6 материалов по теме
OpenAI выпустила GPT-6 Sol и Luna и пообещала вдвое меньше ошибок. Мы прогнали обе модели через свои задачи и повторили замер. Sol стала лучшей в генерации курсов. Luna 6 оказалась хуже предыдущей Luna 5.6 – и в текстах, и особенно в продажах.
Заказчик спросил: раз это одна и та же модель, берём ту, у которой открытые веса – она же дешевле. Мы прогнали обе версии Qwen3.8 через генерацию текстов и живые диалоги. Открытая оказалась на 10% дороже на генерации и вровень на диалогах, а три запуска из пяти с первого раза вернули пустоту.
Мы прогнали десять моделей через сорок симулированных диалогов с трудным клиентом. Разница в качестве между самой дешёвой и самой дорогой – четыре балла из ста. Разница в цене одного диалога – 71 раз. На счёт влияют тариф и режим рассуждений; у шести маршрутов из десяти отключить его не удалось.
Счёт за нейросеть можно уменьшить в разы, не меняя модель. Мы прогнали 400 запросов и посчитали, сколько стоит каждая настройка: провайдер, класс обслуживания, кэш, длина контекста. На боте с двумя сотнями обращений в день разница вышла в 439 раз.
Прогнали восемь моделей через две реальные задачи на русском — генерацию обучающего контента и продающие диалоги. Самая дорогая модель когорты оказалась хуже самой дешёвой почти в пятьдесят раз по цене и на девять баллов по качеству. Разбираю, как выбирать модель под проект: почему у одной модели одиннадцать разных цен, что показывает разброс вместо среднего балла и почему англоязычный рейтинг ничего не говорит о работе на русском.
Alibaba выпустила Qwen 3.8 Max: 2,4 триллиона параметров, миллион контекста и первое место в медицинской категории Arena. Разбираю, что из этого проверяемо, сколько модель стоит на самом деле и почему клиент, требовавший самую дорогую модель на рынке, передумал за один разговор.
