GPT наконец перестал выдумывать факты и действительно понимает, что находит в интернете?

Всем привет!
Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь полезными материалами, которые считаю стоят внимания ^[1]. В основном про AI, изменение процессов, тренды и продуктовое видение.

У себя в телеграм-канале ^[2] делюсь сжатыми и структурированными саммери статей.

Сегодняшний перевод — AI assisted search-based research actually works now ^[3]

Давно пользуюсь Perplexity ^[4] для поиска в интернете, экономит много времени, особенно когда поиск предполагает анализ множества страниц. Результаты на 90% закрывают мои задачи.
Особенно круто работает поиск по соц.сетям (Reddit) и по видео (Youtube), ответы на некоторые вопросы кардинально отличаются т.к. в классическом поиске много SEO текста, который не всегда экспертный и с большой задержкой обновляется.

В течение последних двух с половиной лет функцией, которую я больше всего хотел получить от LLM, была способность выполнять исследовательские задачи на основе поиска от моего имени. Мы увидели первые проблески этого ещё в начале 2023 года с Perplexity (впервые запущена в декабре 2022 ^[5], первая утечка промптов в январе 2023 ^[6]), а затем с Microsoft Bing на основе GPT-4 (который запустился/эпически провалился в феврале 2023 ^[7]). С тех пор множество людей пытались решить эту проблему, в частности Google Gemini ^[8] и ChatGPT Search ^[9].

Те версии 2023 года были многообещающими, но очень разочаровывающими. Они сильно склонялись к галлюцинированию деталей, которых не было в результатах поиска, до такой степени, что нельзя было доверять ничему, что они сообщали.

Я считаю, что в первой половине 2025 года эти системы наконец пересекли черту и стали по-настоящему полезными.

Deep Research от трех разных поставщиков

Сначала появились реализации Deep Research — Google Gemini ^[10], затем OpenAI ^[11] и затем Perplexity ^[12] запустили продукты с этим названием, и все они впечатляли: они могли принять запрос, затем работать несколько минут, составляя подробный отчет с десятками (иногда сотнями) цитат. Версия Gemini получила ОГРОМНОЕ обновление несколько недель назад, когда они переключили ее на использование Gemini 2.5 Pro ^[13], и с тех пор я получал от неё выдающиеся результаты.

Ждать несколько минут для получения отчета на 10+ страниц — не мой идеальный рабочий процесс для такого инструмента. Я нетерпелив, я хочу получать ответы быстрее!

o3 и o4-mini отлично справляются с поиском

На прошлой неделе OpenAI выпустила o3 и o4-mini с поддержкой поиска ^[14] через ChatGPT ^[15]. На поверхности они похожи на те же идеи, что мы уже видели: LLM с возможностью вызова инструмента поиска при ответе на запрос.

Но есть одно очень существенное отличие: эти модели могут выполнять поиск как часть процесса рассуждений, который они используют перед формированием окончательного ответа.

Это оказывается огромным преимуществом. Я задавал ChatGPT (в режиме o3 или o4-mini) всевозможные вопросы и получал действительно полезные ответы, основанные на результатах поиска. Я пока не заметил ни одной галлюцинации, и в отличие от предыдущих систем я редко ловлю себя на том, что кричу “нет, не ищи это!” на экран, когда вижу, что они делают.

Вот четыре недавних примера диалогов:

• Предоставь мне спецификации, включая VRAM для RTX 5090 и RTX PRO 6000 — плюс даты выпуска и цены ^[16]

• Найди мне веб-инструмент, который позволяет вставить URL и выдает количество слов и предполагаемое время чтения ^[17]

• Выясни, какую поисковую систему ChatGPT использует для o3 и o4-mini ^[18]

• Посмотри цены Cloudflare r2 и используя Python, выясни, сколько будет стоить это (скриншот панели управления) ^[19]

Общение с o3 ощущается как общение с инструментом Deep Research в реальном времени, без необходимости ждать несколько минут, пока он создаст чрезмерно подробный отчет.

Мое предположение заключается в том, что для хорошей работы требуется очень сильная модель для рассуждений. Оценка результатов поиска сложна из-за необходимости просеивать огромное количество спама и обманчивой информации. Разочаровывающие результаты предыдущих реализаций обычно сводились к тому, что Интернет полон мусора.

Возможно, o3, o4-mini и Gemini 2.5 Pro — это первые модели, которые преодолели порог устойчивости к доверчивости настолько, что могут делать это эффективно?

Google и Anthropic нужно догонять

Ориентированное на пользователя приложение Google Gemini ^[8] также может искать, но оно не показывает мне, что именно ищет. В результате я просто не доверяю ему. Это большое упущение, поскольку у Google предположительно самый лучший поисковый индекс, поэтому они действительно должны иметь возможность создать отличную версию этого. А поддерживаемый ИИ поисковик Google в их обычном поисковом интерфейсе галлюцинирует дико до такой степени, что это активно вредит их бренду. Я только что проверил, и Google все еще показывает чепуху по запросу Encanto 2 ^[20]!

Claude также наконец добавил веб-поиск ^[21] месяц назад, но он не кажется таким же хорошим. Он использует поисковый индекс Brave ^[22], который, как мне кажется, не так всеобъемлющ, как Bing или Gemini, и поиск не происходит как часть того мощного процесса рассуждений.

Ленивый перенос кода на новую версию библиотеки через поиск

Настоящий волшебный момент для меня произошел несколько дней назад ^[23].

Мой инструмент сегментации изображений Gemini ^[24] использовал библиотеку @google/generative-ai ^[25], которая была громко объявлена устаревшей ^[26] в пользу ещё находящейся в предварительной версии библиотеки Google Gen AI SDK @google/genai ^[27].

Я не хотел выполнять работу по обновлению. На всякий случай я вставил весь свой HTML-код ^[28] (с встроенным JavaScript) в ChatGPT o4-mini-high и дал промпт:

Этот код нуждается в обновлении до новой рекомендуемой JavaScript библиотеки от Google. Выясни, что это за библиотека, и затем найди достаточно документации, чтобы портировать этот код на неё.

(Я даже не потрудился сам найти название новой библиотеки!)

… и он сделал именно это ^[29]. Он думал 21 секунду, выполнил ряд поисков, выяснил, что это за новая библиотека (которая существовала далеко за пределами его даты обучения ^[30]), нашел инструкции по обновлению ^[31] и создал новую версию ^[32] моего кода, которая работала идеально.

Я запустил этот промпт на телефоне из праздного любопытства, пока занимался чем-то другим. Я был крайне впечатлен и удивлен, когда он сделал именно то, что мне было нужно.

Как теперь работает экономическая модель для Интернета?

Я пишу об этом сегодня, потому что это был один из моих вопросов “могут ли LLM уже делать это надежно?” в течение более двух лет. Думаю, они только что пересекли черту, став полезными в качестве исследовательских помощников, без необходимости проверять все, что они говорят, с особой тщательностью.

Я все еще не доверяю им настолько, чтобы они не делали ошибок, но, возможно, я доверяю им достаточно, чтобы пропускать проверку фактов для задач с меньшими ставками.

Это также означает, что некоторые из мрачных сценариев будущего, которые мы предсказывали в течение последних пары лет, с гораздо большей вероятностью сбудутся. Зачем посещать веб-сайты, если можно получить ответы напрямую от чат-бота?

Судебные иски по этому поводу начали появляться ^[33] еще когда LLM были в основном никудышными. Ставки намного выше сейчас, когда они действительно хороши в этом!

Я уже чувствую, как мое использование поиска Google резко падает. Ожидаю непростой путь, пока новая экономическая модель для Интернета начинает вырисовываться.