Три главных лаборатории умудрились выпустить столько всего одновременно, что следить за ними стало отдельной работой. Я провёл последние недели, тестируя обновления и читая changelog'и — и готов рассказать, что из этого реально интересно, а что просто шум.
OpenAI: o3 вышел, и это не гипербола
GPT-4o получил несколько тихих апдейтов — чуть лучше контекст, чуть точнее математика. Но главная история апреля — o3 и o4-mini, которые наконец открыли для широкой аудитории.
Я запустил o3 на паре задач, где раньше использовал Claude — в частности, на разборе сложных многошаговых логических цепочек. Честно: разница заметна. Модель реже "срезает углы" и чаще признаёт, что не знает, вместо того чтобы уверенно выдать чушь. На дебаггинге незнакомого кода o3 работает подозрительно хорошо. Настолько, что я поймал себя на мысли: подождите, это же я должен понять, что здесь происходит, а не просто принять ответ.
o4-mini при этом оказался неожиданно интересным. Стоит дешевле, работает быстрее, а на задачах средней сложности отстаёт от старшего брата меньше, чем можно было ожидать. Для API-интеграций — реально стоит смотреть в его сторону.
Ещё OpenAI тихо обновили системные инструкции для операторов и добавили больше гранулярности в настройки безопасности для бизнес-клиентов. Без фанфар, в документации. Что мне лично нравится — компания стала чуть меньше кричать про "AGI уже близко" и чуть больше писать про конкретные улучшения в API.
Anthropic: Claude обзавёлся памятью и нервами
Claude 3.7 Sonnet — модель, про которую Anthropic несколько месяцев говорили вполголоса — теперь доступна шире, и у неё появился extended thinking. По сути это режим, где модель видимо рассуждает вслух перед ответом. На сложных задачах работает лучше, чем звучит на бумаге.
Я потратил час, гоняя её по задачам, где обычный Claude регулярно ошибается: неочевидная логика, вопросы с подвохом, многошаговые инструкции с противоречиями внутри. Extended thinking заметно снижает количество уверенных ошибок. Хотя есть нюанс. Модель иногда рассуждает дольше, чем нужно, и приходит к ответу, который был очевиден с первого шага. Немного как наблюдать, как коллега решает в уме задачу, которую можно было записать за тридцать секунд.
Но главное обновление — Projects с памятью. Anthropic добавили возможность сохранять контекст между сессиями внутри проекта. Раньше каждый новый разговор с Claude начинался с нуля, что раздражало при работе над чем-то длинным. Теперь Claude помнит, что мы обсуждали вчера. Звучит мелко. На практике меняет характер работы — меньше времени на "вот контекст, вот задача, вот что мы уже пробовали".
Из менее заметного: обновлённые API-инструменты для построения агентов, улучшенный tool use. Anthropic явно делают ставку на то, что Claude будет не просто чат-ботом, а частью автономных систем.
Google: Gemini растёт тихо, но серьёзно
Google в апреле были, пожалуй, самыми продуктивными — просто об этом меньше писали. Gemini 2.5 Pro появился в Google AI Studio и постепенно добирается до Workspace. Контекстное окно до миллиона токенов на практике означает одно: скормить целую кодовую базу и задать вопрос.
Я попробовал именно это: загрузил в Gemini 2.5 Pro относительно большой проект и попросил найти архитектурные проблемы. Результат был смешанным. Несколько наблюдений оказались точными и небанальными, пара замечаний — очевидными, одно было вообще непонятно к чему. Но сам факт того, что модель держит весь контекст без деградации внимания к концу — это уже что-то. Раньше такие задачи приходилось дробить вручную.
NotebookLM получил апдейт с улучшенным Audio Overview — функцией, которая генерирует подкаст-резюме из загруженных документов. Звучит как баловство, но у меня есть коллеги, которые слушают это по дороге на работу вместо того, чтобы читать сорокастраничный отчёт. Не мой формат, но логику понимаю.
Дополнительно Google обновили Gemini в Docs и Sheets: там появился режим, где модель не просто отвечает на вопросы, а предлагает правки прямо в тексте. На практике это похоже на GitHub Copilot, только для документов. Работает нестабильно, но направление понятное.
Что всё это значит в сумме
Если смотреть на три лаборатории вместе, прослеживается один тренд: все перестали гнаться только за "умнее" и начали работать над "удобнее". Память между сессиями, большие контексты, предсказуемое поведение в агентных сценариях — это про то, чтобы модели реально встраивались в работу, а не были отдельным окном, в которое нужно каждый раз заново объяснять кто ты и зачем пришёл.
Мне это нравится больше, чем очередной рекорд на бенчмарке. Бенчмарки у всех хорошие. А вот когда модель помнит, что мы вчера договорились использовать определённый подход — это уже другой разговор.
Слежу дальше. Судя по намёкам, в мае у OpenAI и Google будут анонсы в сторону мультимодальности. Посмотрим, что из этого окажется реальным продуктом, а что — красивым демо.
