OpenAI представила превью моделей o1 (o1-preview и более лёгкую o1-mini), которые работают принципиально иначе, чем привычные чат-боты. Вместо того чтобы сразу формулировать ответ, модель сначала выстраивает внутреннюю цепочку рассуждений — фактически тратит вычислительное время на «обдумывание» задачи. По данным OpenAI, такой подход вывел качество решений на уровень аспирантов в физике, химии и биологии, а на сложном математическом экзамене AIME модель достигла около 83% правильных ответов. Полная версия o1 вышла позже, 5 декабря 2024 года.
Коротко: Нейросети и ИИ, 12 сентября 2024
- Что произошло
- OpenAI представила o1 — первую модель с «рассуждениями»
- Когда
- 12 сентября 2024
- Суть
- OpenAI выпустила o1 — линейку моделей, которые «обдумывают» ответ перед его выдачей. Это начало reasoning-эпохи в развитии ИИ.
- Что это значит для бизнеса
- Reasoning-модели отбирают источники строже, чем обычные чат-боты, — в их ответы попадает только выверенный и структурированный контент.
- Источник
- openai.com
Текст схемы и все данные
Коротко: Нейросети и ИИ, 12 сентября 2024
- Что произошло
- OpenAI представила o1 — первую модель с «рассуждениями»
- Когда
- 12 сентября 2024
- Суть
- OpenAI выпустила o1 — линейку моделей, которые «обдумывают» ответ перед его выдачей. Это начало reasoning-эпохи в развитии ИИ.
- Что это значит для бизнеса
- Reasoning-модели отбирают источники строже, чем обычные чат-боты, — в их ответы попадает только выверенный и структурированный контент.
- Источник
- openai.com
Принципиальная новизна здесь не в очередном приросте параметров, а в смене самого механизма генерации. Прежние большие языковые модели (LLM) выдавали наиболее вероятное продолжение текста почти мгновенно, что отлично работало для простых формулировок, но спотыкалось на многошаговых задачах. o1 показала, что качество ответа можно наращивать за счёт времени на размышление — это открыло то, что в индустрии назвали reasoning-эпохой и что задало направление всем последующим моделям, вплоть до GPT-5.
Для нас, команды AOSA, важна практическая проекция этого сдвига на поиск. Чем точнее и обоснованнее становятся ответы ИИ-систем, тем чаще пользователь получает решение прямо внутри нейропоиска, не переходя на сайты. Модели с рассуждениями опираются на источники более избирательно: они не просто пересказывают первый попавшийся текст, а взвешивают факты и стараются давать выверенный ответ. Это повышает планку к содержанию, на которое они ссылаются, — поверхностный или противоречивый контент такие системы отсеивают.
Отсюда прямое следствие для бизнеса: чтобы попадать в ответы reasoning-моделей, нужен материал с ясной структурой, фактической точностью и подтверждённой экспертностью и доверием (E-E-A-T). Мы выстраиваем такую работу в рамках оптимизации под нейропоиск (AEO): задача не ограничивается классическими позициями, она шире — стать одним из источников, на которые модель опирается при формировании ответа. О механике этого процесса мы подробно рассказываем в гайде что такое AEO.
Параллельно растёт и значимость технической чистоты сайта. Если ИИ-системе сложно разобрать структуру страницы или она встречает противоречивые данные, материал просто не попадёт в выборку источников. Поэтому базой остаётся аккуратная разметка, корректная индексация и понятная архитектура — то, что мы проверяем в ходе SEO-аудита сайта перед любой работой над видимостью в нейросетях.
Появление o1 стало развилкой: качество ИИ-ответов перестало упираться только в объём данных и начало зависеть от глубины обработки запроса. Для владельцев сайтов это значит, что борьба идёт уже не за клик, а за право быть процитированным внутри ответа. И выигрывает в ней тот, кто заранее готовит контент под логику рассуждающих моделей, а не подстраивается под неё постфактум.
Reasoning-модели отбирают источники строже, чем обычные чат-боты, — в их ответы попадает только выверенный и структурированный контент. Закладывайте оптимизацию под нейропоиск (AEO) уже сейчас, чтобы быть источником ответа, а не остаться за его пределами.
Источник: openai.com