За последний год в ленте не протолкнуться от анонсов: очередная модель “думает как человек”, очередной агент “заменит целый отдел”, очередная нейросеть рисует так, что не отличить от фото. Раз в месяц выходит что-то, что называют прорывом. И знаешь что — из десяти анонсов реальным прорывом оказывается один. Остальные девять — это красиво смонтированное демо, которое на практике либо глючит, либо решает задачу, которой ни у кого не было.
Я слежу за этим не из любопытства, а по работе — внедряю ИИ-агентов в реальный бизнес, и мне нужно понимать, что из новинок можно тащить в прод, а что оставить энтузиастам с Reddit. Разложил по полочкам то, что накопилось за последние месяцы.
Языковые модели: разница между “умнее” и “полезнее”
Каждый следующий релиз крупной модели меряется бенчмарками — кто лучше решает олимпиадные задачи по математике, кто пишет более чистый код, у кого выше балл на очередном экзамене для нейросетей. Проблема в том, что 95% пользователей никогда в жизни не столкнутся с задачей уровня “олимпиадная геометрия”. Им нужно, чтобы модель точно поняла обычный человеческий запрос, не выдумывала несуществующие факты и не забывала, что было сказано пять реплик назад.
И вот тут разрыв между топовыми моделями почти не заметен обычному человеку, а заметен как раз в другом — насколько дёшево и быстро модель это делает. За 2025-2026 год все крупные разработчики резко нарастили не “интеллект” моделей, а их надёжность в рутинных задачах и стоимость обращения — она упала в разы. Вот это реальный прорыв, просто его не выносят в заголовок пресс-релиза, потому что “стало в 5 раз дешевле” звучит не так эффектно, как “думает как нобелевский лауреат”.
Генерация видео и картинок — где граница между вау и подставой
Тут прогресс реально ощутимый и видимый глазами: ещё два года назад сгенерированное видео выдавало себя за секунду — плывущие руки, нечитаемый текст на вывесках, странная физика. Сейчас лучшие модели генерации видео дают ролики, которые с первого взгляда не отличить от реальной съёмки. Это уже используют в рекламе, в презентациях продуктов, в коротких промо-роликах — и это реально работает, экономит бюджеты на съёмку.
Подвох в другом: генерация всё ещё плохо держит консистентность на длинных роликах (лицо человека может “поплыть” через 10 секунд), и всё ещё есть нерешённая проблема с текстом внутри картинки — нейросети упорно не умеют красиво вписывать буквы в сцену. Если тебе покажут ролик длиннее 30 секунд без единой склейки и без крупного плана лица — скорее всего, там либо человеческий монтаж поверх, либо это не совсем то же демо, что было в презентации.
Агенты, которые “сами всё делают” — где правда, а где красивое слово
Вот тут максимум хайпа и максимум путаницы. Словом “агент” в 2026 называют вообще всё подряд — от простого чат-бота с парой сценариев до системы, которая реально самостоятельно бронирует, звонит, проверяет базу данных и принимает решения. Разница между этими двумя вещами — как между калькулятором и бухгалтером, но продают их одним и тем же словом.
Реально рабочие агентные системы сейчас справляются хорошо с узкой, чётко очерченной задачей: обработать заявку, ответить на типовой вопрос, забронировать слот, напомнить о визите. Как только задача становится многошаговой и непредсказуемой (агент должен сам понять, когда переключиться на человека, сам разрулить нестандартную ситуацию) — начинаются проблемы. Это не значит, что технология не работает — значит, что нужно проектировать агента под конкретный кусок процесса, а не обещать клиенту “полную автоматизацию отдела продаж” одной кнопкой.
Кстати, я с этим сталкиваюсь каждый день на практике — когда делаю ИИ-агентов для бизнеса, самая частая ошибка заказчика (и моя тоже, чего греха таить, на старте) — это попытка впихнуть в одного агента слишком много ответственности сразу. Работает лучше, когда агент делает одну вещь очень хорошо, а не десять вещей на троечку.
Так стоит ли гнаться за каждой новинкой
Короткий ответ — нет, если ты не разработчик и не блогер, которому нужен контент про технологии. Для обычного бизнеса или человека куда важнее не “какая модель самая крутая”, а “что из существующего можно применить прямо сейчас и получить результат”. Новые модели выходят каждый месяц — если ждать “идеальную”, ты будешь ждать вечно, а конкуренты уже возьмут то, что доступно сегодня, и получат результат.
Если из всего разбора вынести одну мысль — вот она: не гонись за хайпом, гонись за конкретной задачей, которую ИИ может закрыть уже сейчас.