Новые модели и пересмотр рейтингов
Неделя выдалась насыщенной релизами и обновлением метрик. Kimi K3.1 Pro стал следующим крупным шагом для экосистемы с открытыми весами: хостинг уже доступен, полные веса обещают выпустить к 4 ноября. OpenAI представила GPT-6.1 Terra, сделав ставку на экономичное использование вычислительных ресурсов для задач компьютерного зрения и агентов.
Важное обновление претерпел Intelligence Index от Artificial Analysis (версия v5). Теперь приватные тесты и скрытые ответы составляют 60% веса оценки (ранее было 45%), что изменило расстановку сил. Anthropic и OpenAI занимают топ-5, но разрыв между лидерами и остальными вырос.
Сравнение производительности моделей
При максимальном усилии рассуждения (reasoning effort) лидеры показывают результаты, значительно превышающие конкурентов. Ниже приведены ключевые метрики из обновленного индекса:
| Модель | Оценка (Max Reasoning) | Примечание |
|---|---|---|
| Opus 5.5 (Anthropic) | 58 | Лидер рейтинга |
| GPT-6 Astra (OpenAI) | 57 | Второе место |
| Kimi K3.1 Pro | 46 | Отстает на 12 баллов (ранее — на 3) |
| Лучшие открытые модели | 32 | Разрыв с лидером — 26 баллов |
Отмечается, что многие модели были «переобучены» на известных бенчмарках (benchmaxxing), тогда как Opus и Astra демонстрируют реальное превосходство в широком спектре задач.
Где рождается реальный ROI: пример Meta
Вопрос окупаемости инвестиций в ИИ (AI ROI) часто сводится к выручке самих лабораторий, но данные Meta показывают иную картину. Выручка на сотрудника в Meta выросла на 27% между Q4 2025 и Q3 2026, и на 205% с Q3 2022 (до запуска ChatGPT). Если бы уровень продуктивности 2022 года сохранился при текущем штате, выручка компании составляла бы около $85 млрд, а не $258 млрд (годовые темпы Q3 2026). Разница в $174 млрд — это грубая оценка вклада ИИ и других факторов, которая уже превышает совокупную годовую выручку OpenAI и Anthropic.
Внутренняя эффективность: Anthropic и OpenAI
Лаборатории сами являются главными бенефициарами внедрения. В отчете S-1 Anthropic указано, что объем кода, генерируемого одним инженером в Q3, превысил средний показатель 2024 года в 45 раз. Выручка на сотрудника (LTM) выросла с $1.4 млн до более чем $6.6 млн за год. Использование Claude внутри компании выросло в 250 раз, а ежемесячные затраты на ИИ уже превысили расходы на персонал (без учета акций).
Проблема внедрения в корпоративном секторе
Несмотря на успехи лабораторий, корпоративный сектор все еще упускает возможности. Агенты часто используются как простые чат-боты 2023 года, а расходы на токены искусственно ограничиваются. Высокая производительность на сотрудника оправдывает огромные капитальные затраты, но только если бизнес-процессы адаптированы для использования вычислительных мощностей, а не просто для генерации текста.
Источник: Towards AI newsletter ↗