OpenAI o3

OpenAI o3 в ToTheMoon — модель, на которой ведущие в 2025 году проверяли, что такое рассуждающий ИИ в ежедневной работе. Вопросы к ней практические: настоящие ли это рассуждения или цепочка с подменёнными понятиями (выпуск 038), почему объединение инструментов в одном окне не снимает проблему галлюцинаций (выпуск 055) и как выбирать между o3, GPT-4o и Deep Research, если сильнейшей модели нет (выпуск 061).

Первый разговор в конце 2024 года был осторожным: o3 доступна почти только исследователям, а safety-бенчмарки для reasoning-моделей никто не подсвечивает — если бы было чем хвастаться, этим бы хвастались (выпуск 038). После выхода оценка стала конкретнее: o3 интересна интеграцией большого контекста, поиска, памяти и изображений в одном режиме, но простого победителя нет — в коде сильнее может быть Grok, а интерфейс OpenAI обещает больше определённости, чем даёт модель (выпуск 055). К маю один из ведущих признавал, что с o3 тяжело «съехать» (выпуск 059), а в выпуске 061 сложилось разделение: GPT-4o для обычных запросов, o3 для важного в бизнесе.

Летом 2025 года тон становится трезвее. Дорогая подписка не гарантирует лучший ответ, и o3 спотыкается на загадке про двух сестёр из SimpleBench (выпуск 062). Первые недели o3 Pro отвечала очень медленно, а потом пользователи заметили, что сама o3 стала работать хуже — знакомый цикл, когда модель выходит сильной, а затем качество падает (выпуск 063). В выпуске 067 прозвучало: «o3 Pro больше не лучшая модель на рынке», а в тесте агента ChatGPT первый запуск сработал лучше, чем o3, o3 Pro и Deep Research (выпуск 068).