Обзор GPT-5.2: пора сдвинуть Google и Anthropic c лидирующих позиций

Последние месяцы рынок ИИ живёт в состоянии непрерывного перегрева. Каждая компания стремится первой выкрикнуть слово «прорыв» и доказать, что её новая модель изменит правила игры. Создаётся ощущение, что индустрия соревнуется не в качестве, а в частоте анонсов. На фоне этой гонки OpenAI после короткой паузы возвращается в информационное поле и выкатывает GPT 5.2. Не промежуточную сборку и не облегчённый вариант, а полноценное обновление.

Первые намёки на грядущий релиз появились задолго до анонса. Сперва тихие утечки, затем осторожные публикации в профильных медиа. Журнал The Verge дал понять, что OpenAI готовит что-то объёмное. Чуть позже зарубежная пресса привела источники, уверявшие, что внутри компании несколько месяцев действовал режим молчания именно ради этой версии.

Интерес подогревался ещё одной деталью. По данным The Information, осенью внутри OpenAI стартовала работа над экспериментальной моделью с рабочим названием Shallotpeat. Если до этого фокус делали на рассуждательном поведении и методах обучения через обратную связь от людей, то в новом цикле инженеры повернули внимание в сторону базового предобучения. Это занятная корректировка курса, потому что в этой области Google и Anthropic в последнее время заметно ускорились и сумели временно опередить OpenAI.

Ну и этот...garlic, который был рабочим названием новой модели OpenAI.

Именно поэтому интерес к GPT 5.2 оказался достаточно высоким. Сегодня мы протестируем её вживую и посмотрим, каким будет ответ OpenAI в новой фазе ИИ-гонки.

Приятного прочтения!

GPT 5.2. Что нового?

По заявлениям OpenAI, GPT-5.2 стала обновлением, в котором упор сделан на улучшение визуального понимания и способность работать со сложными цепочками рассуждений. Компания отмечает, что модель стала аккуратнее в аналитике, лучше удерживает контекст и надежнее справляется с задачами, где требуется многослойная логика.

Согласно опубликованным метрикам, модель демонстрирует приросты сразу по нескольким тестам. На SWE Bench Pro результат поднимается с 50.8 процента до 55.6 процента. На GPQA Diamond показатель увеличивается с 88.1 процента до 92.4 процента. На AIME 2025 заявлено выполнение всех задач, тогда как у предыдущей версии было 94 процента. На ARC AGI 2 фиксируется самый заметный скачок с 17.6 процента до 52.9 процента, что в OpenAI называют подтверждением прогресса именно в рассуждении, а не в повторении шаблонов.

Теперь модель лучше работает с графиками, интерфейсами и техническими схемами. Интерпретация GUI стала точнее почти в два раза.

ARC Prize опубликовала результаты бенчмарков ARC-AGI-1 и ARC-AGI-2, которые позиционируются сложным тестом на абстрактное мышление. Да, GPT-5.2 Pro забрала золото в обоих. ARC-AGI-2 была релизнута недавно и многие пишут, что задачи оттуда не были в дата-сетах для обучения ИИ.

Компания также сообщает о появлении двух модификаций. Версия GPT-5.2 Pro ориентирована на научные и исследовательские сценарии и, по данным OpenAI, достигает 93.2 процента на GPQA Diamond. На FrontierMath она решает 40.3 процента задач экспертного уровня, что разработчики называют важным шагом в сторону более надежных вычислительных моделей. В OpenAI подчёркивают, что математические бенчмарки удобны тем, что их можно объективно проверить, в отличие от областей, где результат зависит от интерпретации.

Да, хвалить новую модель можно вечно, что на деле?

Против кого выставляем?

Прежде чем разбираться, на что способна GPT 5.2, стоит посмотреть по сторонам. Рынок не пустует, и у неё есть соседи, которые давно готовятся к встрече. Поэтому самое время познакомиться с теми, кто будет спорить с ней за внимание аудитории. Получается маленькая экскурсия по соседним весовым категориям, давайте начнем.

Gemini 3.0 Pro

Флагманская модель от Google, ориентированная на мультимодальные задачи, программирование и аналитические сценарии. Модель способна работать с текстом, кодом, изображениями, аудио и видео в одном запросе, обрабатывая большие объёмы информации благодаря расширенному контекстному окну до 1 048 576 токенов.

В техническом плане Gemini 3.0 Pro демонстрирует высокий уровень рассуждений, точность в решении математических задач и способность работать с комплексными инженерными сценариями. На тесте Humanity’s Last Exam модель показывает 37,5 % без помощи инструментов, что выше, чем у предыдущих версий GPT. Кроме того, модель стабильно справляется с кодинг-задачами, анализом документов и объединением информации из разных источников.

Для сложных задач предусмотрен режим «Deep Think», который позволяет тратить больше ресурсов и времени на детальный анализ, повышая качество развёрнутых ответов и снижая риск ошибок. Модель интегрируется с инструментами разработчика, может работать с IDE и скриптами, создавая прототипы, анализируя код и собирая результаты в структурированном виде.

С точки зрения экономики, тарифы Gemini 3.0 Pro выше, чем у ChatGPT 5.2, но расширенный контекст и возможности мультимодальности делают её выгодной для задач, где требуется анализ больших массивов данных, сложный кодинг или генерация планов на основе документации.

Claude Sonnet 4.5

Это версия модели от Anthropic, ориентированная на задачи программирования, агентские сценарии и проекты с длительным временем работы. Да, есть Opus, но я ждал релиз GPT, чтобы столкнуть его именно с Sonnet.

В основе Sonnet 4.5 лежат улучшения в рассуждениях, логике и практической работоспособности. В бенчмарке SWE-bench Verified она показывает результат ~ 77.2 % при обычной генерации и при параллельных попытках (multiple-try + отбор лучшего) до ~ 82 %. Это один из лучших показателей для публичных моделей, заявленных как «кодинг + агент».

Контекстное окно у Sonnet 4.5 значительно расширено. Штатная версия поддерживает до 200 000 токенов, а бета-версия до 1 000 000 токенов.

Ещё одна важная особенность - режим рассуждений. Он позволяет выбрать между быстрым ответом и глубокой проработкой задачи, но при сложных запросах модель тратит больше времени и ресурсов на анализ, давая развёрнутые ответы.

При этом цена за токен осталась на уровне предыдущих версий Sonnet.

Проверяем сами!

В качестве платформы я буду использовать BotHub, поскольку сервис обходит некоторые сложности с сайтами моделей.

Если тоже испытываете проблемы с доступом, а протестировать хочется, то по ссылке вы можете получить 100 000 бесплатных токенов для теста GPT-5.2 на своих задачах.

Модель уже доступна на платформе, а мы забираем бонус и переходим к тестам!

Математика и логика

Теперь пора раскачать эти модели и проверить, на что они способны в деле. Мы не будем начинать с чего-то скучного - сразу поднимем ставки и проверим логику и математику. Разработчики заявили об улучшениях в навыках рассуждения, так что самое время узнать, смогут ли модели справиться с задачами разного уровня сложности.

Начнём с простой задачи на логику, которая на первый взгляд выглядит элементарно, но есть небольшой подвох.

Задача такая:

«Автобус едет со скоростью 56 миль в час. В последнем ряду сидят три человека, а в предпоследнем - два. Сколько всего людей в автобусе?»

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Все модели учли водителя. Интересно, что GPT-5.2 Pro не вдавалась в подробные рассуждения, и её ответ оказался самым коротким - всего две строки, когда остальные вывели в ответ по 3 пункта.

Предлагаю еще задачку:

Слон весит 1 тонну и полслона. Сколько весит слон?

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Итак, перед нами новые ответы моделей. Все дали правильный результат, хотя подходы различались. Ответ GPT отличается ясностью, простотой и лёгкой неформальностью. По сравнению с Sonnet детализация меньше, но при этом не обходится без использования уравнений.

После разминки с логикой переходим к более серьёзной проверке - работе с ранжированием элементов системы. Здесь мы задаём задачу уровня старших курсов университета. Да, её можно найти в интернете, но мы интересуемся именно тем, как модели построят решение шаг за шагом через матрицу полных путей.

Задача выглядит так:

“Определи ранги элементов системы, заданной графом G = (V,U), где V – множество вершин, а U – множество ребер

V = {1,2,3,4,5} U= {(1,2)},(1,3),(1,4),(2,3),(2,4),(3,5),(4,5),(5,2)}.

Сначала тебе нужно построить матрицу смежности a__ij. 

Затем тебе нужно построить матрицу полных путей p__ij.

Ранг элемента равен R__i = \frac{\sum__{j} p__ij}{\sum__{ji} p__ij}”

Ожидаемое решение: R1 = 0.5, R2 ≈ 0.1538, R3 ≈ 0.1153, R4 ≈ 0.1153, R5 ≈ 0.1153.

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Все модели смогли построить матрицу смежности. На этом их успех завершился. Ни одна модель не справилась полностью: как минимум, диагональ найденной матрицы полных путей оказалась нулевой. Задача не обязательно решается через последовательное разложение квазиминоров, хотя именно этот метод часто встречается на различных сайтах при поиске решения.

Возможно, стоило бы задать более подробный промпт, тогда нейросети могли бы дать более корректный результат, ведь логика решения у моделей в целом схожа. Либо задачу нужно решать пошагово, чтобы достичь верного ответа.

Но на данный момент нейросети пока не способны заменить старшекурсника-бакалавра.

Генерация текста

Теперь давайте посмотрим как хорошо модель пишет тексты. Сейчас я попрошу модели написать рецепт солянки, но так, как будто это инструкция по обороне от вторжения пришельцев.

Напиши рецепт солянки, но так, как будто это инструкция по обороне от вторжения пришельцев

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Все три модели отлично справились с задачей и превратили рецепт солянки в инструкцию по обороне от пришельцев. Честно говоря, ответ Gemini впечатлил больше всего — чувствовался заметный энтузиазм. Sonnet, на мой взгляд, слишком строго придерживался структуры с пунктами 12.1–12.7. GPT же отличается гармоничным балансом и предлагает что-то среднее между формальностью и креативностью.

Копирование веб-интерфейса

Теперь я подам на вход скриншот страницы и попрошу каждую из моделей написать код для нее.

Давайте проверим!

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Честно говоря, по рас��оложению элементов GPT понравился больше всего, но он сгладил их настолько, что дизайн потерял свой характер. Ближе всего к нужному цвету интерфейса подошёл Gemini - он даже сделал иконку робота. Именно его работа произвела наибольшее впечатление, включая милый самолетик для отправки сообщений, который смотрится заметно лучше конкурентов.

При этом у GPT есть свои прорывные моменты, особенно если сравнивать с легендарным 4o.

Немного кодинга

Теперь протестируем, как модели пишут код. В этой задаче есть небольшой элемент безумия - свинья должна ехать на спорткаре задом наперёд. Нам важно проверить, смогут ли модели сами построить сцену, настроить анимации, правильно повернуть колёса, закрепить свинью в салоне и заставить машину уверенно катиться назад по дороге.

Затем мы посмотрим, выполнит ли нейросеть вторую часть задания - создание короткого 8-секундного видео на основе той же сцены. Посмотрим, насколько хорошо они умеют совмещать код, 3D-графику и генерацию видео в одном запросе.

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

Честно говоря, впечатления смешанные. GPT-5.2 создавал дольше всех, но результат оказался хуже: дорога получилась непонятной, экран дергался, а ролик модель так и не смогла создать, поэтому пришлось записывать экран вручную. Gemini понравилась больше всего, у Sonnet же хрюшка поехала вперёд, что не соответствовало условию. При этом стоит признать, что у GPT качество пикселей оказалось наилучшим. К сожалению, из-за этого сама хрюшка выглядела непонятно - туша из розовых кубиков.

Делаем таблицу в SVG

Да, внезапно. Разработчики пишут, что модель работает с таблицами и презентациями на 9,3% лучше, чем GPT-5.1. Проверим!

Создай таблицу "Вариант 4" в текстовом виде.

Требования:

1. Таблица должна состоять из ячеек разного размера (как в нестандартной сетке или пазле).

2. Каждая ячейка должна иметь свою границу.

3. Все ячейки должны быть пронумерованы от 1 до 38 строго по образцу.

4. Сетка не должна быть равномерной — часть ячеек узкие, часть широкие, часть высокие.

5. Повтори визуальную структуру таблицы:

Ряд 1: ячейки 1, 3, 4, 5, 6, 7 Ряд 2: 2, 8, 9, 10, 11, 12, 18 Ряд 3: 13, 14, 15, 16, 17 Ряд 4: 19, 20, 21, 22, 23, 24, 25 Ряд 5: 26, 27, 28, 29, 30, 38 Ряд 6: 31, 32, 33, 34, 35, 36, 37

6. Сделай прямоугольники с разной шириной и высотой, но без искажений.

GPT-5.2 Pro

Gemini 3.0 Pro

Claude Sonnet 4.5

В этом тесте мне больше всего понравился Sonnet, хотя все модели справились с заданием. Ответ GPT оказался разнообразным, но мне показалось, что ему не хватило энтузиазма. А что думаете вы?

Что по ценам?

По данным OpenAI, стоимость выросла примерно на сорок процентов по сравнению с предыдущей версией. В режиме Thinking цена составляет 1.75 доллара за миллион токенов на входе и 14 долларов за миллион токенов на выходе. Это выше, чем у GPT-5.1, но ниже стоимости Gemini 3 Pro и, по сути, сопоставимо с позиционированием модели в сегменте премиум.

Многие пишут, что рост заметен и вызывает вопросы о соотношении цены и пользы. Добавляют, что GPT‑5.1 и так справлялась с большинством их проектов, и не уверены, что обновление стоит таких денег.

Резюмируя

Круто, что на рынке появляется настоящая конкуренция между топовыми моделями.

Тем не менее, после тестирования создаётся ощущение, что при таком ажиотаже и громких заявлениях результаты GPT‑5.2 могли быть чуть лучше. В ряде сценариев модель действительно впечатляет, но местами ощущается, что ожидания раздули маркетинг, и на практике разрыв с конкурентами вроде Gemini не всегда кажется большим.

С другой стороны, модель уже есть и работает - посмотрим, как она приживётся в реальных проектах и насколько востребованы будут её возможности в долгосрочной перспективе.

Спасибо за прочтение! А что вы думаете насчет новой модели и какие сильные стороны смогли выделить для себя?