Давненько не было потрясений на территории топовых LLM. Впрочем, это утверждение справедливо лишь относительно – на фоне февраля, когда каждая неделя поражала нас чем-то новым.

Сегодня меня ждет достаточно обычный материал: сравнение последних топовых моделей. С одной стороны, я делал это уже много раз, а с другой – в этот раз моя цель найти необычные задания. Не столько рутинные, не столько сложные, сколько нестандартные, в сравнении с максимально типичными задачами вроде «сгенерируй рассказ, код или реши задачу».

В статье примут участие ChatGPT-5.4, Claude Opus 4.6 и Gemini 3.1 Pro. Постараюсь внести что‑то интересное, но для кого‑то это окажется таковым, а для кого‑то покажется слишком обычным. На вкус и цвет товарища нет. Поэтому по большей части это сравнение – моя прихоть, чтобы утолить собственный интерес. Тем, кому это тоже любопытно, рекомендую занять стратегически удобное положение. Быть может, вы сможете почерпнуть для себя что‑то полезное.

Март не так часто балует нас громкими новинками, как хотелось бы, но индустрия не стоит на месте. В прошлой статье я рассказывал о ИИ-инструментах/агентах/сервисах для программистов, и в процессе размышлений у меня родилась идея для нового материала.

В своих сравнительных статьях о топовых LLM я обычно делаю упор на рутинные задачи: генерацию текста, программирование и математику. Но спектр таких задач гораздо шире. Именно эта мысль привела меня к теме сегодняшней статьи.

Сегодня я расскажу о инструментах, которые помогут создать презентацию. В современной реальности это навык, ставший практически неотъемлемым. Моя цель - сформировать подборку для генерации слайдов. Сразу предупрежу: много бесплатных вариантов здесь не будет. Но это не значит, что у вас не будет возможности протестировать функционал платформ. Принимайте стратегически удобное положение, ну а я начинаю свое повествование.

Как и ИИ-модели, инструменты, базирующиеся на них, также не стоят на месте. Вспомним Cursor, OpenClaw, Claude Code и так далее. 

Не так давно я выкладывал статью, где сравнивал последние модели от ИИ-гигантов в сфере программирования. В последнее время частенько начал прислушиваться к дельным комментариям и подумал: а почему бы не составить подборку из инструментов, которые используют различные нейросети для программирования? Собственно никаких препятствий для этого действия я не нашел. 

Сегодня оглашу некую подборку инструментов/сервисов/нейросетей для работы с кодом. Понятное дело, что каждый, кто заинтересован в этой сфере, имеет свое личное представление о таких инструментах. Тут будут некоторые варианты, а вот использовать их или нет - выбор уже за вами. Принимайте стратегически удобное положение, ну а я приступаю к своему повествованию.

Новые модели выходят практически каждый день. За последние два месяца мы увидели релизы от Qwen, OpenAI, Anthropic и Google. Очень ждали DeepSeek, но его пока не слышно и не видно.

В своих прошлых материалах я сравнивал последние версии моделей крупных компаний в конкретных сферах: программирование и генерация текста.

Сегодняшняя статья продолжит этот цикл. По-хорошему, этот материал должен был выйти до сравнений в узких сферах, потому что сегодня я планирую сравнить Gemini 3.1 Pro, ChatGPT 5.4 и Claude Opus 4.6 сразу в нескольких дисциплинах. Сделать, так сказать, общее сравнение.

Сразу предупрежу: никаких межгалактических заданий вы тут не увидите. Моя цель куда приземленнее – проверить модели в рутинных задачах, с которыми они сталкиваются каждый день. Мне это нужно, чтобы понять, какой модели сейчас стоит отдать предпочтение. В расчет пойдет качество выполнения (оцененное мной), а также затраты в денежном эквиваленте.

На этом с предисловием можно закончить. Принимайте стратегически удобное положение, а я начинаю.

С каждой неделей наш мир пополняется новой нейросетью. Вспомните, каким был февраль, который принес нам новые модели от Claude, OpenAI и Gemini. Март перехватил эстафету, хотя эта неделя выдалась без особых новшеств. Небольшой клочок спокойствия за последний один-два месяца.

В своей предыдущей статье я сравнил последние новинки от компаний, названных в абзаце выше. Сравнение происходило не во всех сферах, а затрагивало только программирование. В размышлениях я подумал: а почему не столкнуть модели в еще одном варианте задач? Речь идет о генерации текста, наверное, одно из наиболее популярных направлений при работе с нейросетями.

Сегодня будет сравнение ChatGPT 5.4, Gemini 3.1 Pro и, конечно же, Claude Opus 4.6 в задачах, которые связаны с текстом. Принимайте стратегически удобное положение, ну а я начинаю свое повествование. 

Новые нейросети появляются на свет с пугающей скоростью. И речь не только о крупных гигантах вроде OpenAI – на арену выходят десятки моделей, которые можно запустить локально у себя на компьютере.

На моем счету уже есть статьи, в которых я не раз сталкивал лбами разные ИИ. Но из всех узконаправленных сравнений моя самая любимая сфера – без сомнения, программирование. 

Игроки первого эшелона – Anthropic, OpenAI и Google – не так давно подкинули нам новые версии своих моделей. Конечно, многие ждали выхода новой DeepSeek, но, к сожалению, чуда не произошло. Поэтому в сегодняшнем материале мы сосредоточимся на доступных нам флагманах.

В сегодняшней статье я сравню последние флагманские модели от ИИ-гигантов в кодинге. Не обещаю, что задания сами по себе будут сложными, но по крайней мере постараюсь, чтобы они ранжировались по возрастанию трудности их выполнения. Принимайте стратегически удобное положение, ну а я начинаю!

Знаете, это чувство, когда новости выходят быстрее, чем ты успеваешь их читать? Март, бодро подхватив эстафету у февраля, продолжает закидывать нас громкими анонсами в мире искусственного интеллекта. Недавно гремел ChatGPT-5.4, чуть ранее шумела новая моделька от Qwen и появилась Gemini 3.1 Flash Lite. О последней, собственно, я и хочу сегодня поговорить. Все же из лидирующих компаний в сфере ИИ мое предпочтение в последнее время именно у Google.

В этой статье мы пробежимся по самой доступной модели от Google, разберемся в ее архитектуре и, конечно же, хорошенько ее протестируем. Так что принимайте стратегически удобное положение, ну а я начинаю.

Все уже знают, что в феврале от Claude вышли модели версии 4.6. Я попытался сравнить Opus и Sonnet, но результат оказался каким-то невнятным. Тогда родился вопрос: а что, если сравнивать не горизонтально, а вертикально? Ведь для меня Sonnet – это прежде всего генерация текста. Раньше, на версии 4.5, он делал это на хорошем уровне. А что же сейчас?

Сегодня я выясняю, кто кого: Sonnet 4.5 против Sonnet 4.6. В упор сойдутся два поколения одной модели. Нейронки пройдут через генерацию текста и взаимодействие с ним. Это нужно для того, чтобы понять: изменилось ли что-то, стало лучше или хуже по восприятию? Конечно, все будет сугубо по моему личному мнению и я не могу дать гарантий, что оно сойдется с вашим. Принимайте стратегически удобное положение, ну а я приступаю.

Этот месяц оказался достаточно насыщенным в плане новых моделей. Пока одни разработчики только анонсировали обновления, другие уже успели выкатить полноценные релизы. В итоге февраль подарил нам сразу несколько громких новинок: Gemini 3.1 Pro, ChatGPT 5.3 Codex, Nano Banana 2, Seedance 2.0 – и, конечно, главных для сегодняшней статьи: Claude Sonnet 4.6 и Claude Opus 4.6.

Обе модели от Anthropic я уже успел поюзать достаточно, чтобы составить о них какое-то мнение. Именно поэтому решил не держать тесты при себе, а оформить их в сравнение – как это уже было в прошлой статье про ChatGPT 5.2 Pro и Gemini 3.1 Pro.

Сразу скажу: никакого официального крупного бенчмарка здесь не будет. Это сугубо личный эксперимент, затеянный из собственного любопытства. Тем не менее, если вы сами выбираете между этими двумя моделями или просто следите за развитием ИИ, возможно, статья поможет вам подметить что-то полезное: плюсы, минусы, неочевидные нюансы каждой из версий.

Что ж, принимайте стратегически удобное положение – я приступаю.

За последние годы рынок больших языковых моделей претерпел колоссальные изменения. Если раньше разработчики и энтузиасты могли свободно экспериментировать с любыми зарубежными нейросетями из России, то теперь доступ к ним сопряжён с рядом трудностей. Оплатить подписку, зарегистрироваться или просто получить стабильный API-доступ к ChatGPT, Claude или Gemini из России становится всё сложнее.

В мире одним из популярных сервисов для работы с множеством моделей стал OpenRouter. Он позволяет одним ключом подключиться к десяткам нейросеток, выбирая оптимальное соотношение цены и качества. Но, как это часто бывает с западными сервисами сейчас, из-за санкционных ограничений и блокировок полноценно пользоваться им на территории РФ сейчас трудно: карты не проходят, платежи зависают, а скорость работы местами оставляет желать лучшего.

Размышляя над этой проблемой, я заметил тенденцию: в комментариях к нашим статьям мелькает один и тот же вопрос: «Почему вы называете себя российским OpenRouter?». Сегодня я дам ответ на этот вопрос, проведя параллели между OpenRouter и BotHub.

Присаживайтесь поудобнее, ну а я перехожу к своему повествованию.

Неделя выдалась достаточно насыщенной. На ней нам представили Claude Sonnet 4.6 и Gemini 3.1 Pro. OpenAI же, по моему личному мнению, немного отстает от них, хотя не так давно была выпущена ChatGPT 5.3 Codex для агентного программирования.

В комментариях под некоторыми из выложенных мной новостей иногда наблюдается разброс мнений, мол, Gemini плохо себя показывает, а вот ChatGPT – вещь, но в других моих материалах люди думают ровно наоборот.

Сидя и раздумывая над этим, мне пришла в голову идея – сравнить ChatGPT и Gemini в достаточно рутинных задачах. По сути, чтобы просто удовлетворить свой интерес и сделать для себя выбор между ними. А вам решил показать, потому что кому-то тоже может быть интересно, а кому-то поможет сделать свой выбор. Исходя из специфики моего сравнения, возьму две прошные версии от каждой серии: ChatGPT 5.2 Pro и Gemini 3.1 Pro. Одна уже приличное время находится в нашем доступе, другая же была релизнута на этой неделе.

Принимайте стратегически удобное для прочтения положение, ну а я приступаю к сравнению.

Сейчас, можно сказать, почти каждый день нам выкатывают какую-нибудь новую модель. Как ими пользоваться? На самом деле можно выбрать самый простой вариант – воспользоваться официальным сайтом производителя модели. Однако в нынешних реалиях самый простой вариант может только таким казаться. Доступ через VPN? Или душные и долгие танцы с бубном, чтобы просто получить доступ к желаемой модели?

Впрочем, не только в доступности заключается проблема. Вы попробовали модель в бесплатном варианте, вам все понравилось, следом может появиться желание подключить уже платную подписку, а тут уже столкнуться с ситуацией, когда попросту нет возможности оплаты через российские карты.

Как избежать трудностей? У вас на выбор два варианта: открытые модели, которые можно накатить себе и пользоваться ими бесплатно, или же использовать своеобразные адаптеры. 

Первый вариант, конечно, заманчивый, все же бесплатно – магнит. Однако в нем можно столкнуться с несколькими проблемами: мощность железа (не всегда, но частенько требуются большие мощности для адекватной работы локальной модели) и сам процесс установки (который тоже может превратиться в танцы с бубном).

Второй вариант – своеобразные адаптеры, или же агрегаторы нейросетей. Они содержат в себе множество моделей и предоставляют доступ к ним. Конечно, найти полностью бесплатный агрегатор почти нереально, в основном все они требуют подписки, но предоставляют возможность прощупать свой функционал перед покупкой, начисляя внутреннюю валюту или же просто давая ограниченное количество использований моделей после регистрации. Собственно, сегодня я сравню несколько агрегаторов, их плюсы и минусы, чтобы вы могли понять, стоит ли обращать на них внимание или нет.

Мы живем в эпоху, когда искусственный интеллект перестал быть технологией будущего и вошел в наше настоящее. Кажется, что буквально каждый день на рынок выходит новая модель, чат-бот или специализированный сервис, обещающий нечто новое.

Стремительный поток инноваций, конечно, вдохновляет, но в нем легко потеряться и упустить из виду по-настоящему полезные инструменты. Именно поэтому я и решил составить подборку сервисов, приложений и моделей на разные случаи: от генерации текста и изображений до возможности просто скоротать время. В перечне будут как бесплатные, так и платные варианты, которые позволяют протестировать их функционал в рамках пробного периода или базового тарифа.

Разумеется, я не могу утверждать, что собрал все самые новые и полезные варианты. Их список может быть поистине огромным. Поэтому мне было бы интересно послушать и о ваших находках на просторах интернета.

Многих раздражает переписывать тонну тексту вручную. Тратить часы на переписывание, перефразирование или адаптацию объемных материалов энергозатратно и часто неэффективно. На помощь может прийти искусственный интеллект.

В нынешнее время, когда новые модели выходят довольно часто, легко запутаться. Поэтому возникает вопрос - какая нейросеть справится лучше с задачей рерайтинга? Сегодня я протестирую ChatGPT 5.2, Claude Sonnet 4.5, Gemini 3 Pro, Grok 4 и DeepSeek V3.2 в некоторых задачах взаимодействия с текстом. 

Примите стратегически удобное положение, ну а я приступаю к сравнению.

Доброго времени суток, Хабр!

Нейросети закрепились во многих сферах и стремительно продолжают развиваться, учитывая, что многие компании сделали акцент на изучении и создании новых моделей.

Однако, нейросети - это не что-то само по себе работающее. Это полноценный инструмент, которым надо понимать как пользоваться, чтобы получалось эффективно и результативно, а не набор из тонны табуляций, смайликов и длинных тире.

Сегодня мы поговорим о том, какие ошибки можно допустить при работе с современными моделями и как пользоваться ими правильно. Примите стратегически удобное положение, ну а я приступаю к своему повествованию.

Доброго времени суток, «Хабр»!

В предыдущей своей статье я рассматривал разные парадигмы обучения моделей. Однако не всегда при обучении все происходит гладко.

Бывают ситуации, когда на обучающих данных модель работает идеально, но при проверке на новых данных точность резко снижается. Это явление называется переобучением.

Сегодня в статье расскажу об переобучении моделей, как обнаружить это явление и избежать его. Примите стратегически удобное положения, а я приступаю к своему повествованию.

Доброго времени суток, «Хабр»!

Вы когда-нибудь задумывались, что такое машинное обучение и как оно вообще учится? Чем это может отличаться от обычного программирования с его главным правилом: не трогай, пока работает? Где заканчивается простой код и где он переходит во что-то более мощное - в ИИ-модели, которые мы используем сегодня.

Сегодня мы разберем основы ИИ - обучение моделей. Посмотрим какие способы обучения бывают, зачем их применяют и как они показывают, на что модель способна.

Принимайте стратегически удобное положение, ну а я перехожу к своему повествованию.

Доброго времени суток, «Хабр»!

Нейросети пишут дипломы, рисуют картины, создают разные компьютерные программы, генерируют новости - и это лишь малая часть того, на что они способны сегодня. Мир стремительно погружается в эпоху искусственного интеллекта. Но этот бум порождает множество вопросов относительно правового статуса такого творчества.

Сегодня обсудим проблемы авторского права применительно к современному искусственному интеллекту. Примите стратегически удобное положение, ну а я приступаю к повествованию.

Доброго времени суток, «Хабр»!

В предыдущей своей статье я рассматривал различные функции потерь - важную часть машинного обучения. Но даже такие функции совершенно беспомощны перед лицом беспорядка. Сегодня мы рассмотрим то, что предшествует любой тренировке - разметку данных.

Как и в предыдущей статье, приведу простенькое сравнение. Если модель - ученик, то разметка данных своего рода учебник, по которому она занимается. При этом создание такого учебника часто оказывается трудоемким, медленным и дорогостоящим этапом всего цикла ML-проекта.

Принимайте стратегические удобное положение, ну а я начинаю свое повествование.

Доброго времени суток, «Хабр»!

Представьте, что вы играете в дартс. Сначала ваши дротики разлетаются по всей мишени, но с каждой попыткой вы постепенно приближаетесь к заветному центру. Человек интуитивно понимает, что нужно скорректировать бросок: сильнее, выше, левее или правее. Примерно так же работает и алгоритм машинного обучения. Только вместо интуиции там есть функция потерь.

Сегодня поговорим об этой функции, попробуем в ней разобраться и понять, как же алгоритм понимает, что он ошибся. Принимайте стратегически удобное положение, ну а я приступаю к своему повествованию.