Три топовые LLM-модели прошли нестандартные тесты
ChatGPT 5.4, Claude Opus 4.6 и Gemini 3.1 Pro — три флагманские языковые модели 2026 года — сравнили в задачах, выходящих за рамки типичных бенчмарков. Вместо стандартных тестов на генерацию текста или кода модели проверили на чтение рукописного текста, олимпиадную математику, поиск редких научных кейсов и креативность.
Участники: что изменилось в новых версиях
ChatGPT 5.4 от OpenAI получил контекстное окно в 1 миллион токенов и агентный режим — модель может анализировать скриншоты, пользоваться браузером и вызывать API. Улучшен поиск информации из нескольких источников одновременно.
Claude Opus 4.6 от Anthropic добавил технологию внутреннего планирования: модель сначала строит карту рассуждений, а потом генерирует ответ. Контекстное окно — 1,5 миллиона токенов, что позволяет загружать целую кодовую базу небольшого проекта. Акцент на промышленное использование.
Gemini 3.1 Pro от Google интегрировал «глубокое мышление» прямо в основу модели — теперь она автоматически прокладывает несколько путей решения и выбирает лучший. Контекст — 1 млн токенов на вход, 64 тысячи на выход.
AI-инструменты, которые можно сразу взять в работу
Подборка доступов и подписок к популярным сервисам: быстро, с авто-выдачей и понятной оплатой.
Тест 1: чтение рукописного текста
Моделям дали скан страницы из тетради с рукописным текстом. ChatGPT 5.4 справился, но заменил одно слово синонимом — незначительная ошибка. Claude Opus 4.6 допустил 4 ошибки: часть слов перенесла неправильно, часть «придумала». Gemini — результат в процессе проверки.
Тест 2: олимпиадная математика
В отличие от привычных задач из ЕГЭ, на этот раз использовали задачи олимпиадного уровня по высшей математике. Детальные результаты — в оригинальной статье на Habr.
Тест 3: поиск неочевидных научных кейсов
Модели искали 10 реальных случаев применения ИИ в науке, опубликованных после августа 2025 года. Требовалось указать название, область, суть открытия и прямую ссылку. Это проверка не только знаний, но и способности работать с актуальными данными.
Тест 4: креативность
Задание: придумать сюжет короткометражки про робота, который боится электричества, и написать описание робота для генерации изображения. Проверялась оригинальность идей и качество визуального описания.
Что это значит
Три топовые модели 2026 года — LLM нового поколения — всё больше специализируются. ChatGPT делает ставку на агентность и работу с интернетом, Claude — на глубокое планирование и работу с кодом, Gemini — на встроенное «мышление» и многоступенчатые задачи. Выбор зависит от задачи: для программирования лучше Claude, для поиска — ChatGPT, для сложной логики — Gemini.
Подробнее о сравнении моделей читайте в оригинальном исследовании на Habr.
AI-инструменты, которые можно сразу взять в работу
Подборка доступов и подписок к популярным сервисам: быстро, с авто-выдачей и понятной оплатой.