Слежу за релизами уже второй год, и каждый раз думаю — вот сейчас точно будет тихий месяц. Май снова посмеялся над этой идеей. OpenAI, Anthropic, Google и Meta умудрились выдать столько всего за четыре недели, что я несколько раз садился писать этот разбор и бросал — пока не устаканится, не поймёшь что важно, а что шум.
Теперь устаканилось. Вот что реально стоит знать.
OpenAI: GPT-4o с голосом и o3 на подходе
Главная история у OpenAI в этом месяце — не модель, а то, как они её показали. Демо GPT-4o с живым голосовым режимом, где модель реагирует на интонацию, перебивает если что-то не так, смеётся — это было неожиданно. Не в смысле "вау технология", а в смысле "подождите, это уже немного некомфортно".
Я запустил голосовой режим сразу как он начал раскатываться, провёл с ним минут двадцать. Разговор про отладку питоновского скрипта — модель уточняла, переспрашивала, один раз поймала меня на противоречии и мягко об этом сказала. Понятно, что под капотом это всё тот же промпт-инжиниринг. Но ощущение от взаимодействия — сильно другое.
Параллельно OpenAI начали выкатывать o3 и o3-mini, модели из серии "думающих": они тратят время на рассуждение перед ответом. По бенчмаркам бьют предыдущие версии довольно уверенно, особенно в математике и коде. Сам пока потыкал краям — на сложных логических задачах действительно медленнее, но точнее.
Ещё один момент, который многие пропустили. OpenAI тихо обновили лимиты в API изменили ценообразование на несколько моделей. Если используете API в каком-то пайплайне — стоит перепроверить, там неочевидные изменения по токенам контекста.
Anthropic: Claude 3.5 Sonet и tool use
У Anthropic май прошёл под знаком Claude 3.5 Sonnet. Я его попробовал на задачах, где у меня есть внутренняя шкала сравнения — в основном это написание кода с объяснением и разбор длинных документов.
Честный вывод: на кодинге Sonet хорош, иногда лучше GPT-4o — особенно когда нужно объяснить что происходит, а не просто выдать решение. На длинных документах тоже сильный. 200k контекстного окна уже не новость, но Anthropic явно поработали над тем, чтобы модель не теряла нить ближе к концу.
Дело в том что главное — не это. Меня зацепил tool use и обновлённый API для агентных сценариев. Anthropic дали более чистый интерфейс для вызова инструментов, и несколько разработчиков уже показали рабочие примеры агентов, которые делают что-то реально полезное: обходят сайты, пишут в файлы, запускают скрипты. Раньше это тоже было возможно, но нужно было больше возиться с промптами.
Одна вещь, которая меня немного беспокоит: Anthropic продолжают позиционировать безопасность как главный приоритет, но конкретики становится меньше, а маркетинговых формулировок — больше. Это наблюдение, не обвинение. Просто интересно куда они двигаются.
Google: I/O и Gemini 1.5 Flash
Google I/O в мае — это всегда немного цирк. Объявлений много, работающего сразу — меньше. Но за шумом было несколько реально интересных вещей.
Gemini 1.5 Flash — модель для быстрых и дешёвых запросов — стала доступна шире. Важно не то что она самая умная, а то что она достаточно умная и при этом работает быстро и стоит недорого. Для задач типа "классифицировать тексты" или "извлечь структурированные данные из сотни документов" это реально меняет расчёт.
Project Astra — их ответ на голосовой режим OpenAI, только с видео. Телефон смотрит на мир, модель коментирует что видит, отвечает на вопросы в реальном времени. Демо было впечатляющим. Я не могу проверить насколько честным — но даже если половина правда, это интересно.
Ещё Google объявили Gemini в Search, что неизбежно запустило очередной раунд разговоров о том умрёт ли SEO. Нет, не умрёт. Изменится — как уже менялось несколько раз.
Meta: Llama 3 и ставка на открытый код
Meta пошла своим путём, имено это делает их релизы интересными на фоне остальных.
Llama 3 вышла в двух размерах — 8B и 70B параметров — и это опенсорс, который можно запустить у себя. Я поднял 8B локально на небольшой машине и честно был приятно удивлён. Для своего размера модель держится достойно, особенно на инструктивных задачах. 70B мне пока не на чем запустить в комфортных условиях, но по отзывам людей с нормальным железом — она конкурирует с GPT-3.5 и местами с GPT-4 на части задач.
Стратегия Meta читается чётко: они делают ставку на то, что открытый код станет стандартом де-факто. Тогда инфраструктура и даные, которые они собирают, останутся их конкурентным преимуществом — а не веса модели. Умно это или нет, посмотрим.
На практике Metaещё анонсировала несколько И-фич в WhatsApp и Instagram. Меня они пока не трогают — ассистент в мессенджере это ещё не то место, где я хочу взаимодействовать с языковой моделью. Но миллиарды пользователей могут думать иначе.
Что из этого важно
Перечитываю написаное и замечаю паттерн: все четыре компании двигаются быстро, но по-разному.
OpenAI делает ставку на интерфейс и ощущение — голос, эмоции, живое взаимодействие. Anthropic — надёжность и агентность. Google пытается встроить И везде сразу, что иногда выглядит как попытка никуда не опоздать. Meta делает то, что другие не делают — отдаёт модели бесплатно.
Мне интереснее всего следить за Meta и Anthropic. Первые — потому что открытый код меняет растановку сил быстрее, чем кажется. Вторые — потому что у них самый чёткий продуктовый фокус из всех четырёх.
Следующий месяц обещает быть не тише.
