OpenAI готовит к запуску GPT-5, следующую версию после GPT-4, представленного в марте 2023 года. По данным The Information, это будет скорее небольшое обновление, а не революция.
Внутренние тесты фиксируют небольшой рост качества в программировании, математике и работе с инструкциями. Пример – автоматизация сценариев клиентской поддержки. Однако шаг от GPT-4 не сравнить с прыжком от GPT-3 (2020) к GPT-4.
Источники говорят, что GPT-5 создает более удобные решения для пользователей и лучше управляет своими вычислениями. Тем не менее, прогресс остается умеренным.
Этот тормоз обсуждается давно. Еще осенью 2023 основатель Microsoft Билл Гейтс отмечал возможную остановку развития. Критик ИИ Гэри Маркус, бывший главный ученый OpenAI Илья Суцкевер и представитель Meta Ян Лекун также считают, что линейка LLM-моделей на трансформерах выходит на предел возможностей.
OpenAI разрабатывал внутреннюю версию модели Orion, чтобы продолжить успех GPT-4o. Но Orion не дал ожидаемого результата и в начале 2025 был выпущен как GPT-4.5. GPT-4.5 оказался дороже, медленнее и быстро потерял популярность.
Главная проблема, по информации The Information, – оптимизации при обучении работают для небольших моделей, но перестают быть полезными при увеличении их размера. Также заканчивались качественные обучающие данные из открытого интернета. В результате проект Orion остановился на полпути.
По состоянию на июнь 2025, ни одна из разрабатываемых моделей OpenAI не получила статуса GPT-5.
Не только OpenAI испытывает сложности роста. Например, релиз Anthropic Claude 4 тоже продемонстрировал только небольшой прирост, кроме заметного улучшения кода. Anthropic уже использует гибридную архитектуру — крупная языковая модель с модулями для рассуждений. Аналогичный подход возможен и у OpenAI для GPT-5.
Помимо флагманских моделей, в OpenAI тестируют “Large reasoning models” (LRM), которые решают сложные задачи при увеличении вычислений. Возможно, такие решения пригодятся для математики, поиска и программирования. Однако нет гарантии, что они будут хорошо работать на новых задачах и окажутся энергоэффективными.
В конце 2023 OpenAI получил заметный результат по математике — модель Q* решила ранее незнакомые задачи. На основе этого появились o1 и o3, обе строятся на GPT-4o и ориентированы на узкие задачи.
Для обучения o1 и o3 применяли обучение с подкреплением (RL). У o3 было больше ресурсов и доступ к коду и интернету. Во время RL-модели отвечают на экспертные вопросы и сравнивают с человеческими ответами.
Но при адаптации этих моделей для чатов качество серьезно упало. Один из источников отметил: “Модель пришлось упростить, чтобы она хотя бы как-то вела диалог — и это испортило результаты в чате и API”.
В апреле при тесте ARC-AGI публичная версия o3 показала результаты хуже своей исходной версии на сложных головоломках, многие навыки рассуждения не сохранились.
Модель o3-pro показывает, как трудно найти баланс. Эксперты оценили ее выше для задач по науке, бизнесу и коду, но банальное личное приветствие стоило $80 вычислений и заняло несколько минут. Это типичный пример “переусложнения задачи”. GPT-5 должен стать промежуточным решением между рассуждениями и практическим общением.
Несмотря на эти технические ограничения, GPT-5 должен продвинуть “агентные” системы: выполнение последовательных действий без постоянной помощи человека. Ожидается, что новая модель будет лучше следовать сложным инструкциям, причем эффективнее и требовать меньше надзора. GPT-4.1 уже частично умел это.
GPT-5 должен превзойти GPT-4o без сильного роста вычислений. Внутренние тесты показывают: модель сама выбирает, для каких задач нужно больше ресурсов, а где их экономить. Это поможет избежать переусложнения, как у o3-pro.
Даже небольшие улучшения в GPT-5, вероятно, сохранят интерес клиентов и инвесторов к OpenAI. Компания по-прежнему быстро растет, несмотря на расходы. В задаче генерации кода, где сейчас лидирует Anthropic с Claude, OpenAI хочет вернуть позиции с запуском GPT-5.
OpenAI чаще использует обучение с подкреплением — в частности, “универсального проверяющего”, который автоматически оценивает качество ответа даже в творческих задачах.
Эта система применялась в модели, выигравшей для OpenAI золото на Международной математической олимпиаде. Исследователь OpenAI Джерри Творек считает, что такой RL-подход может стать фундаментом для будущего искусственного интеллекта общего назначения.
