🤔 ИИ становится хуже. Заговор масонов или нам просто кажется? Те, кто давно пользуется ChatGPT и другими моделями, замечают: с каждой новой версией система как будто хуже понимает запросы и чаще выдаёт «не те» ответы. Мы это тоже видим: ChatGPT 5 справляется с кодингом заметно слабее, чем GPT-o3; Claude 4.5 утратил присущую линейке «человечность» в текстах и пишет хуже, чем Claude 3.5. Да, галлюцинаций действительно стало меньше, появляются новые функции. Но «под капотом» модель и правда работает иначе. Давайте разберёмся, в чём дело — и был ли тут заговор. Причины «даунгрейда» как обычно в экономике 💵 95% запросов к моделям выглядят примерно так: ➖ «Что приготовить из макарон, кетчупа и… ну и всё.» ➖ «Можно ли завтракать ужином? Научно обоснуй.» ➖ «Придумай 5 сообщений, чтобы не идти на встречу, но остаться хорошим человеком.» ➖ «Сгенерируй эпичное описание похода в магазин за хлебом.» Небольшая часть людей решает с помощью ИИ сложные задачи. Большинство просто перекладывает поиск из Google в чат-модель — и в этом нет ничего плохого. НО… Чтобы обработать простой и сложный запрос, модель тратит примерно сопоставимые энергию и машинное время. Не так давно в OpenAI признавались, что тратят миллионы долларов на обработку «спасибо» от пользователей. Логичный вывод: раз большинству не нужны сверхсложные режимы, зачем жечь вычислительные ресурсы — давать всем «суперкомпьютер» для задач уровня калькулятора? Поэтому базовая модель ChatGPT 5 действительно стала проще, чем прошлые: разработчики облегчили то, чем массовая аудитория не пользуется. Пользователи это чувствуют. Чтобы не расстраивать бизнес пользователей, в новых версиях ChatGPT запрос сначала обрабатывает базовая модель — и уже она решает, звать ли помощника помощнее или ответить самой. «Но даже большие модели будто сдулись — дело ведь не только в маршрутизации?» 💯Верно! Когда модели только заходили на рынок им было важно его захватить, важен был эффект «ВАУ». Компании щедро жгли инвестиции и работали в минус, чтобы удивить и вырасти. Теперь, спустя три года с релиза ChatGPT 3.5, ИИ есть почти у каждого, хайп прошёл — пора зарабатывать.💵 Издержки режут. И делают это, в том числе, такими приёмами: 1️⃣Pruning (обрезка лишнего). Вы знаете, что Земля круглая. Почему именно — вспоминаете не сразу, но вывод помните. С моделью делают похоже: в обучении она видела причины и доказательства, а на службе ей оставляют «сжатое знание» — сам вывод и минимум опор. Это сильно уменьшает размер и стоимость, при этом почти не вредит на простых задачах. Но как только вы идёте в сложные рассуждения, отсутствие «деталей пути» начинает мешать. 2️⃣Квантование. Как сжать фото: на смартфоне разницы между RAW и JPEG не заметите, а на «мониторе гика» — заметите. Параметры модели «округляют», уменьшая точность представления. Для типовых запросов — окей; на пределе сложности — огрехи вылезают. 3️⃣Дистилляция. Учить модель на «кратких пересказах» другой модели быстрее и дешевле, чем на первоисточниках. Так делал, например, DeepSeek: задавали вопросы ChatGPT, забирали выжимку и на ней обучались. Это ускоряет процесс, но «конспект» — не целая книга: глубина страдает. Есть и другие хитрости — все они про экономическую эффективность. В результате каждая новая модель формально лучше по метрикам и стабильнее по безопасности, но конкретные «рабочие» задачи иногда решаются хуже. ⁉️Что делать?⁉️ Если вы запускаете ИИ-стартап или постоянно используете ИИ в работе, такие изменения реально бьют по процессам. Нужна мощная, стабильная модель, которая отлично держит сложную аналитику? Для вас мы запустили Aiesa.API — можно подключать передовые модели без «ослабления» уже сегодня. На наших серверах работает модель от OpenAI — GPT-OSS 120B, аналог GPT-o3, одна из лучших за всё время. Сейчас мы поставляем услугу в связке с транскрипцией — ориентируемся на тех, кому нужна аналитика речи. В одном API вы получаете расшифровку звонка и сразу аналитику по нему. Вскоре в нашем API появится и доступ к модели б