Один вопрос мучает разработчиков и бизнесы с первого дня популярности LLM: почему GPT-4.5, а не сразу 5? Почему одни версии похожи по поведению, а другие — будто с нуля? Ted Sanders из OpenAI дал развёрнутый ответ, и он оказался проще, чем казалось.
Контекст
Цитата появилась в блоге Simon Willison, который давно собирает важные высказывания из мира AI. Sanders отвечал на вопрос о логике нумерации моделей — и начал с базового принципа: производительность LLM многомерна. Модель, которая лучше пишет шутки, не обязательно лучше в математике. Единого рейтинга, по которому модель A строго лучше модели B, не существует.
Но при всей сложности большую часть различий объясняет один показатель — размер модели. Больше параметров: выше надёжность и производительность, лучше воспроизведение редких и специфических фактов, выше стоимость за токен. Всё остальное — нюансы поверх этого.
Sanders упоминает внутреннее кодовое имя Luna как часть линейки моделей — деталь, которая подтверждает: у OpenAI есть внутренняя иерархия, выходящая за рамки публичных названий.
Аналитика
Ключевой момент — объяснение системы нумерации на конкретном примере: если модель называется 6.1, это одновременно три вещи. Первое — порядок выхода: запущена после 5.6. Второе — родство: разделяет что-то с другими моделями серии 6.x по тренировочным данным и «личности». Третье — масштаб: не настолько большой прыжок, чтобы называться 7 и нести соответствующие ожидания.
Это важно понять правильно. OpenAI не присваивает цифры произвольно. «6.1 — это не 5.7» означает, что внутри произошло что-то принципиальное: другие данные, другой характер поведения. Но до 7 не дотянули — базовые характеристики и позиционирование принципиально не изменились. Номер версии — это инженерная информация, упакованная в маркетинговую форму.
Для рынка это прямой сигнал: компании, которые автоматически выбирают «самую свежую» модель, переплачивают за размер там, где им достаточно надёжности и скорости. А те, кто не тестирует промпты при смене серии, получают неожиданную деградацию — модели разных серий «ведут себя» по-разному, даже если формально новее.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если у тебя агент, который обрабатывает запросы или классифицирует тикеты — не бери последнюю модель автоматически. Меньшая модель может справляться на 90% качества за треть цены. Алгоритм простой: сначала бенчмарк на своих реальных данных, потом выбор. Логика Sanders подтверждает: для рутинных задач размер избыточен.
Корпорация с legacy-инфраструктурой. При интеграции LLM в корпоративный workflow важно помнить: переход внутри одной серии (например, с 6.0 на 6.1) даёт предсказуемое поведение — «личность» и стиль модели сохраняются. Прыжок в следующую серию требует полного переосмысления и тестирования промптов. Закладывайте это в план миграции.
SMB и локальный бизнес в КР/СНГ. При ограниченном бюджете и задачах типа генерации типовых текстов, ответов на FAQ, простой суммаризации — меньшие модели полностью справляются. «Маленькая» в логике Sanders — вполне надёжная для большинства бизнес-задач. Слабее она только в воспроизведении редких, специфических фактов — что для стандартных операционных задач некритично.
Кейсы в личной жизни
Разработчик. Используешь несколько моделей параллельно? Теперь понятно, почему разные серии «ведут себя» иначе: разные тренировочные данные, разная «личность». Для написания кода — тестируй конкретно под свои задачи, не полагайся только на общие бенчмарки. Иногда «старая» модель лучше именно для твоего паттерна.
Контент-мейкер. Хочешь понять, почему «новая» модель пишет заголовки иначе, чем привычная? Скорее всего, смена серии изменила «личность» модели. Решение: добавь в промпт явное описание нужного тона и стиля — это компенсирует поведенческий сдвиг при переходе между сериями.
Студент и исследователь. При работе с редкими фактами, нишевой литературой, историческими деталями — Sanders прямо говорит: именно размер модели даёт лучшее воспроизведение эзотерических знаний. Маленькая модель может уверенно ошибаться там, где большая вспомнит правильно.
Как применить сегодня
- Читай номер версии как сигнал: смена первой цифры — новая серия с другим поведением, тестируй промпты заново. Смена второй — улучшение внутри серии, совместимость выше.
- Для задач с высокой точностью (медицина, право, технические факты) — выбирай большую модель. Для рутины (суммаризация, классификация, шаблонные тексты) — меньшую.
- Не верь «лучшая модель на рынке». Запускай собственный бенчмарк на 50–100 реальных входных данных своей задачи — это единственный способ узнать правду.
- При переходе между версиями одного вендора внутри одной серии: стоимость за токен растёт с размером, а качество для твоей задачи — нет. Ищи точку насыщения.
- Фиксируй версию модели в продакшн-коде явно. Обновление «на последнюю» без тестирования — риск деградации поведения, особенно при смене серии.