🔷 Развитие ИИ не замедляется, а ускоряется. Лучшие модели уже сравнялись с человеком или превзошли его в сложных научных задачах, математике и программировании.
🔷 Разрыв между моделями США и Китая практически исчез. Лидерство переходит то к американским, то к китайским моделям.
🔷 ИИ берёт золото на международной математической олимпиаде, но всё ещё плохо определяет время по часам и не справляется с большинством бытовых задач. Возможности ИИ пока очень неравномерны.
🔷 Инвестиции в ИИ бьют рекорды, а сама технология распространяется быстрее, чем в своё время компьютеры и интернет. Сегодня ИИ используют 88% компаний и 4 из 5 студентов.
🔷 Безопасность отстаёт от роста возможностей. Тестов на безопасность мало, а число инцидентов с ИИ резко выросло.
🔷 Там, где ИИ сильнее всего повышает продуктивность, начинает падать спрос на молодых специалистов.
🔷 Растёт нагрузка на энергетику и инфраструктуру. Почти все передовые чипы при этом выпускает один завод на Тайване.

Источник: https://hai.stanford.edu/ai-index/2026-ai-index-report

Сайт: https://systems-analysis.ru
Wiki: https://systems-analysis.ru/wiki
X (Twitter): https://x.com/system_ru
Telegram: https://t.me/systems_analysis_ru
Taplink: https://taplink.cc/systems_analysis_ru

Сайт: https://systems-analysis.ru
Wiki: https://systems-analysis.ru/wiki
X (Twitter): https://x.com/system_ru
Telegram: https://t.me/systems_analysis_ru
Taplink: https://taplink.cc/systems_analysis_ru

• ИИ всё чаще используют в работе и цифровых сервисах
• Использование ИИ становится заметно дешевле
• Сильные модели появляются у всё большего числа стран и компаний
• Для обучения и работы ИИ требуется всё больше вычислительных ресурсов и энергии
• Усиливается регулирование и требования к безопасности и этике

Сайт: https://systems-analysis.ru
Wiki: https://systems-analysis.ru/wiki
X (Twitter): https://x.com/system_ru
Telegram: https://t.me/systems_analysis_ru
Taplink: https://taplink.cc/systems_analysis_ru

Обзор простых правил промптинга для новичков: как говорить с ИИ, чтобы получать полезные и предсказуемые ответы. Видео простым языком объясняет, чем удачная формулировка отличается от размытой, показывает наглядные примеры постановки задачи и ожидаемого результата и помогает уверенно сделать первые шаги с нейросетями без перегруза терминами. Материал опирается на рекомендации команд, создающих ведущие LLM: Anthropic (Claude), Google (Gemini), Microsoft (Azure OpenAI), Amazon (Bedrock), Mistral, xAI (Grok) и OpenAI (ChatGPT). Подойдёт тем, кто только начинает и хочет быстро наладить продуктивный диалог с большими языковыми моделями.

Сайт: https://systems-analysis.ru
Wiki: https://systems-analysis.ru/wiki
X (Twitter): https://x.com/system_ru
Telegram: https://t.me/systems_analysis_ru
Taplink: https://taplink.cc/systems_analysis_ru

• GPT (OpenAI)
• Gemini (Google)
• Claude (Anthropic)
• Grok (xAI)
• Mistral
• DeepSeek
• YandexGPT
• Perplexity
• Qwen (Alibaba / Qwen Team)

Краткий гид по ключевым ИИ‑моделям (2025)

GPT (OpenAI)

Семейство GPT — универсальный «рабочий стандарт» для текста, кода и мультимодальности, от быстрых ответов до длинных аналитических цепочек. Ключевые направления линейки: универсальные GPT‑модели для повседневных задач, мультимодальные GPT‑4o для работы «голос‑картинка‑текст» и серия reasoning‑моделей «o», которые тратят больше вычислений на продуманное рассуждение. Для реального времени у OpenAI есть Realtime API с потоковой обработкой аудио/видео и моделью gpt‑realtime. Разработчикам доступен единый стек (API, инструменты, документация), включая function calling для подключения внешних сервисов и действий. Сильные стороны семейства — сбалансированная управляемость, зрелая инструментальность и широкий выбор профилей под разные бюджеты и задержки. С августа 2025 г. GPT‑5 — дефолтная модель ChatGPT;

Примеры моделей серии: GPT‑5, GPT‑4o, gpt‑realtime, o3, o4‑mini.

Сайт: chatgpt.com • Документация: OpenAI Models

Wiki: GPT — Systems Analysis Wiki

Gemini (Google)

Gemini — это семейство мультимодальных моделей Google с длинным контекстом и инструментами для «агентных» сценариев. Упор сделан на потоковый Live API: низкая задержка в голосе/видео и двусторонний стриминг подходят для ассистентов, встреч и мониторинга. Актуальные ветки включают Gemini 2.5 Pro (максимум «интеллекта»), 2.5 Flash (производительность/стоимость), 2.5 Flash‑Lite (минимальная задержка); часть моделей поддерживает настраиваемый «thinking budget». Для разработчиков доступно подключение инструментов (function calling), а также «код‑исполнение» в песочнице, что помогает моделям считать, строить графики и проверять гипотезы. Сильные стороны — тесная связь с экосистемой Google (Android, Firebase/Vertex AI, Search/Maps) и стабильная мультимодальность «из коробки».

Примеры моделей серии: Gemini 2.5 Pro, 2.5 Flash, 2.5 Flash‑Lite, 2.0 Flash

Сайт: gemini.google.com • Документация: Gemini API — Models

Wiki: Gemini — Systems Analysis Wiki

Claude (Anthropic)

Claude — семейство с фокусом на безопасность (подход Constitutional AI), аккуратность и устойчивое рассуждение. Серия известна очень длинным контекстом: Claude Sonnet 4 поддерживает до 1 млн токенов — удобно для «сквозного» анализа кодовых баз, договоров и отчётов. Для операционных задач у Claude есть tool use (вызов инструментов) и режим computer use: модель «видит» экран, двигает курсор, печатает и кликает, автоматизируя действия на рабочем столе. Линейка регулярно обновляется (например, Opus 4.1, Sonnet 4, Haiku 3.5/3.7) и доступна через API и облачных партнёров. Сильные стороны — управляемость ответов, контекстная «выносливость» и вежливый, деловой стиль по умолчанию.

Примеры моделей серии: Claude Opus 4.1, Claude Sonnet 4, Claude Haiku 3.5/3.7.

Сайт: claude.ai • Документация: Claude — Models Overview

Wiki: Claude — Systems Analysis Wiki

Grok (xAI)

Grok — семейство с упором на актуальные данные: модели сочетают нативное подключение инструментов и real‑time поиск, включая доступ к потокам X (бывш. Twitter). Линейка Grok 4 и Grok 4 Heavy нацелена на глубокое рассуждение; Heavy использует «параллельное мышление» (parallel test‑time compute), где несколько гипотез прорабатываются одновременно. Для кода выпущена ветка Grok Code Fast 1 с большим контекстом (до ~256 к токенов в API) и выгодной ценой для частых итераций. Модели доступны через веб‑клиент, приложение X и API. Сильные стороны — скорость обновления фактов, «агентные» сценарии и работа с трендами/потоками.

Примеры моделей серии: Grok 4, Grok 4 Heavy, Grok Code Fast 1

Сайт: x.ai/grok • Документация: xAI Docs

Wiki: Grok — Systems Analysis Wiki

Mistral

Mistral — это европейское семейство, которое делает акцент на open‑weight моделях и эффективных Mixture‑of‑Experts (SMoE). Модели Mixtral 8x7B и Mixtral 8x22B, выпущенные под лицензией Apache 2.0, предлагают отличное соотношение «качество/стоимость». Компания также предлагает коммерческие модели, такие как Mistral Large, Mistral Medium и Mistral Small, а также ассистента Le Chat. В документации описаны варианты с длинным контекстом, мультимодальностью (Pixtral) и поддержкой функций и инструментов через API. Преимущества включают контроль над данными, гибкость развертывания (от облака до edge) и понятную лицензию для кастомизации. Для корпоративных задач Mistral активно развивает экосистему агентов и интеграций, таких как SharePoint и Drive.

Примеры моделей серии: Mixtral 8x7B, Mixtral 8x22B, Mistral Large (2.x), Mistral Medium 3, Mistral Small 3/3.1.

Сайт: mistral.ai • Документация: Models Overview — Mistral

Wiki: Mixtral 8x7B — Systems Analysis Wiki

DeepSeek

DeepSeek — это семейство моделей с акцентом на рассуждение и прозрачность. Основная модель, DeepSeek-R1, подробно описана в научной статье и выпущена под лицензией MIT вместе с дистиллятами разного размера (1.5B–70B), что позволяет свободно использовать и адаптировать их в коммерческих целях. R1 использует методы RL для поощрения пошагового мышления и самопроверки. Доступны веб-чат и API-платформа. Параллельно разрабатывается практичная версия V3/V3.1 для повседневного применения. Модели из этого семейства часто выбирают для задач, требующих математических вычислений, работы с кодом и логичного объяснения ответов при невысокой стоимости использования.

Примеры моделей серии: DeepSeek‑R1, R1‑Zero (исследовательская вариация), V3/V3.1

Сайт: deepseek.com • Платформа/API: platform.deepseek.com

Wiki: DeepSeek — Systems Analysis Wiki

YandexGPT

YandexGPT — семейство для русскоязычных бизнес‑кейсов в Yandex Cloud с упором на интеграцию и эксплуатацию в корпоративной среде. Линейка YandexGPT 5 включает Pro/Lite: Pro справляется со сложными задачами и длинным контекстом (до ~32k токенов), Lite — для быстрых ответов в реальном времени. Поддерживаются function calling (вызов внешних API/инструментов), режимы синхронной/асинхронной/пакетной генерации, а также смежные сервисы (эмбеддинги, классификаторы, мультимодальные модели) в составе Foundation Models. Доступ есть через API и демо‑режим под Yandex ID. Ключевым преимуществом решения является нативная поддержка русского языка.

Примеры моделей серии: YandexGPT 5 Pro, YandexGPT 5 Lite.

Сайт: https://ya.ru/ai/gpt • Документация: Text generation models

Wiki: YandexGPT — Systems Analysis Wiki

Perplexity

Perplexity — это не «болталка», а ответ‑движок с обязательными цитатами и режимом «глубокого исследования» для многошагового поиска и обзоров. Для встраивания в продукты есть Sonar API с «заземлением» на веб‑источники, а также тарифы с расширенными квотами. Режим Deep Research автоматически запускает десятки поисков и агрегирует итоговый отчёт; подходит для рыночных обзоров, конкурентной разведки и аналитики. Сервис активно развивает линейку тарифов (Pro/Max/Enterprise) и распространяет идеи «answer engine» как сервиса с прозрачными источниками. Сильные стороны семейства — актуальность, объяснимость и аккуратное цитирование (подходит, когда важно «проверить первоисточник»).

Примеры моделей/режимов серии: Perplexity (Pro/Max), Deep Research, Sonar API.

Сайт: perplexity.ai • API: Sonar by Perplexity

Wiki: Perplexity — Systems Analysis Wiki

Qwen (Alibaba / Qwen Team)

Семейство Qwen — открытые по весам модели Alibaba Cloud для текста и мультимодальности (текст + картинка + аудио + видео), ориентированные на прикладные сценарии от чата до аналитики. Линейка Qwen3 объединяет «плотные» и MoE‑варианты в диапазоне от 0.6B до 235B параметров, причём ключевые модели распространяются с открытыми весами под Apache‑2.0. Отличительная особенность поколения — гибридное рассуждение с переключением Thinking / Non‑Thinking и настройкой thinking budget для баланса глубины, задержки и стоимости. Для мультимодальности доступна ветка Qwen2.5‑Omni с потоковой генерацией речи и обработкой видео/аудио в реальном времени. Есть специализированные направления для кода и математики, а также отдельная reasoning‑модель.

Примеры моделей серии: Qwen3‑235B‑A22B (MoE), Qwen3‑32B, Qwen2.5‑Omni‑7B, QwQ‑32B

Сайт: qwen.ai • Документация: What is Qwen LLM
Wiki: Qwen — Systems Analysis Wiki

Сайт: https://systems-analysis.ru
Wiki: https://systems-analysis.ru/wiki
X (Twitter): https://x.com/system_ru
Telegram: https://t.me/systems_analysis_ru
Taplink: https://taplink.cc/systems_analysis_ru