Прежде всего хочу отметить: всё, что вы прочитаете ниже — это исключительно мой личный опыт работы с нейросетями за последний месяц. Никаких отзывов-однодневок или рекламных посылов: делюсь настоящими наблюдениями, чтобы, возможно, кто-то избежал моих граблей.
Почему я больше не использую GPT-4o и почему пришлось перестроиться
Ещё недавно я активно экспериментировал с разными версиями GPT, но в какой-то момент 4о просто перестал меня устраивать. Пользоваться им — что через API, что внутри самого ChatGPT — стало бессмысленно: модель перестала держать контекст. Она не воспринимает историю диалога, игнорирует мои инструкции, не реагирует на ограничения и требования к формату. Любые задачи, где важна последовательность или учёт нюансов, стали для 4о неподъёмными.
В итоге я перевёл свои GPT-чаты минимум на 4.1, а ещё стал использовать o3 в случаях, когда важно видеть «мыслящую» модель — ту, что действительно анализирует вопрос, а не просто выдаёт шаблонный ответ.
Как распределились задачи между моделями GPT-4.1, 4.5 и о3
Постепенно для себя я выработал чёткое разделение:
- 4.1 — базовая рабочая лошадка для большинства рутинных задач, когда важна экономия на запросах и стабильность (ключевые слова: GPT-4.1, ChatGPT).
- о3 — если нужно детально подумать над решением и получить максимально выверенный результат.
- 4.5 — если речь о текстах, презентациях, творческих задачах, где нужно и красиво, и по делу (ключевые слова: GPT-4.5, генерация контента).
Плюс открыл для себя мощную функцию глубокого исследования в ChatGPT: если стоит задача провести анализ рынка, проверить гипотезу или «просветить» нишу — даёт реально клёвый, подробный аудит.
Мои ожидания от GPT-5 и почему на деле всё получилось иначе
Когда анонсировали обновлённую модель GPT-5, я был настроен очень оптимистично. Надежд было много: пророковали операционную систему для ИИ и упор на самостоятельное мышление модели (ключевые слова: GPT-5, новая модель). На деле же оказалось, что теперь непонятно, какую именно модель ты используешь: роутер внутри GPT-5 сам решает, какую стратегию взять — и результат стал совсем непредсказуем.
Моя продуктивность с GPT-5 реально упала раза в два. Что бы я ни делал, результат приходится дорабатывать — чаще всего я копирую промежуточный вариант и уже допиливаю его в других сервисах: то в Grok, то в Perplexity.
Безопасность и надёжность: почему Grok теперь для меня под вопросом
Мы с коллегой также пользовались Grok, но последние новости здорово подорвали доверие: в сеть утекло несколько тысяч диалогов (об этом писали на ixbt.com и ряде других ресурсов весной 2024 года). Так что, несмотря на заявления разработчиков о сохранности данных, лично для меня этот случай стал жирной минусовой галочкой.
Плюс столкнулся с лимитом на длину диалога. Да, это ограничение есть у любой крупной нейросети, но в Grok всё как-то особенно жёстко — стоит чуть затянуть диалог, и уже приходит уведомление, что пора бы завершаться. Для долгих задач это явный минус.
Perplexity и главное открытие — интеграция Gemini 2.5
На данный момент моей основной нейросетью для анализа стала Perplexity: она легко ищет в интернете, хорошо справляется с аналитикой и выводит не только мнение, но и ссылки на проверенные источники (ключевые слова: Perplexity, аналитика, интернет-поиск).
Но самое крутое — возможность использовать другие нейросети прямо внутри Perplexity. Я начал работать с Gemini 2.5 — и вот тут реально открыл новое:
- В генерации текстов и творчестве Gemini 2.5 чуть слабее, чем некоторые аналоги. Но если нужно решать не узкую, а общую задачу — справляется отлично.
- В аналитике, поиске и даже в базовых deep-research — тестах работает на твёрдую пятёрку.
- Баланс универсальности и стабильности просто шикарный.
За последние две недели я вообще не заходил в Grok и GPT, потому что всё нужное Gemini 2.5 в Perplexity делал “с листа”. К Claude не возвращаюсь вовсе — поиск и deep-research там отсутствуют, работа исключительно с вложенными документами внутри пространства. А у меня по задачам критично: и работа с интернетом, и анализ документов, и выполнение промтов (инструкций).
Плюс приятная новость: мы с коллегой успели оформить годовую подписку Perplexity Pro за 469 рублей в марте — это реально выгодно, учитывая функции пакета и набор подключенных моделей (ключевые слова: Perplexity Pro, выгодная подписка).
Минусы и ограничения Perplexity: нюансы интеграции через API
Для полного счастья мне не хватило бы только одного — использовать Gemini 2.5 через API Make. Сейчас в модуле Perplexity по API идёт стандартная модель Sonar с Pro, Research и deep-research. На HTTP-запросах не стал заморачиваться из-за текущей загрузки, хотя, возможно, как-нибудь разберусь.
Но даже в этих условиях старые модели Perplexity отлично справляются с моими задачами, а лимит токенов (по моим ощущениям) в Perplexity — выше, чем у GPT-моделей OpenAI.
Вывод
Вот такие выводы за месяц работы с топовыми нейросетями. Если интересно — могу сделать подробный разбор каждой сетки, показать, как я их использую и для чего какая больше подходит. А пока что мой личный фаворит — это связка Perplexity с Gemini 2.5: стабильно, универсально и без лишней головной боли.