Третьего сентября 2026 года OpenAI выпустила GPT-6 Astra. Через несколько дней интернет накрыло волной статей «топ-10 нейросетей 2026» с новым лидером на первой строчке.
Проблема в том, что такие списки бесполезны. Не потому что врут — потому что отвечают не на тот вопрос.
Вопрос «какая модель самая лучшая» примерно равен вопросу «какой транспорт самый лучший». Самолёт быстрее автомобиля, но в магазин на нём не съездишь. За хлебом в булочную через дорогу быстрее дойти пешком, чем ждать взлётную полосу.
С нейросетями ровно так же — и в 2026 году это стало особенно заметно. Ниже — не рейтинг, а классификация: система координат, в которой вы сами определите, что вам нужно, и не будете переплачивать за самолёт до булочной.
Почему рейтинги перестали работать
Три причины, и все три структурные.
Первая: модели обновляются быстрее, чем пишутся обзоры. За последний год вышли Claude Opus 4.5, Gemini 3, GPT-5.1 и GPT-5.2 подряд, а теперь GPT-6 Astra. Любой рейтинг живёт до следующего релиза — то есть недели три.
Вторая: разрыв между флагманами сократился до незначимого. На большинстве бенчмарков лидеры идут в пределах нескольких пунктов друг от друга. Разница между первым и третьим местом меньше, чем разница между хорошо и плохо сформулированным запросом к любому из них.
Третья, главная: бенчмарки измеряют не то, что вам нужно. Модель может решать олимпиадные задачи по математике на уровне призёра — и при этом хуже другой писать письмо клиенту на русском. Эти навыки не связаны.
Полезный вопрос звучит не «какая модель умнее», а «какой класс модели закрывает мою задачу дешевле всего».
Дальше — четыре оси, по которым модели реально различаются.
Ось 1. Режим мышления: быстрая или рассуждающая
Самое важное разделение последних двух лет — и самое непонятое.
Быстрые модели отвечают сразу. Вы задали вопрос — получили ответ за секунду. Так работали все нейросети до 2024 года и так работает большинство запросов сейчас.
Рассуждающие модели перед ответом строят внутреннюю цепочку размышлений: разбивают задачу, проверяют промежуточные шаги, отбрасывают тупиковые ветки. Ответ приходит дольше — от нескольких секунд до минут — и стоит дороже. Взамен резко растёт качество на задачах, где нужна многошаговая логика.
Практическое правило:
- Переписать текст, ответить на письмо, придумать заголовки, перевести — быстрая модель. Рассуждающая здесь просто дольше и дороже, результат тот же.
- Разобрать спорный договор, найти ошибку в расчёте, спроектировать архитектуру, решить задачу в несколько действий — рассуждающая. Быстрая уверенно выдаст правдоподобную чепуху.
Главное новшество последнего поколения — гибридный режим: модель сама решает, сколько думать над конкретным запросом. GPT-5 научился этому первым, Claude и Gemini подхватили. GPT-6 Astra довела идею до конца: переключение происходит незаметно для пользователя.
Звучит удобно, но есть подвох. Автоматика ошибается в обе стороны: иногда думает над ерундой, иногда отвечает быстро там, где надо было подумать. Поэтому в серьёзных задачах режим лучше задавать явно — во всех флагманах такая возможность есть.
Ось 2. Размер и место запуска
Вторая ось — куда более практичная, чем кажется.
Флагманы. Самые большие модели, работают только в облаке разработчика. GPT-6 Astra, Claude Opus, Gemini Ultra. Максимальное качество, максимальная цена, ваши данные уходят на чужие серверы.
Средние. Компромисс, на котором работает большинство реальных продуктов: заметно дешевле флагмана, качество для типовых задач сопоставимое. Sonnet у Anthropic, Flash у Google, mini-версии у OpenAI.
Малые и открытые. Запускаются на своём железе, иногда на обычном ноутбуке. Llama, Qwen, Mistral, российские GigaChat и YandexGPT в компактных версиях. Качество ниже флагманов, но для узкой задачи — достаточное.
Здесь возникает вопрос, который стал решающим для бизнеса: где физически лежат ваши данные.
Если вы обрабатываете персональные данные клиентов, медицинские записи, финансовую отчётность или коммерческую тайну — вопрос «какая модель умнее» отступает перед вопросом «куда уходит запрос». Открытая модель на своём сервере проигрывает флагману в эрудиции, но не отправляет ваш договор в чужое облако. Для многих отраслей это не предпочтение, а требование закона.
Для российских компаний добавляется практическая сторона: доступ к зарубежным флагманам нестабилен, оплата затруднена, а GigaChat и YandexGPT работают без этих сложностей и лучше понимают локальный контекст — от делового этикета до особенностей документооборота.
Ось 3. Модальность: с чем модель работает
Третья ось — что модель умеет принимать на вход и выдавать на выходе.
Текстовые. Классика: текст на входе, текст на выходе.
Мультимодальные. Понимают картинки, документы, схемы, скриншоты, аудио. Сюда же — распознавание рукописного текста и чтение таблиц с фотографии. Все современные флагманы мультимодальны.
Генеративные по медиа. Отдельный класс: рисуют изображения, монтируют видео, синтезируют речь и музыку. Midjourney, Sora, Runway, Kandinsky. Это не конкуренты текстовым моделям — они решают другую задачу и живут по другим правилам.
Агентные. Самое интересное направление 2026 года. Модель не просто отвечает, а действует: ходит в интернет, запускает код, работает с файлами, вызывает внешние сервисы, выполняет цепочку шагов без вашего участия на каждом.
Именно агентность — главная линия конкуренции сейчас. Claude Opus 4.5 позиционируется как сильнейшая модель для программирования и работы с компьютером, Gemini 3 сделал ставку на агентные сценарии, GPT-6 Astra — на длинные автономные задачи. Умение отвечать красиво перестало быть преимуществом. Умение довести дело до конца — стало.
Ось 4. Специализация: универсал или узкий специалист
И четвёртая ось, которая через год-два станет главной.
Универсальные модели умеют всё понемногу. Это то, что вы видите в популярных чатах.
Доменные заточены под область: медицину, право, программирование, финансы, науку. Обучены на профильных данных, знают терминологию и стандарты отрасли.
Задачные решают одну функцию идеально: транскрибация речи, перевод, извлечение данных из документов, поиск по базе. Маленькие, быстрые, дешёвые.
Здесь работает закономерность, которую стоит запомнить:
Узкая модель на своей территории регулярно обыгрывает флагман — при цене в десятки раз ниже.
Причина простая. Флагман тратит колоссальные ресурсы на то, чтобы одинаково хорошо обсуждать поэзию Серебряного века и отлаживать код. Специализированной модели этот багаж не нужен.
Что реально изменила GPT-6 Astra
Теперь к новинке — без восторгов и без обесценивания.
Что подтверждено. Модель вышла в начале сентября 2026 года. Заявлены существенно расширенное контекстное окно, улучшенная работа с длинными автономными задачами и более зрелая агентность. Доступна платным подписчикам и через API.
Что это значит на практике. Главное здесь не «стала умнее на несколько пунктов». Главное — сдвиг от ответа к выполнению. Модель проектируется под сценарий «получила задачу, работала полчаса, принесла результат», а не «ответила на вопрос».
Расширенный контекст — тоже не цифра ради цифры. Он означает, что в модель целиком помещается ваша документация, кодовая база или архив переписки, и она держит их в голове от начала до конца работы. Это меняет класс решаемых задач.
Чего это не значит. Три отрезвляющих момента.
Во-первых, разрыв с конкурентами не драматичен. Claude Opus 4.5 и Gemini 3 вышли лишь несколькими месяцами раньше и на своих сильных сторонах — код, агентные сценарии — остаются полностью конкурентоспособными. Речь о лидерстве в пределах нескольких пунктов, а не о новой эпохе.
Во-вторых, флагман не отменил проблему галлюцинаций. Она стала реже, но не исчезла: модель по-прежнему может уверенно выдумать факт, ссылку или цифру. Проверка результата остаётся обязанностью человека — и это не изменится в обозримом будущем.
В-третьих, для подавляющего большинства повседневных задач разница между Astra и хорошей средней моделью не окупает разницы в цене. Написать письмо, сделать выжимку из статьи, переформулировать текст — здесь флагман не даст ничего сверх того, что даст модель втрое дешевле.
Рабочая таблица: что брать под задачу
Практическая часть. Не «лучшее», а «уместное».
Тексты, письма, переписка, соцсети. Средняя быстрая модель. Флагман избыточен. Для русского языка и делового контекста российские модели часто удобнее.
Программирование. Здесь специализация сильнее всего: Claude Opus традиционно силён в коде, GPT-6 Astra — в длинных задачах на всю кодовую базу. Разница ощутима, есть смысл выбирать осознанно.
Аналитика, расчёты, разбор данных. Рассуждающая модель обязательна. Быстрая на многошаговой арифметике ошибается регулярно.
Работа с документами и договорами. Мультимодальная модель плюс, если данные чувствительные, размещение в контуре компании. Второе важнее первого.
Творчество: изображения, видео, звук. Отдельный класс инструментов. Текстовая модель здесь помогает только на этапе постановки задачи.
Автономные процессы. Агентные модели. Самое молодое направление, самое быстрорастущее и самое требовательное к контролю.
Обучение и объяснение. Отдельная история: важнее не эрудиция модели, а умение объяснять по шагам и проверять понимание. Именно на этом построен ИИ-репетитор — там ценна не мощность модели, а методика.
Куда идёт специализация: прогноз на 2-3 года
Теперь то, ради чего всё писалось. Пять тенденций, которые видны уже сейчас.
Расслоение вместо гонки. Гонка «чей флагман умнее» упирается в стену: каждый следующий шаг качества стоит непропорционально дороже. Рынок расслаивается — сверху несколько универсальных гигантов, снизу сотни узких моделей. Прибыль постепенно перетекает вниз, где дешевле и точнее.
Оркестрация как норма. Продукты перестают использовать одну модель. Появляется слой-маршрутизатор: простой запрос уходит дешёвой модели, сложный — рассуждающей, картинка — мультимодальной, чувствительные данные — локальной. Пользователь не знает и не должен знать, кто именно ответил.
Отраслевые модели вытеснят универсальные в профессиях. Медицина, право, инженерия, бухгалтерия — везде, где ошибка дорога, а терминология специфична, победит модель, обученная на отраслевых данных и прошедшая профильную проверку. Врач не станет пользоваться моделью, которая одинаково уверенно рассуждает о диагнозе и о рецепте борща.
Локальные модели вырастут из требований, а не из технологий. Драйвер здесь не мощность железа, а регулирование и здравый смысл: персональные данные, коммерческая тайна, суверенитет. Российских компаний это касается вдвойне — работа с отечественными моделями в собственном контуре становится не идеологией, а операционной необходимостью.
Ценность сместится к постановке задачи. Чем лучше модели, тем менее ценно умение ими пользоваться, и тем более ценно умение понять, что нужно сделать. Формулировка требований, критерии готовности, проверка результата — вот навык, который дорожает. Он же, кстати, отличает хорошего руководителя от плохого — просто теперь его тренируют ещё и на моделях.
:::spoiler Показать чек-лист выбора модели — 6 вопросов Порядок вопросов важен: каждый следующий отсекает варианты.
Требует ли задача многошаговых рассуждений? Если да — рассуждающий режим, без вариантов. Если нет — быстрая модель, не переплачивайте.
Данные чувствительные? Персональные, медицинские, финансовые, коммерческая тайна — сразу отсекайте всё, что уходит в чужое облако. Этот вопрос важнее вопроса о качестве.
Задача повторяется каждый день или разовая? Для повторяющихся считайте стоимость запроса и берите минимально достаточную модель. Для разовых берите лучшую — экономия на одном запросе бессмысленна.
Нужен ли не-текст? Картинки, документы, аудио на входе — нужна мультимодальность. Изображения и видео на выходе — нужен другой класс инструментов.
Модель должна действовать сама? Ходить в сеть, запускать код, работать с файлами — это агентные сценарии, и к ним нужен отдельный контроль: что она вправе делать, а что нет.
Кто проверяет результат? Если ответа нет — вернитесь к первому вопросу. Внедрение без проверяющего работает ровно до первой дорогой ошибки. :::
Что стоит запомнить
Выход GPT-6 Astra — важное событие, но не то, которое должно менять ваши решения. Флагманы будут сменять друг друга каждые несколько месяцев, и гнаться за лидером бессмысленно: пока вы перестраиваете процессы под одну модель, выходит следующая.
Устойчиво другое — понимание классификации. Режим мышления, размер и место запуска, модальность, специализация. Эти четыре оси никуда не денутся, а конкретные названия в каждой ячейке будут меняться.
И главное. Побеждает не тот, у кого подписка на самую дорогую модель. Побеждает тот, кто умеет поставить задачу так, чтобы её можно было проверить. Этот навык не устаревает с релизами.
Разобраться в основах можно быстро: курс по нейросетям для работы с бесплатным первым уроком, промпт-инженер — если хотите продавать этот навык, или бесплатный мини-курс за один вечер, чтобы просто попробовать.
[Собрать личный офис из ИИ-агентов →](/orchestrator) — восемь ролевых специалистов, первые задачи бесплатно.