Ринок ШІ кипить: чати OpenAI і дебют Grok, Gemini, Claude

У регулярному дайджесті новин High Bar Journal запрошені експерти розповідають, що у їх галузі варто уваги. Сьогодні новинами з ринку ШІ ділиться Сергій Бриль, Head of Data Science and Analytics в LetyShops.

Розбираємось, чому великі мовні моделі насправді не «думають», кому потрібні групові чати від OpenAI та що потужніше — Gemini 3, Claude Opus 4.5 або Grok 4.1.

OpenAI запустив групові чати. Як це змінить командні взаємодії? 

OpenAI перетворює ChatGPT з «індивідуального помічника» на інструмент для колективної роботи. 

Плюси групових чатів:

• Менше фрагментованості і дублювання: не треба пересилати відповіді — ШІ працює в тому ж чаті, де люди.

  
  

• Швидші узгодження: модель стає спільним асистентом і радником, який може одразу підсвітити варіанти, запропонувати порівняння і вказати на ризики.

  
  

• Легше залучати команду до впровадження ШІ: одного досвідченого користувача в чаті достатньо для роботи. Інші можуть навчатися поступово.

  
  

OpenAI розширює можливість групового використання ШІ. Це створює мережевий ефект: якщо одна людина активно працює з ChatGPT, то вона може втягнути групу в цей досвід.

Думаю, функція буде затребувана — вона додає ШІ у вже існуючий спосіб взаємодії – групові чати; поріг входу мінімальний, а користь очевидна для брейнштормів, рев’ю, планування.

Ризики використання:

• Приватність і безпека. У командних чатах не завжди можна винести чутливу інформацію, що важлива для контексту, але не може бути розкрита.

  
  

• Залежність від інфраструктури OpenAI. Виникнення суттєвої, більш критичної ніж персональна, залежності від інфраструктури OpenAI, через яку обробляються запити.

  
  

• Втрата переваг командної дискусії. ШІ випадково може виступати арбітром, хоча не має наміру чи компетенції бути ним. Команда може надто покладатися на ChatGPT, не переосмислюючи, не дискутуючи і втрачати перевагу конструктивної командної роботи.

  
  

• Розмиття відповідальності. ШІ може генерувати пропозиції і результати обговорення, але поки не в змозі нести відповідальність за виконання. З такою перспективою ще варто навчитися працювати.

  
  

• Конфлікт контекстів. У багатосторонніх розмовах модель може неправильно пріоритизувати повідомлення або «розтлумачувати» наміри учасників, які мають додаткові контексти (політичні, організаційні, емоційні тощо).

  
  

Групові чати відкривають новий рівень продуктивності, проте  водночас вимагають нової дисципліни. Потрібно зрозуміти, як працювати з ШІ так, щоб не втратити сильні сторони людської командної динаміки.

Дослідження показують, що мова не дорівнює інтелекту. Але ШІ-проєкти це ігнорують.

Улюблена мантра очільників великих технологічних компаній (OpenAI, Anthropic, Meta): «AGI (загальний штучний інтелект) вже на горизонті».

Натомість, фахівці і науковці, зокрема Ян ЛеКун, «батько» глибинного навчання, вважають інакше. Саме ЛеКун — один із найгучніших скептиків ідеї, що збільшення параметрів мовних моделей автоматично приведе до AGI. Він просуває альтернативну архітектуру – world models, системи, що розуміють світ, а не лише мову.

Нам здається, що моделі «думають», тому що ми самі погано відокремлюємо мову від мислення, часто вважаючи, що це — елементи однієї системи. Тому, коли моделі краще «говорять», то нам здається, що вони краще думають. Саме це доводить дослідження вчених MIT та Берклі, котре фігурує у статті.

Якщо ми й далі спиратимемось на ідею, що більші LLM є головним шляхом до AGI, це справді може завести розвиток у методологічний тупик: ми покращуватимемо симуляцію мови, а не саме інтелектуальне пізнання.

Але обмеження здатності LLM є тільки межею конкретної парадигми. Як цьому запобігти? Власне, усвідомлювати це обмеження, вивчати і дискутувати навколо цієї теми із залученням експертів, а не тільки тих, хто отримує вигоду від цього, орієнтуватися не лише на мовні бенчмарки, а на задачі, де потрібно ставити нові запитання, а не лише відповідати на старі (наукові гіпотези, дизайн експериментів, довгострокове планування).

Не варто вимагати від LLM загального інтелекту. Варто вбудовувати їх у ширші архітектури.

Вийшла нова модель Grok, Antrophic запустив нову модель Claude , а Google — Gemini

Найновіші Gemini 3, Claude Opus 4.5 і Grok 4.1 варто сприймати як «важку артилерію» нового циклу LLM. На фоні цієї трійки OpenAI вже не виглядає очевидним центром тяжіння. Ринок більше схожий на «мультиполярний» – з різними моделями під конкретні сценарії.​

Gemini 3: ставка на глибоку інтеграцію з екосистемою Google

• Gemini 3 розкривається саме в екосистемі Google: Workspace-доступ, глибока інтеграція з сервісами та «довгий» контекст роблять його природною точкою входу в щоденну роботу.​

  
  

• Бенчмарки фіксують дуже сильні результати в абстрактному візуальному та мультимодальному міркуванні. Експерти сприймають це як ставку Google на «агентність» та складні довгі завдання – від аналізу великих кодових баз до роботи з масивами документів.​

Claude Opus 4.5: ставка на серйозні робочі завдання

• Opus 4.5 називають «найкращою моделлю на ринку» і вперше за довгий час говорять про майже одностайне захоплення: модель виривається вперед у агрегованих рейтингах, випереджаючи навіть GPT‑5.1 та топові версії Gemini.​

  
  

• У корпоративному сегменті Opus 4.5 сприймають як інструмент «серйозної роботи»: він показує рекордні результати на складних інженерних тестах, піднімає точність фінансового моделювання та Excel‑автоматизації і при цьому стає дешевшим, ніж попередні Opus‑моделі. Це робить його реальним кандидатом у «дефолтний» робочий інструмент.​

  
  

Grok 4.1: ставка на емоційний інтелект

• Grok 4.1 зайшов в нішу «розумного співрозмовника з характером»: модель різко додала в емоційному інтелекті й творчих задачах, а також суттєво знизила рівень галюцинацій, що підсилює її як помічника для довгих діалогів і сценарного письма.​

  
  

• Огляди наголошують на двох сильних картах Grok: top‑позиціях на публічних текстових та креативних лідербордах і глибокій інтеграції з X, що робить його особливо привабливим для тих, хто працює з потоками новин і живим інформаційним середовищем.

Цей цикл оновлень LLM – не стільки боротьба за звання найрозумнішої моделі, скільки конкуренція екосистем за глибину входу в робочі процеси і повсякденне життя.