Назад
7 июля 2026 г. в 06:08 AI Benchmarks Business AI Claude Open Weights Productivity Artificial Analysis Artificial Analysis / X

ИИ-модели начали сравнивать по профессиям: бизнесу важны не только баллы, но и цена задачи

ИИ-модели начали сравнивать по профессиям: бизнесу важны не только баллы, но и цена задачи

ИИ-модели начали сравнивать по профессиям: бизнесу важны не только баллы, но и цена задачи

Artificial Analysis запустила шесть новых Capability Indices — отраслевых индексов для сравнения моделей в финансах и учете, праве, медицине, стратегии и операциях, инженерии и экономике. Это не еще одна общая таблица «кто умнее»: сервис пытается измерить, какие модели лучше подходят для конкретной офисной и экспертной работы.

Что изменилось в сравнении моделей

Новые индексы строятся от задач, а не от маркетинговых категорий. Artificial Analysis пишет, что берет типовые рабочие действия из классификации O*NET, выводит из них нужные способности, подбирает релевантные бенчмарки и взвешивает их по частоте таких способностей в домене. Для права это исследования, договоры, судебная поддержка и комплаенс; для инженерии — расчеты, документация, инструменты и автоматизация.

По данным официального анонса, Claude Fable 5 с fallback на Opus 4.8 лидирует во всех восьми индексах, включая прежние Agentic и Coding. Но дальше картина быстро распадается по областям: GPT-5.5, Gemini 3.5 Flash, Claude Sonnet 5, GLM-5.2 и другие модели меняются местами в зависимости от работы.

Почему это важно для компаний

Главная интрига не в том, что frontier-модели снова наверху. Artificial Analysis отдельно показывает цену и время на задачу. Например, DeepSeek V4 Flash проходит задачи дешевле $0,04 во всех шести новых индексах, а GLM-5.2 лидирует среди open-weight моделей в пяти из шести отраслевых индексов. При этом Claude Fable 5 в индексе Strategy & Ops дает заметно более высокий результат, но стоит более чем в 100 раз дороже DeepSeek V4 Pro на одну задачу.

Для бизнеса это полезнее абстрактного рейтинга. Юридический отдел, финансовая команда и инженерная группа могут получить разные ответы на вопрос «какую модель брать». Где-то важен максимум качества, где-то — скорость, стоимость или возможность развернуть open-weight модель внутри своего контура.

Сдвиг простой: рынок ИИ взрослеет от тестов «какая модель победила» к вопросу «какая модель окупается в этой работе». Именно так компании будут считать автоматизацию дальше.

Ещё новости

AWS добавила в Textract ИИ-проверку полей по страницам документа
21 ноября 2026 г.
AWS добавила в Textract ИИ-проверку полей по страницам документа

Amazon Textract Insights извлекает поля из смешанных пакетов документов и возвращает для каждого значения оценку уверенности и привязку к странице. AWS позиционирует сервис как способ автоматизировать обработку без отказа от проверки человеком.

Математик Anthropic заявил о доказательстве гипотезы Римана с Claude
20 ноября 2026 г.
Математик Anthropic заявил о доказательстве гипотезы Римана с Claude

Математик Anthropic Левент Альпёге заявил, что вместе с Claude получил формальное доказательство гипотезы Римана и её обобщения. Код на Lean уже скомпилировался у независимого математика, но математическому сообществу ещё предстоит разобрать и подтвердить сам результат.

Signal блокирует захват экрана, чтобы ИИ-агенты не читали чаты
20 ноября 2026 г.
Signal блокирует захват экрана, чтобы ИИ-агенты не читали чаты

Signal вводит защиту от захвата экрана на iOS 27 и при обнаружении ИИ-помощника на Android. Мессенджер предупреждает: мера не закрывает все пути доступа и на macOS пока не работает.

В отчёте Reco — восемь захваченных аккаунтов Microsoft 365 за минуты
20 ноября 2026 г.
В отчёте Reco — восемь захваченных аккаунтов Microsoft 365 за минуты

В отчёте Reco описан инцидент с восемью захваченными аккаунтами Microsoft 365: после кражи сессии злоумышленники быстро меняли правила почты. Компания не утверждает, что атаку выполнил ИИ — и это важная граница для интерпретации.

DeepMind описал четыре пути от AGI к сверхинтеллекту
20 ноября 2026 г.
DeepMind описал четыре пути от AGI к сверхинтеллекту

Исследователь Google DeepMind Тим Генвейн предлагает смотреть на переход от человеческого уровня ИИ к сверхинтеллекту как на набор проверяемых технических сценариев. Это не прогноз сроков, а карта возможных ускорителей и ограничений.

Google выпустила Gemini 4 Neon: скорость Carbon за 60% цены
19 ноября 2026 г.
Google выпустила Gemini 4 Neon: скорость Carbon за 60% цены

Google представила Gemini 4 Neon — модель для сложных задач в коде, офисной работе и науке. Компания заявляет качество уровня Gemini 4 Carbon при трёхкратной скорости и 60% стоимости; проверять это стоит на собственных задачах.

GitHub открыла протокол для сессий AI-агентов между устройствами
19 ноября 2026 г.
GitHub открыла протокол для сессий AI-агентов между устройствами

GitHub описала открытый Agent Host Protocol: он сохраняет состояние AI-агента при переходе между VS Code, Copilot, телефоном и облаком. Это не новый агент, а общий способ подключать клиентов к уже работающей сессии.

Google представила Stitch Loop для непрерывной доработки приложений
19 ноября 2026 г.
Google представила Stitch Loop для непрерывной доработки приложений

Google Labs открыла лист ожидания Stitch Loop — агента, который подключается к коду и рабочим метрикам, находит проблемы и готовит pull request’ы. Сливать изменения без проверки человека сервис не должен.

GitHub отсеял 9 791 AI-находку до 99 отчётов для open source
18 ноября 2026 г.
GitHub отсеял 9 791 AI-находку до 99 отчётов для open source

В пилоте GitHub и Microsoft превратили тысячи сигналов AI-сканера в 99 проверенных закрытых отчётов для шести open-source-проектов. К 15 ноября мейнтейнеры исправили 55 из них — но это ранний опыт, а не доказательство универсальной эффективности сканеров.

OpenAI пустит четыре внешние команды внутрь своих систем безопасности
18 ноября 2026 г.
OpenAI пустит четыре внешние команды внутрь своих систем безопасности

OpenAI запускает первую фазу встроенных независимых оценок: Apollo Research, METR, Transluce и Goodfire получат доступ к части внутренних моделей, данных и процессов. Формат обещает больше прозрачности, но независимость публикаций ограничена правом компании скрывать конфиденциальные детали.

Microsoft выпустила MAI Code 2 для GitHub Copilot и Foundry
18 ноября 2026 г.
Microsoft выпустила MAI Code 2 для GitHub Copilot и Foundry

Microsoft представила MAI Code 2 и более быструю MAI Code 2 Flash — собственные модели для повседневной работы с кодом. Основная версия уже доступна в GitHub Copilot и Azure AI Foundry, а Flash в Foundry пока остаётся в ограниченном предпросмотре.

GPT‑6.2 Astra прибавила пять пунктов, но лидером рейтинга остаётся Claude
17 ноября 2026 г.
GPT‑6.2 Astra прибавила пять пунктов, но лидером рейтинга остаётся Claude

В независимом сводном рейтинге Artificial Analysis GPT‑6.2 Astra получила 62 из 100 — на пять пунктов больше, чем GPT‑6 Astra. Это заметный скачок OpenAI, но первое место остаётся у Claude Fable 5.2 Max с 65 баллами; Sol выросла с 55 до 57.