1️⃣ Claude Fable 5.1
Fable 5.1 стала сильнее программировании, научных исследованиях, работе с компьютером и междисциплинарных задачах. Чтение данных из кэша подешевело на 75%, а на низком и среднем уровне усилий модель дает результат высокого уровня заметно дешевле. Вместе с ней вышла Mythos 5.1, доступная только проверенным организациям.

2️⃣ Gemini 3.8 Flash
Лучше справляется с программированием, агентными задачами и многошаговыми рассуждениями. Цена за токен осталась прежней, но из-за более длинных рассуждений расход может вырасти.

3️⃣ GPT-6 Astra
Один из самых громких релизов. Грег Брокман уже заявил, что Astra знаменует наступление эры AGI. Главное улучшение в работе с компьютером: модель заполняет онлайн-формы, обновляет записи в CRM, готовит таблицы и презентации по шаблону и делает это быстрее GPT-5.6 Sol.

4️⃣ Muse от Meta
Персональный ИИ-агент умеет отправлять письма, бронировать поездки и делать покупки, а после закрытия приложения продолжает работать над задачей.

5️⃣ GigaChat 3.5 Reasoning
Первая модель линейки с полноценным режимом рассуждений. Заметно лучше выполняет сложные инструкции, планирует и пишет код.

6️⃣ GPT-6 Sol и GPT-6 Luna
Главные улучшения: точность и цена. Обе модели делают заметно меньше фактических ошибок, особенно в быстрых режимах, и стали дешевле предшественниц. При этом Sol опережает ряд конкурентов в агентных и программистских задачах при меньшей стоимости.

7️⃣ GPT-6.1 Sol
Модель с большим контекстом, чем у GPT-6 Sol. Сохраняет то же окно контекста в 1,05 млн токенов, одновременно улучшая кодирование, работу с компьютером, профессиональные процессы, фактическую надежность и поведение агентов.

8️⃣ Claude Opus 5.5 и Sonnet 5.5
Opus 5.5 стала сильнее в программировании, офисных задачах и работе с компьютером, при этом обходится заметно дешевле, работает быстрее и яснее объясняет результат. Sonnet 5.5 рассчитана на повседневные задачи: исправление ошибок в коде, документы, презентации и таблицы. Работает быстрее предшественницы, тратит меньше ресурсов на задачу и пишет яснее.

1️⃣ Расширить картину
ИИ хорошо генерирует широкий набор возможностей, а вы уже можете выбрать среди них.
«Вот моя ситуация: [описание]. Чего я, вероятно, не вижу? Какие факторы, риски и точки зрения я недооцениваю? Не говори, что делать, помоги увидеть полную картину.»

2️⃣ Выяснить условия каждого варианта
Вместо рекомендации вы получаете условия, которые можно сверить с реальностью. Заодно проверяется, почему вы склоняетесь к одному из вариантов: по веским причинам или из-за паттернов поведения.
«Я выбираю между [вариант А] и [вариант Б]. При каких условиях каждый из вариантов будет предпочтительнее? Какие предположения лежат в основе этого вывода и как их можно проверить?»

3️⃣ Найти сильнейший аргумент против
Вопрос «Это хорошая идея?» может подтолкнуть модель к подтверждению вашей позиции. Языковые модели иногда проявляют склонность соглашаться с пользователем, даже когда есть основания для обратного. . Чтобы избежать такого поддакивания, лучше напрямую попросить о возражении.
«Я склоняюсь к [решение]. Приведи сильнейший обоснованный аргумент против моего решения. Укажи, на каких фактах и предположениях он основан. Не придумывай возражения ради критики.»

4️⃣ Проверить сами вопросы
Здесь ИИ проверяет ход ваших рассуждений.
«Я решаю [задача]. Какие вопросы мне стоит задать, но я пока не задал(а)? Что захотел бы узнать вдумчивый человек, прошедший через похожее?»

5️⃣ Узнать о сожалениях
Ответ обычно подсказывает, что нужно сделать до того, как принимать решение.
«Я собираюсь решить [вопрос]. Какую информацию важно получить до принятия решения, чтобы снизить риск последующих сожалений? Какие последствия я могу недооценивать?»

💬 «Я преподаю на кафедре информатики и считаю нормальным, если наши студенты используют в работе ИИ, ведь с нейросетями им предстоит работать и после выпуска. Вопрос в том, что нам, преподавателям, важно менять подход к обучению и проверке знаний», — отметила Анастасия Андреевна.