- Дата публикации
OpenAI готовит полностью автономного ИИ‑исследователя: что уже умеет GPT-5
Что появилось / что изменилось
OpenAI двигается к цели — ИИ, который сам ведёт сложные исследования неделями без помощи человека. Сейчас это проявляется в нескольких направлениях.
Во‑первых, GPT-5 (двигатель Codex нового поколения) уже решает задачи, которые раньше считались зоной только для PhD‑исследователей. Команды, работающие с GPT-5, нашли новые решения для ряда нерешённых математических задач и продвинулись в биологии, химии и физике там, где люди застревали на «тупиках».
Во‑вторых, по сравнению с GPT-3 образца 2020 года, GPT-4 2023 года научился дольше «держать фокус» на одной задаче без дополнительного обучения под это. GPT-5 и специализированные reasoning‑версии идут дальше: они могут разбирать проблему по шагам, откатываться, если зашли в тупик, и продолжать работу.
В‑третьих, OpenAI целенаправленно тренирует системы на сложных задачах: олимпиадные математические головоломки, задачи с соревнований по программированию, длинные цепочки рассуждений. Цель — не победы на конкурсах, а умение долго и последовательно работать с большими объёмами текста и множеством подзадач.
И, наконец, меняется сам формат работы разработчиков. Вместо ручного редактирования кода люди всё чаще управляют «группой Codex‑агентов», которые пишут и переписывают фрагменты программы под задачи.
Как это работает
OpenAI делает ставку на так называемые reasoning‑модели. Это не просто «более крупный GPT», а архитектура, заточенная под пошаговое рассуждение.
Ключевые приёмы:
- Пошаговое решение задач. Модель учат не выдавать ответ сразу, а расписывать ход мыслей, проверять промежуточные шаги и исправлять ошибки.
- Откат и ветвление. Если цепочка рассуждений заходит в тупик, GPT-5 может вернуться назад, попробовать другой подход, вести несколько вариантов параллельно.
- Работа с длинными задачами. Сложные математические и кодовые задачи заставляют систему держать в памяти большие куски текста и кода, разбивать их на подзадачи и потом собирать результат.
- Обучение на конкурсных задачах. OpenAI кормит модель задачами из математических и программных соревнований. Это тренажёр, где важно не только знание формул, но и стратегия решения.
По словам Пачоцкого, если бы OpenAI захотела, она могла бы относительно легко собрать «автоматизированного математика» на базе текущих технологий. Но команда сознательно смещает фокус с узких олимпиадных задач на реальные научные и инженерные проблемы.
Что это значит для вас
Если вы разработчик, исследователь или работаете с аналитикой, в ближайшие годы формат работы изменится сильнее, чем за прошлое десятилетие.
Для чего это полезно уже сейчас:
- Программирование. Вместо того чтобы лично править каждую строку, вы можете формулировать цели и управлять несколькими Codex‑агентами: один пишет модуль, другой пишет тесты, третий рефакторит.
- Прикладные исследования. GPT-5 способен перебирать гипотезы, предлагать подходы к доказательствам, искать нестандартные пути в задачах, на которые у людей уходят недели.
- Сложные многошаговые задачи. Планирование экспериментов, разбор длинных технических документов, подготовка черновиков научных текстов — всё, где важно не только сгенерировать текст, но и выдержать логику.
Где лучше не полагаться полностью:
- Формальные доказательства и критичные расчёты по‑прежнему требуют проверки человеком.
- В узких доменных областях, где важны закрытые данные и нюансы, GPT-5 может ошибаться уверенным тоном.
- Этические и управленческие решения нельзя делегировать ИИ, даже если он предлагает «разумные» варианты.
Доступность продуктов OpenAI в России зависит от юридических ограничений и часто требует VPN и зарубежного аккаунта. Если вы работаете из российской юрзоны, нужно учитывать риски и политику вашей компании.
Место на рынке
OpenAI делает ставку на одну конкретную нишу: полностью автономный ИИ‑исследователь, который может неделями вести проект почти без участия человека.
Сейчас именно связка GPT-5 + Codex заметно продвигает автоматизацию программирования и решение сложных задач в математике, биологии, химии и физике. Исследователи уже видят идеи, на которые у аспиранта ушли бы недели.
Прямых численных сравнений с другими крупными моделями в этой области пока нет. Но по факту OpenAI первой показывает кейсы, где ИИ не просто «помогает» человеку, а выступает полноценным участником исследовательской группы.
Для бизнеса и команд разработки это сигнал: через несколько лет конкурировать придётся не только за талантливых людей, но и за качественные ИИ‑агенты, которые будут работать рядом с ними над одними и теми же задачами.