С 22 сентября по 13 октября три крупнейшие лаборатории выпустили больше моделей, чем средняя компания успевает протестировать за год. Пресс-релизы похожи друг на друга, как буддийские монахи: каждый говорит о «новом уровне рассуждений», каждый побеждает на каком-то бенчмарке, и каждый немного прав.
Я не тестирую модели ради таблиц. Я использую их в работе: семантика, структура сайтов, черновики, аналитика, автоматизация. Поэтому этот разбор не про то, кто умнее, а про то, что изменилось на столе у практика.
Что вышло — с датами и ссылками
| Модель | Дата | Главное |
|---|---|---|
| GPT-6 Sol и GPT-6 Luna (OpenAI) | 22 сентября | Быстрые и дешёвые версии на базе GPT-6 Astra; API, Codex, ChatGPT для рабочих тарифов |
| Claude Sonnet 5.5 (Anthropic) | 28 сентября | Средняя модель семейства 5.5, доступна везде в день анонса |
| Gemini 4 Argon (Google) | 30 сентября, всем — 13 октября | Флагман для длинных многошаговых задач, лимит вывода до 1 млн токенов |
| Claude Haiku 5.5 (Anthropic) | 7 октября | Быстрая модель: контекст 1 млн токенов, вывод до 128 тысяч |
Источники: анонс GPT-6 Sol и Luna на форуме разработчиков OpenAI, пост Google о Gemini 4 Argon и о его доступности в приложении Gemini, анонс Claude Sonnet 5.5 и документация Claude Haiku 5.5. С октябрьским переходом ChatGPT на GPT-6 для всех тарифов информация разнится: DataNorth пишет о раскатке с 7 октября, но официальной страницы с деталями я не нашёл — поэтому отношусь к этому как к «скорее да».
Что работает: экономика рутины
Самое заметное изменение осени — не интеллект, а цена. OpenAI при запуске Sol и Luna снизила цены API вдвое по сравнению с промо-ценами GPT-5.6: по данным The New Stack, Sol стоит 2 доллара за миллион входящих токенов и 10 за миллион исходящих, Luna — 10 и 50 центов. Haiku 5.5, по документации Anthropic, стартует от 10 центов за миллион входящих токенов.
Я перевёл такие задачи на лёгкие модели и оставил тяжёлые для того, где нужно думать, а не сортировать
Для SEO это переворачивает расчёт. Кластеризация тысяч запросов, разметка интентов, черновики метатегов для каталога на десять тысяч карточек, первичная классификация заявок — всё, что раньше было «дорого гонять через модель», теперь дешевле, чем час ручной работы. Я перевёл такие задачи на лёгкие модели и оставил тяжёлые для того, где нужно думать, а не сортировать.
Второе, что работает, — длинный контекст. Миллион токенов на входе у Haiku 5.5 и миллион на выходе у Argon означают, что выгрузку краулера, структуру сайта и пару сотен страниц можно положить в модель целиком. Не для того, чтобы она «сделала аудит», а чтобы быстро найти закономерности, которые я потом проверю руками.
Что не работает: магия одного промпта
Не работает то же, что не работало год назад, только теперь это стало дороже обходиться. «Сгенерируй мне SEO-статью» по-прежнему даёт текст, который выглядит экспертно и ошибается в цифрах. А 1 октября Google обновил руководство по генеративному контенту и прямо ожидает ручную проверку фактов — подробнее об этом в разборе сентябрьского спам-апдейта.
Не работает выбор модели по бенчмарку. TechCrunch пишет, что Google называет Argon лучшим на ряде тестов, — и я охотно верю. Но ваша задача не входит ни в один тест. Модель, которая блестяще решает олимпиадную математику, может посредственно писать описания для каталога сантехники.
Бенчмарк — это коан. Он что-то говорит о модели, но ничего не говорит о вас.
И не работает привязка к одной модели навсегда. За три недели расстановка поменялась дважды. Если процесс на сайте или в отделе продаж жёстко завязан на одну модель и один промпт, каждый релиз превращается в маленький переезд.
Как я выбираю модель под задачу
| Задача | Класс модели | Почему |
|---|---|---|
| Кластеризация запросов, разметка интентов | Лёгкая (Luna, Haiku) | Много однотипных операций, важна цена |
| Черновики метатегов и описаний категорий | Лёгкая + ручная правка | Скорость, но факты проверяю сам |
| Разбор большой выгрузки краулера | Длинный контекст | Нужна вся картина сразу |
| Стратегия, структура сайта, сложная аналитика | Флагман (Argon, Opus, Sol) | Нужно рассуждать, а не сортировать |
| Агенты: заявки, поддержка, документы | Средняя + контроль человека | Баланс цены и надёжности |
Если вы думаете, куда в компании встроить ИИ, начните не с выбора модели, а с вопроса, где у вас повторяющаяся работа с понятным критерием качества. Так строится внедрение ИИ: аудит процессов, пилот на одном участке, замер экономики. Для заявок и документов есть ИИ-агенты, для сквозных цепочек — автоматизация с ИИ.
Осень 2026 года запомнится не тем, что модели стали умнее. Они стали дешевле, быстрее и терпеливее к длинным задачам. Это не революция сознания, а снижение цены на внимание. И как с любой дешёвой энергией, выиграет не тот, у кого её больше, а тот, кто знает, куда её направить.