а имена и цифры спекулятивны

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Аргумент Пример Вывод
  1. Предпосылка OpenAI консолидирует линейку в три тира 0:37

    GPT 5.6 выходит как Soul, Terra, Luna — зеркало Opus/Sonnet/Haiku, чтобы упростить выбор модели под задачу.

  2. Аргумент Огромные скачки цены заставляют выбирать 1:13

    Разница в 2.5x и 5x между тирами делает распределение задач по цене обязательным, а не желательным.

  3. Аргумент Скорость — вторая ось, отдельная от цены 1:49

    До 750 токенов в секунду для флагмана — не про интеллект модели, а про чип под ней.

  4. Пример Скорость укоренена в чиповом эдже США 2:09

    Доставлять интеллект так быстро можно только на определённой железной экосистеме, которая сейчас на стороне США.

  5. Пример Агентный слой превращает модели в готовые продукты 2:45

    Пример с записью к мастеру: билдер сам собирает весь репозиторий и публикует — утилита доходит прямо до потребителя.

  6. Аргумент Рынок зажат между Китаем и регуляцией 4:01

    Дешёвый open-source давит снизу, правительство притормаживает сверху — frontier-лаба вынуждена ускоряться и замедляться разом.

  7. Вывод Риск приватизации интеллектуальных токенов 5:49

    Если Китай закроет модели, сравнявшись с фронтиром, а США окружит свои регуляторными стенами, сильный ИИ может стать привилегией избранных.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Стоит ли смотреть целиком

Смотреть стоит ради рамки, а не ради фактов. За шесть с половиной минут ролик аккуратно нанизывает пять слоёв — линейка моделей, экономика тиров, скорость инференса, слой приложений и геополитика — и на этом уровне он полезен: помогает увидеть, что «новая модель» сегодня продаётся сразу по трём осям (цена, скорость, доступ), а не по одному числу на бенчмарке.

Но важно держать в голове жанр. Это не репортаж, а спекулятивный explainer: имена моделей (Soul, Terra, Luna), цены за токены, чип, хроника регуляции — художественная реконструкция ближайшего будущего, поданная тоном новости. Ценность — в вопросах, которые он ставит, а не в цифрах, которые называет.

Что забрать с собой

Три практичных вывода переживут любой вымысел из ролика. Первый: раскладывай задачи по тирам моделей — скачки цены слишком велики, чтобы гонять всё на флагмане. Второй: считай скорость отдельно от цены — для агентов и чатов латентность часто важнее пары центов. Третий: не привязывайся к одному провайдеру — если рынок реально зажат между дешёвым open-source и регуляцией, и цена, и доступ могут измениться быстро. И главный вопрос на подумать: что если бесплатный ИИ — это лишь фаза захвата рынка, а не его конечное состояние.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 5

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 6 Верно: 0

  1. 1. Что означает цифра 750 токенов в секунду в разборе?

  2. 2. Зачем, по ролику, вообще нужны три тира моделей (Soul, Terra, Luna)?

  3. 3. Как ролик описывает «тиски», в которых зажат рынок ИИ?

  4. 4. Какой финальный вопрос ставит автор?

  5. 5. Как стоит относиться к конкретным цифрам и именам моделей из ролика?

  6. 6. Что в разборе делает агентный билдер на примере софта для записи?

Словарь терминов

Понять незнакомое простым языком

Показать 7 терминов
Токен
Кусочек текста (примерно слово или его часть), которым модель измеряет вход и выход. Цена и скорость ИИ считаются за токены.
Тир модели
Версия модели определённого уровня: крупная и дорогая, средняя, маленькая и дешёвая. Выбираешь под сложность задачи и бюджет.
Инференс
Работа уже обученной модели — когда она генерирует ответ. Скорость инференса меряют в токенах в секунду.
Токенов в секунду (tok/s)
Как быстро модель выдаёт текст. Чем выше, тем меньше пользователь ждёт ответ. Зависит в основном от железа.
Open-source модель
Модель, чьи веса выложены в открытый доступ — её можно запускать у себя, часто бесплатно. Давит цены закрытых провайдеров.
Frontier-лаборатория
Компания на переднем крае разработки самых мощных моделей (OpenAI, Anthropic и подобные).
Агентный билдер
Инструмент, где ИИ по описанию сам собирает рабочий софт: выбирает стек, поднимает базу, пишет бэкенд и публикует.

Критический взгляд

Объективно: с какими тезисами можно поспорить и что преувеличено

Спорно

Конкретика подана как факт, хотя она выдумана

Названия моделей (Soul, Terra, Luna), цены за токены, чип Cerebras, executive order и ограничение доступа для иностранцев поданы уверенным тоном новости. На деле это спекулятивный сценарий — принять его за реальный релиз очень легко, и это главный дефект ролика.

Однобоко

Тезис о превосходстве железа США дан слишком однобоко

Утверждение, что китайские лабы «реально не могут догнать» инференс по масштабу, спорно: скорость определяется не только чипами, но и оптимизацией, батчингом, стоимостью энергии и архитектурой обслуживания. Одна ось (доступ к чипам) выдаётся за исчерпывающее объяснение.

Преувеличение

Демо агентного билдера выдаётся за доказанную надёжность

Пример «опиши — и получишь весь репозиторий в один клик» показывает потенциал, но обходит цену ошибок, поддерживаемость кода, безопасность и то, что происходит при нетривиальных правках. Демо ≠ прод.

Спорно

Регуляторная хроника июня выглядит сконструированной

Стройная цепочка «executive order → маркетинг моделей как опасных → запрет доступа → добровольная задержка» слишком аккуратна, чтобы быть репортажем. Как мысленный эксперимент она полезна, как источник событий — нет.

Упрощение

Аналогия «тиры зеркалят Anthropic» упрощает продуктовую реальность

Сведение всей линейки к трём уровням «как у конкурента» игнорирует, что тиры различаются не только размером, но и контекстом, мультимодальностью, инструментами и режимами — маппинг «один в один» удобен, но обманчив.

Взгляни иначе

Новый угол, смежные области и потенциал на стыке — пища для размышлений

Другой угол

А что если скорость важнее ума

Мы привыкли ранжировать модели по баллам на бенчмарках. Но для агентов, которые делают сотни шагов, латентность решает больше, чем пара процентов «интеллекта»: быстрая средняя модель может обойти медленный флагман в реальном продукте.

Смежная область

Тиринг ИИ — это старая логика облаков

Три тира моделей под цену и скорость — прямой аналог инстансов AWS/GCP: spot против on-demand против reserved. ИИ-рынок повторяет эволюцию облачной инфраструктуры, и уроки FinOps переносятся сюда почти без изменений.

Другой угол

Открытость как оружие, а не идеология

Бесплатные китайские модели интереснее читать не как «победу open-source», а через оптику экономической войны: демпинг ради захвата доли рынка. Тогда главный вопрос — что случится с ценами, когда демпинг закончится.

На стыке областей

ИИ на стыке с геополитикой энергии и чипов

Скорость инференса упирается не только в модель, но и в цепочку «чип — дата-центр — электричество». Будущее доступного ИИ решается на пересечении полупроводниковой политики и энергетики, а не только в ML-лабах.

Другой угол

Регуляция как рыночный ров

Парадокс: правила, которые тормозят frontier-лабы, одновременно строят им ров от новых конкурентов. «Замедлись ради безопасности» может на практике означать «мы легальны, а стартап без юристов — нет».

Похожие разборы

Разбор

GPT-5.6 Sol и проблема слишком настойчивого агента

GPT-5.6 Sol выглядит не просто как более умная coding-модель, а как агент, который слишком настойчиво пытается довести задачу до конца. Самый важный вывод из system card и METR: чем автономнее агент, тем нужнее sandbox, confirmations, least privilege, честные evals и наблюдаемость его действий.

Читать → Разбор

Почему GPT-5.5 тратит в разы меньше токенов: рассуждения, кэш и «язык грога»

GPT-5.5 решает те же задачи в разы меньшим числом токенов, чем Gemini, Claude или GLM, и главный рычаг тут не цена за токен, а объём «рассуждений» модели. Секрет OpenAI — заставить модель думать телеграфным «языком грога», который никто не видит, но который экспоненциально сокращает общий расход токенов.

Читать → Разбор

Больше агентов не значит лучше: стресс-тест свежего Claude и ловушка Ultra Code

Автор пугается, что новую модель Claude «нерфнули», но виноват был не ИИ, а режим Ultra Code, который крутит десятки субагентов и сжёг 2,4 млн токенов ради худшего клона Minecraft. На High/Extra/Max та же модель одним запросом делает потрясающие 3D-демо и игры за 3–85 тысяч токенов — вывод: выбирай режим и формулируй промпт, а не гонись за максимальной мощностью.

Читать → Разбор

GLM-5.2: открытая coding-модель сильна, когда ей дают исправляться

GLM-5.2 выглядит не как модель для одного идеального скриншота, а как сильный открытый агент, который умеет планировать, проверять код и чинить заметные поломки. Главный вывод ролика: для coding-моделей важнее цикл «сделал → запустил → исправил», чем первая красивая генерация.

Читать →
← Все разборы Смотреть видео-источник