Главный учёный OpenAI предложил лимит скорости ИИ: перплексия GPT-4 — 0,91, сейчас ниже 0,8
Чтобы ограничить скорость развития ИИ, нужен общий «спидометр». Якуб Пачоцкий из OpenAI предлагает перплексию: она показывает, насколько точно модель угадывает следующий токен (кусочек слова), и чем число ниже, тем модель сильнее. У GPT-4 это число было около 0,91, сейчас ниже 0,8 — и на этом уровне, по его словам, появились сильные навыки в кибербезопасности и математике. Компании могли бы не переходить порог, пока не научатся контролировать модели.
AI-обработка оригинала TechCrunch; редакция Hamidun News
Представьте, что нужно ввести ограничение скорости на дороге, но у машин нет спидометров: каждый меряет «быстро» по-своему. Примерно в такой ситуации оказались разговоры о том, чтобы притормозить развитие ИИ. Главный учёный OpenAI Якуб Пачоцкий предложил такой спидометр: перплексию. Это число показывает, насколько точно языковая модель угадывает следующий токен (кусочек слова) в обычном тексте. Чем оно ниже, тем лучше модель. У GPT-4 оно было около 0,91, а сейчас у моделей OpenAI опустилось ниже 0,8. Ниже разберём, почему именно эта метрика и что из этого следует.
Зачем вообще понадобился «спидометр»
Тема замедления ИИ перестала быть уделом активистов. Бывший исследователь OpenAI и Anthropic заявил, что компании «играют нашими жизнями». В заявке Anthropic на IPO прямо сказано, что технология может нести «катастрофические или экзистенциальные риски для общества». Глава Anthropic Дарио Амодеи опубликовал план «задать темп фронтиру», который, судя по реакции, поддержали Сэм Альтман и Илон Маск. Амодеи предлагал, чтобы компании согласовали общие стандарты безопасности и пределы для скорости неконтролируемого прогресса.
Но чтобы поставить лимит скорости, надо договориться, чем её мерить. Именно на этот вопрос отвечает пост Пачоцкого. Альтман назвал его «самым важным, что OpenAI опубликовала за последнее время».
Почему перплексия, а не привычные бенчмарки
Тесты на прикладные навыки (решение задач, написание кода, олимпиадная математика) быстро устаревают: модели упираются в потолок, и тест перестаёт отличать новую версию от предыдущей. Перплексия, по словам Пачоцкого, остаётся «информативной», пока другие бенчмарки сменяют друг друга. Проще говоря, она измеряет, насколько редко модель «удивляется» реальному продолжению фразы. Это не связано со стартапом Perplexity, у которого просто такое же название.
В посте есть график: как падала перплексия моделей OpenAI начиная с GPT-3.5. Пачоцкий приводит две отметки. GPT-4 с показателем около 0,91 уже умела продуктивно рассуждать по цепочке мыслей. Это подтолкнуло команду специально развивать такой навык и создавать современные модели-рассуждатели. Теперь, когда значение ошибки предсказания (в тексте поста она названа loss) ниже 0,8, по его словам, появились «преобразующие» способности в кибербезопасности и математике.
Отсюда идея: перплексия может стать основой «общего бенчмарка интеллекта», а на его базе компании установят «общие лимиты». Они пообещали бы не переходить определённый порог, пока способность понимать и отслеживать поведение ИИ не достигнет конкретной отметки. Пауза привязана не к календарю, а к тому, насколько хорошо люди научились видеть, что происходит в моделях.
Что остаётся за кадром
Пока это предложение одной компании, а не соглашение отрасли. В пересказе TechCrunch нет конкретного порога, нет механизма проверки того, что конкурент не обходит ограничение, и нет ответа, кто будет считать цифры.
Практические вопросы очевидны. Перплексию считают на конкретном наборе текстов и с конкретным токенайзером, поэтому честное сравнение моделей разных компаний требует общего тестового корпуса. Закрытым лабораториям придётся делиться хотя бы этим измерением. Кроме того, показатель связан с реальными навыками лишь косвенно. Пример с кибербезопасностью и математикой показывает корреляцию, а не гарантию: какие именно способности появятся при следующем снижении, заранее неизвестно.
Что это значит для разработчиков и продактов
Сейчас вывод скорее стратегический. Если идея станет отраслевым стандартом, темп выхода новых фронтирных моделей может зависеть от публично согласованного порога, а не только от готовности железа и бюджета. Это отразится на дорожных картах провайдеров API и на том, как быстро команды смогут рассчитывать на следующее поколение моделей. Следить стоит за тремя вещами: назовёт ли OpenAI конкретное число, присоединятся ли к схеме Anthropic и Google и появится ли независимый орган, который будет эти цифры проверять.
- 22 нояб. 2026 г.Бэкендер без опыта в Unity сделал 3D-игру с ИИ-агентом: набор подписок стоит 112$
- 22 нояб. 2026 г.OpenAI раскрыла ошибку угадывания слов у своих моделей: с 0,99 у GPT-3.5 до ниже 0,8
- 22 нояб. 2026 г.Ahrefs: бренд с 10-кратным числом упоминаний в вебе получает в ИИ лишь в 3,7 раза больше
- 22 нояб. 2026 г.Axiom Math с ИИ записала гигантское доказательство в 43,1 млн строк кода Lean за 24 дня
Вопросы и ответы по материалу
Что известно по теме: зачем вообще понадобился «спидометр»?
Тема замедления ИИ перестала быть уделом активистов. Бывший исследователь OpenAI и Anthropic заявил, что компании «играют нашими жизнями». В заявке Anthropic на IPO прямо сказано, что технология может нести «катастрофические или экзистенциальные риски для общества». Глава Anthropic Дарио Амодеи опубликовал план «задать темп фронтиру», который, судя по реакции, поддержали Сэм Альтман и Илон Маск.
Что известно по теме: почему перплексия, а не привычные бенчмарки?
Тесты на прикладные навыки (решение задач, написание кода, олимпиадная математика) быстро устаревают: модели упираются в потолок, и тест перестаёт отличать новую версию от предыдущей. Перплексия, по словам Пачоцкого, остаётся «информативной», пока другие бенчмарки сменяют друг друга. Проще говоря, она измеряет, насколько редко модель «удивляется» реальному продолжению фразы. Это не связано со стартапом Perplexity, у которого просто такое же название.
Что известно по теме: что остаётся за кадром?
Пока это предложение одной компании, а не соглашение отрасли. В пересказе TechCrunch нет конкретного порога, нет механизма проверки того, что конкурент не обходит ограничение, и нет ответа, кто будет считать цифры. Практические вопросы очевидны. Перплексию считают на конкретном наборе текстов и с конкретным токенайзером, поэтому честное сравнение моделей разных компаний требует общего тестового корпуса. Закрытым лабораториям придётся делиться хотя бы этим измерением.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.