Год, когда ИИ перестал гадать и начал думать
Помните начало 2025? Все обсуждали DeepSeek R1. Китайская модель, которая показывала свою "кухню" — как она решает задачи. Это было мило. Как детский конструктор. Потом пришёл o1 от OpenAI. И всё стало серьёзно.
o1 был первым, кто заставил нас пересмотреть всё, что мы знали о взаимодействии с ИИ. Вместо промптов-заклинаний — диалог. Вместо мгновенного ответа — пауза. Модель думала. Буквально. Вы могли видеть, как она разбирает проблему на части, строит гипотезы, отбрасывает ошибочные пути.
Разработчики сначала злились: "Зачем мне ждать 30 секунд, если GPT-4 отвечает за 2?" Потом увидели, что эти 30 секунд экономили им часы отладки. Потому что o1 почти никогда не выдавал откровенную чушь. Если не знал — говорил "не знаю". Если сомневался — объяснял, в чём именно сомневается.
o3: Когда reasoning стал дешёвым
o1 был прорывом. Но дорогим. Очень. OpenAI поняли это быстро. o3 вышел через три месяца — в три раза быстрее, в два раза дешевле. И здесь началась настоящая революция.
Разработчики массово перешли на o3 для code review. Не для генерации кода — для ревью. Потому что модель не просто искала синтаксические ошибки. Она понимала архитектурные проблемы. "Ты здесь нарушаешь принцип единственной ответственности", "Этот кэш будет утекать при высокой нагрузке", "А что если сервис Б упадёт?" — такие комментарии стали обычными.
RLVR: Reinforcement Learning from Verifier's Reasoning
Вот где начинается техническая магия 2025 года. RLVR — новый подход к обучению, который объясняет, почему o-серия так резко ушла в отрыв.
Раньше модели учились на правильных ответах. RLVR учит их на правильных процессах мышления. Верификатор — другая модель — не просто проверяет ответ. Она анализирует цепочку рассуждений. Находит слабые места в логике. И награждает не за "угаданный" ответ, а за корректный путь к нему.
| Подход | Чему учится модель | Результат |
|---|---|---|
| Традиционный RLHF | Давать ответы, которые нравятся людям | Политкорректно, но иногда неверно |
| RLVR | Строить корректные цепочки рассуждений | Логично, даже если ответ неприятен |
Практический эффект? Модели перестали "халтурить". Они не выбирают самый правдоподобный ответ из тренировочных данных. Они решают задачу с нуля. Каждый раз. Как если бы каждый раз писали код заново, а не копировали из Stack Overflow.
o4 и inference-scaling: Почему bigger isn't always better
o4 вышел в октябре. Все ждали монстра с триллионом параметров. Получили модель, которая меньше o3. И это был самый важный урок года.
OpenAI наконец-то признали: качество reasoning зависит не от размера модели, а от архитектуры inference. Inference-scaling — новый тренд, который перевернул индустрию. Вместо того чтобы наращивать параметры, инженеры оптимизируют процесс "размышления" модели.
Внимание: inference-scaling не имеет ничего общего с обычным масштабированием. Это не "дайте мне больше GPU". Это "дайте модели больше времени на размышления в рамках одного запроса". o4 мог тратить до 5 минут на сложную задачу, последовательно проверяя и перепроверяя решение.
Что это значит для разработчиков? Конкретно
1 Конец эпохи промпт-инженерии
Забудьте про многостраничные промпты с примерами и ограничениями. Reasoning-модели понимают задачу из обычного описания. Вместо "напиши функцию, которая принимает массив чисел и возвращает..." можно сказать "мне нужно обработать пользовательские данные, вот проблема...". Модель сама предложит архитектуру.
2 Отладка становится проще, но сложнее
Проще — потому что модель показывает ход мыслей. Вы видите, где она ошибается. Сложнее — потому что теперь нужно понимать логику ИИ, а не просто искать синтаксические ошибки. Это требует другого уровня абстракции.
3 Локальные модели догоняют
Ministral-3-14B-Reasoning показала, что reasoning — не эксклюзив больших компаний. Маленькая модель, которая работает на потребительском железе, но использует те же принципы RLVR. В нашем разборе её результатов мы подробно объясняли, как им это удалось.
А что другие игроки? Не только OpenAI
Google с Gemini 3.5 Reasoning Edition сделали интересный ход — сосредоточились на мультимодальном reasoning. Их модель не просто думает о тексте. Она анализирует изображения, схемы, графики, и строит рассуждения на основе визуальных данных. Для разработчиков, работающих с компьютерным зрением, это изменило правила игры.
Anthropic с Claude 3.5 Reasoning пошли по пути специализации. Их модель лучше всех справляется с юридическими и финансовыми документами. Потому что обучена на специфических цепочках рассуждений из этих областей.
Проблемы, которые никто не ожидал
Reasoning-модели создали новые классы проблем:
- Объяснимость vs эффективность: Модель показывает ход мыслей, но эти "мысли" занимают в 10-100 раз больше токенов. Стоимость inference взлетела.
- Ложная уверенность: Когда модель подробно объясняет своё решение, люди склонны доверять ей больше, даже если рассуждение содержит скрытую ошибку.
- Временная сложность: 5-минутные размышления на каждый запрос — неприемлемо для реальных продуктов. Приходится балансировать между качеством и скоростью.
Что дальше? Прогноз на 2026
o4, скорее всего, станет последней моделью в чистом reasoning-формате. Дальше пойдёт гибридизация. В нашем прогнозе на 2026 мы предполагаем, что reasoning станет опциональным режимом, а не основной архитектурой.
Модели будут определять сложность задачи на лету. Простые запросы — быстрый ответ. Сложные — включается reasoning-режим. Уже сейчас в лучших opensource LLM появляются такие переключатели.
Совет разработчикам на 2026: не зацикливайтесь на конкретной модели. Изучайте принципы. RLVR, inference-scaling, специализированные цепочки рассуждений — эти концепции переживут любые ребрендинги. Когда вы понимаете, как работает reasoning, вы можете эффективно использовать любую модель, которая появится завтра.
P.S. Самый неочевидный урок 2025: reasoning-модели научили нас ценить процесс, а не результат. Может быть, и людям стоит иногда делать паузу и показывать свою "кухню"?
