Обзор рынка искусственного интеллекта
Компания OpenAI представила GPT-4.1, преемника мультимодальной модели искусственного интеллекта GPT-4o, выпущенной компанией в прошлом году. В OpenAI считают, что GPT-4.1 имеет ещё более широкое контекстное окно и превосходит GPT-4o практически во всех аспектах. Особенно заметно улучшение в кодировании и выполнении инструкций.
GPT-4.1 теперь доступен разработчикам вместе с двумя версиями модели меньшего размера. К ним относятся GPT-4.1 Mini, и GPT-4.1 Nano, ещё более облегчённая модель, которая, по словам OpenAI, является самой маленькой, быстрой и дешёвой на данный момент. Все три модели могут обрабатывать до миллиона токенов контекста – текста, изображений или видео. Это намного больше, чем 128 000 токенов, на которые рассчитан GPT-4. GPT‑4.1 лучше, чем GPT‑4o, распознает релевантный текст и игнорирует отвлекающие факторы в длинных и коротких контекстах. GPT 4.1 также на 26% дешевле, чем GPT-4o.
Кроме того, теперь ChatGPT сможет запоминать полезные детали между чатами, что позволит сделать ответы более персонализированными и релевантными. Когда пользователь общается с ChatGPT, будь то набор текста или запрос генерации изображения, будет запоминать полезный контекст из предыдущих разговоров, например предпочтения и интересы, и использовать это для адаптации своих ответов. Чем больше используется ChatGPT, тем полезнее для клиента он становится. ChatGPT также может использовать воспоминания для информирования поисковых запросов, когда ChatGPT ищет в Интернете с помощью сторонних поставщиков поиска. Пользователь сам контролирует то, что запоминает ChatGPT. У него есть возможность удалить отдельные воспоминания, очистить определенные или все сохраненные воспоминания или полностью отключить память в настройках. Если клиент планирует общаться, не используя или не обновляя память, стоит использовать временные чаты, которые не будут ссылаться на имеющиеся воспоминания и не будут создавать новые.
В чат-боте Grok от xAI появилась новая функция – ответы на вопросы о том, что видно на камере смартфона. Аналогичные функции распознавания в реальном времени были доступны Gemini и ChatGPT от Google. xAI анонсировала запуск Grok Vision, который позволяет пользователям указывать телефоном на такие объекты, как товары, знаки и документы, и задавать о них вопросы. Grok Vision доступен в приложении Grok для iOS, но пока не доступен в приложении Grok для Android. Другие новые возможности, запускаемые в Grok, включают многоязычное аудио и поиск в режиме реального времени в голосовом режиме. Ранее xAI добавила в Grok компонент «памяти», который позволяет боту использовать детали из прошлых диалогов. В Grok также появился инструмент, похожий на холст для создания документов и приложений.
Google объявила о выпуске предварительной версии Gemini 2.5 Pro (I/O edition), обновлённой версии своей флагманской модели искусственного интеллекта Gemini 2.5 Pro. Предварительная версия Gemini 2.5 Pro (версия I/O) доступна через API Gemini и платформы Vertex AI и AI Studio от Google по той же цене, что и модель Gemini 2.5 Pro, которую она фактически заменяет.
Google отмечает, что Gemini 2.5 Pro Preview (версия I/O) лидирует в рейтинге WebDev Arena, бенчмарке, который измеряет способность модели создавать эстетически привлекательные и функциональные веб-приложения. Gemini 2.5 Pro Preview (версия I/O) также демонстрирует высокую производительность в распознавании видео, набрав 84,8% баллов в одном из популярных бенчмарков – VideoMME.
Помимо этого, у Google появился новый инструмент ИИ, который помогает пользователям iPhone понимать сложные или запутанные тексты в Интернете. Функция генерирует более простую версию выделенного текста оставаясь на текущей веб-странице. Simplify создан на основе модели Gemini AI от Google.
По заявлению DeepMind, Лаборатории Google по исследованиям и разработкам в области ИИ, им удалось разработать новую систему искусственного интеллекта для решения проблем с помощью «машинно-обучаемых» решений. В ходе экспериментов система под названием AlphaEvolve может помочь оптимизировать инфраструктуру, которую Google использует для обучения своих моделей ИИ. AlphaEvolve представляет интеллектуальный механизм для сокращения числа галлюцинаций: систему автоматической оценки. Система использует модели для генерации, критики и поиска возможных ответов на вопрос, а также автоматически оценивает и ранжирует ответы по точности.
Microsoft начинает тестирование обновления Copilot Vision, которое может «видеть» экран. Приложение дает возможность делиться своим экраном или приложениями с помощником на основе ИИ. Copilot Vision сможет анализировать фотографии и веб-страницы, на которые смотрит пользователь. Функция позволит запрашивать у ИИ-помощника информацию о содержимом файла на ПК. Поиск поддерживает файлы .docx, .xlsx, .pptx, .txt, .pdf, .json.
IBM поможет клиентам интегрировать множество агентов ИИ. Инструменты IBM, которые помогут клиентам создавать собственных агентов основаны на семействе моделей искусственного интеллекта IBM Granite, а также на альтернативных решениях Meta Platforms (Meta запрещена в России). Процесс займет менее пяти минут.
Яндекс представил масштабное обновление Алисы. Она стала полноценным AI-ассистентом, который умеет рассуждать, работать с файлами, распознавать увиденное через камеру смартфона, свободно и без акцента говорить по-английски и заниматься с детьми разного возраста в игровой форме. Новые возможности появились благодаря применению языковой модели YandexGPT 5 Pro и мультимодальной нейросети Яндекса (Visual Language Model, VLM). Теперь в чате с Алисой появился режим рассуждений. Прежде чем ответить на вопрос, Алиса анализирует его и выстраивает логическую цепочку рассуждений, следить за ходом её мысли можно в реальном времени. Режим рассуждений подходит для решения физико-математических задач, работы со сложным кодом, многофакторного анализа и других трудоёмких задач. Сейчас этот режим работает в бета-версии. Алиса будет полезна тем, кто хочет улучшить навыки разговорной речи. Если озвучить команду «Алиса, давай практиковать английский», включится диалоговый тренажёр, который позволяет беседовать с Алисой на английском и получать обратную связь. Алиса способна говорить на разные темы, задавать вопросы, помогать с переводом незнакомых слов и разбирать ошибки. Помимо этого, Алису теперь можно привлекать к работе с файлами. Она сможет изучить документ, выделить в нём главное и ответить на вопросы. Ассистент работает с файлами в форматах PDF, TXT, DOC и DOCX. Например, можно показать Алисе многостраничный договор и попросить найти условия поставки. В чат также можно загрузить картинку или фотографию, чтобы задать вопрос о ней.
Помимо этого, Яндекс разрабатывает мультимедийную платформу Яндекс Авто. Она позволяет управлять голосом не только сервисами Яндекса, но и системами автомобиля, например, можно попросить Алису опустить стекло или настроить климат-контроль. Прототип платформы интегрирован с умным домом Яндекса.
