GPT-5 от OpenAI стал переломным моментом в борьбе с главным «грехом» больших языковых моделей — склонностью к галлюцинациям, то есть к генерации правдоподобной, но вымышленной информации. Новая модель — это не просто эволюционный апгрейд, а стратегический пересмотр архитектуры, где точность поставлена во главу угла.
Согласно официальным данным, GPT-5 совершает на 45% меньше фактуальных ошибок, чем GPT-4o, при использовании веб-поиска, а в специализированном «режиме мышления» (thinking mode) — и вовсе на 80% меньше, чем модель OpenAI-o3.
Но как именно этого удалось добиться? В основе — комплекс инженерных и архитектурных решений. Вот топ-10 ключевых фишек GPT-5, которые радикально повысили точность ответов.
Топ-10 архитектурных и функциональных улучшений GPT-5
-
Интеллектуальный маршрутизатор запросов в реальном времени
GPT-5 — это единая система с динамической архитектурой. Внутренний маршрутизатор анализирует сложность запроса, его контекст и даже намерения пользователя (например, фразу «подумай хорошенько») и решает, какой компонент модели задействовать: быстрый — для простых ответов, или глубокий «GPT-5 thinking» — для сложных задач. Это минимизирует риск поспешных и ошибочных выводов. -
Глубокая модель рассуждений (Thinking Mode)
Это главное оружие против галлюцинаций в нетривиальных задачах. Когда маршрутизатор активирует этот режим, модель тратит больше вычислительных ресурсов на внутренний «диалог», поэтапно проверяя собственную логику. Именно благодаря этому достигается 80-процентное сокращение ошибок по сравнению с предшественниками. -
Принципиально новая политика «безопасного завершения»
Раньше модели часто просто отказывались отвечать на сложные или чувствительные запросы. GPT-5 действует иначе: она стремится дать максимально полезный и корректный ответ в рамках правил безопасности, а если не может — честно объясняет свои ограничения, вместо молчаливого игнорирования. -
Усиленная интеграция с инструментами и веб-поиском
OpenAI сознательно сделала GPT-5 более зависимой от внешних инструментов. Модель обучена не полагаться слепо на сжатые в параметрах тренировочные данные, а активно искать и перепроверять информацию. Тесты показывают, что при доступе к интернету GPT-5 вдвое реже искажает цитаты и факты. -
Значительное сокращение «подхалимства» (лести)
Снижение уровня льстивых и неуверенных ответов (с 14,5% до менее 6%) — косвенный, но важный фактор точности. Модель, которая реже стремится угодить пользователю, с большей вероятностью придерживается фактов и честно признает незнание. -
Расширенное контекстное окно (до 256 тыс. токенов)
Возможность «поместить в память» целую книгу или объемный технический документ позволяет GPT-5 делать выводы, опираясь на полный контекст, а не на его фрагмент, что снижает риск искажений. -
Улучшенное следование сложным инструкциям
Модель демонстрирует прорыв в тестах на многоэтапное выполнение задач и координацию инструментов. Это означает, что пользователь может давать сложные, составные промты, и GPT-5 будет точнее интерпретировать каждый шаг, не отклоняясь от цели. -
Смещенный акцент со «знания» на «рассуждение»
Как отмечал Сэм Альтман, идеальная модель — это не гигантская база данных, а «крошечная модель со сверхчеловеческим мышлением». GPT-5 движется в этом направлении, будучи оптимизированной для логических операций и поиска, а не просто для воспроизведения заученных фактов. -
Продвинутая мультимодальность с нуля
В отличие от прошлых «надстроечных» решений, мультимодальность (работа с текстом, изображениями, аудио) заложена в GPT-5 изначально. Это обеспечивает более целостное и непротиворечивое понимание контента разных типов в одном запросе. -
Непрерывное обучение маршрутизатора на реальных данных
Система автоматического выбора моделей не статична. Она постоянно дообучается на основе действий пользователей: их ручных переключений между режимами, оценок ответов и измеренной корректности. С каждым днем система становится точнее в оценке того, какой подход нужен для конкретного вопроса.
Тесты на точность с русскоязычными промптами: примеры и сравнение
Теоретические улучшения впечатляют, но как они работают на практике с русским языком и контентом? Приведем несколько сравнительных примеров, основанных на типичных сценариях, где модели склонны к ошибкам.
Пример 1: Запрос на специфические или малоизвестные факты
-
Промт: «Напиши краткую биографию советского инженера-конструктора, который в 1960-х годах предлагал проект ветроэлектростанции на Кольском полуострове. Укажи источники».
-
Гипотетический ответ GPT-4 / устаревших моделей: Может сгенерировать правдоподобную, но вымышленную биографию с несуществующими деталями и сфабрикованными источниками.
-
Что делает GPT-5: Активирует поиск в интернете и, не найдя достаточных подтверждений, скорее всего, ответит в духе новой политики «безопасного завершения»: «По моему поиску, информация об этом конкретном инженере-конструкторе и его проекте в открытых источниках не найдена. Возможно, речь идет о менее известном эпизоде. Рекомендую обратиться к специализированным архивам или исторической литературе, посвященной энергетике СССР». Это не отказ, а точный и полезный ответ, ограничивающий область поиска.
Пример 2: Работа с объемным юридическим или техническим текстом
-
Промт: «Вот текст ГОСТа (вставить текст). В третьем разделе упоминается отсылка к другому нормативному документу. Найди эту отсылку, объясни ее суть и проверь, действует ли сейчас тот документ».
-
Гипотетический ответ старых моделей: Может потерять контекст в длинном тексте, некорректно интерпретировать отсылку или ошибиться в статусе документа.
-
Что делает GPT-5: Благодаря увеличенному контекстному окну удержит весь текст ГОСТа. Маршрутизатор, распознав многоэтапную аналитическую задачу, может активировать режим глубокого рассуждения (Thinking). Затем модель точно найдет отсылку, сформулирует ее смысл и, используя веб-поиск, проверит актуальность linked-документа, приведя ссылку на официальный источник.
Пример 3: Запрос, требующий сложных логических вычислений
-
Промт: «Планируется реконструкция сквера прямоугольной формы. Его длина на 15 метров больше ширины. Если ширину увеличить на 10%, а длину уменьшить на 5 метров, то площадь сквера уменьшится на 250 м². Найди первоначальные размеры сквера. Подробно распиши решение по шагам».
-
Гипотетический ответ старых моделей: Может допустить арифметическую ошибку в цепочке расчетов или «придумать» логически непоследовательное решение, но преподнести его уверенно.
-
Что делает GPT-5: Распознает задачу как математическую. В зависимости от нагрузки, маршрутизатор либо сразу направит ее в мощный математический модуль (где GPT-5 показывает 94.6% на олимпиадном тесте AIME 2025), либо активирует Thinking Mode для пошагового, самопроверяющегося вывода. Вероятность ошибки в вычислениях резко снижается.
Точность как новая парадигма
GPT-5 — это не модель, которая «перестала галлюцинировать». Галлюцинации, как следствие статистического прогнозирования текста, остаются фундаментальной проблемой.
Однако GPT-5 — это система, которая научилась эффективно управлять рисками: честно сообщать о пределах своих знаний, активно перепроверять информацию извне, тратить больше ресурсов на сложные рассуждения и адаптировать свою «глубину» под задачу пользователя.
Для русскоязычного пользователя это означает существенный практический выигрыш: можно с большим доверием поручать модели анализ документов, поиск информации или решение нетривиальных задач.
Ключевое правило «проверяйте важную информацию» никуда не делось, но количество ситуаций, где такая проверка критически необходима, благодаря этим десяти фишкам, стало заметно меньше.
Точность превратилась из желаемого атрибута в архитектурный принцип.
