Принято считать, что высокая частота релизов говорит о стремительном развитии нейросетей. На днях Google выкатила Gemini 3.7 Flash, которая архитектурно и по наборам данных всё ещё полностью опирается на прошлую версию. Главным аргументом для разработчиков снова пытаются сделать экономику и настраиваемые параметры генерации.

Сухие цифры закрытых тестирований действительно выглядят конкурентно в нескольких специфических нишах. Модель выдает 43.6% в метрике FrontierCode 1.1, обходя Claude Sonnet 5 и GPT-5.6 Terra. Работа с длинным контекстом тоже заявлена как улучшенная, достигнув точности 97% на объеме в 128 тысяч токенов. Привлекает и стоимость генерации: $0.75 за миллион входных токенов против $2.00 у основных конкурентов на рынке. Правда, эта щедрость ограничена временным промо-периодом, после которого прайс для разработчиков вырастет ровно в два раза. Учитывая текущую частоту релизов в индустрии, рассчитывать на подобную долгосрочную экономию довольно странно.

Вопрос в том, насколько эти точечные апгрейды меняют реальный опыт повседневного использования? Общий индекс интеллекта модели по сводным метрикам всё ещё отстает от GPT-5.6 Terra. База знаний обрывается на марте, а в некоторых предметных областях и вовсе ограничена более старыми данными. Компания честно признает сохранение старых проблем с галлюцинациями и периодическими таймаутами при высоких нагрузках. Похоже, вместо фундаментального решения ограничений мы продолжаем наблюдать бесконечную оптимизацию ради красивых отчетов.