Глава Applied Research OpenAI Борис Пауэр заявил, что около 80–90% исследовательской работы компании уже направлено на модели GPT-7, GPT-8 и следующие поколения, потому что именно там OpenAI видит основную ценность. Улучшения внутри одного поколения, например переход с GPT-5.1 на 5.2, компания называет краткосрочными ставками, а главным скачком качества считает переход к новому поколению. Одновременно Пауэр раскрыл экономику линейки GPT-6: флагман Astra работает «учителем» для дешёвых моделей вроде Luna при стократной разнице в цене, а главной проблемой современных AI-ассистентов он считает не качество моделей, а онбординг.

image
image

Что произошло

23 сентября 2026 года на сессии Fellows Forum 2026 в Менло-Парке глава Applied Research OpenAI Борис Пауэр в беседе с Закари Липтоном описал, как компания распределяет исследовательские ресурсы. По его словам, около 80–90% этой работы уже приходится на GPT-7, GPT-8 и последующие поколения моделей. Точечные улучшения внутри одного поколения, например с GPT-5.1 до 5.2, он охарактеризовал как краткосрочные ставки: они помогают быстрее итерироваться сегодня, но не составляют долгосрочную стратегию. Пауэр также изложил ценовую архитектуру линейки GPT-6: флагман Astra стоит 10 долларов за 1 миллион входных токенов и 50 долларов за выходных, дешёвая Luna — 0,10 и 0,50 доллара за те же объёмы, то есть в сто раз дешевле, а Sol занимает средний ценовой уровень.

Контекст

Описанная схема «учитель-ученик» — устоявшийся в индустрии паттерн дистилляции: дорогая frontier-модель генерирует качество и обучающие данные, а дешёвая модель обучается на них и уходит в массовый деплой. У OpenAI этот паттерн теперь оформлен напрямую в ценах линейки GPT-6, где Astra выступает источником данных для Luna. Такая логика объясняет и распределение ресурсов: прорывное качество сознательно откладывается до смены поколений, а внутри поколения компания лишь быстро итерируется, поддерживая текущий продукт актуальным. Заявление Пауэра о том, что узкое место современных ассистентов находится в онбординге, дополняет картину: по его оценке, большинство пользователей задействуют лишь малую часть способностей моделей, то есть проблема лежит в интерфейсе и раскрытии возможностей, а не в самих моделях.

Почему это важно для индустрии

Для отрасли главный сигнал — публично названная пропорция: 80–90% исследовательских ресурсов OpenAI работает на несколько поколений вперёд, поэтому конкурентам стоит ожидать скачка ценности именно при смене поколений, а не от инкрементальных апдейтов. Ценовая пара Astra и Luna со стократным разрывом делает рутиной архитектуру роутинга: дешёвый ярус берёт основной трафик, флагман подключается только к сложным случаям, что способно снизить стоимость inference на порядок. Механизм «учитель-ученик» показывает, как frontier-компания превращает флагманские модели в экономику дешёвого массового деплоя. Командам-строителям это задаёт три практических направления: вкладываться в собственные evals и модель-агностичную абстракцию вместо слежения за минорными релизами, пересчитывать юнит-экономику агентов под дешёвый ярус и работать над наблюдаемостью и раскрытием возможностей продукта, поскольку ценность системы теперь определяется не только метриками модели, но и тем, насколько хорошо пользователь понимает, что она умеет.

Почему это важно для пользователей

Пользователям не стоит ждать прорывных изменений от промежуточных версий вроде 5.2: их сознательно делают быстрыми и малозаметными ставками, а основные скачки качества придут на границе поколений GPT-7 и GPT-8, даты которых не объявлены. Практический вывод — глубже осваивать возможности уже доступных моделей, потому что, по оценке Пауэра, большинство людей используют лишь малую часть их способностей. Astra в составе линейки GPT-6 уже описывается как «коллега», которому можно просто поставить цель и получить результат, а дешёвый ярус Luna делает объёмные агентные сценарии и активное ежедневное использование заметно доступнее по цене.

Что пока неизвестно / ограничения

Заявление о распределении 80–90% исследований — это оценка руководителя на публичной сессии, а не раскрытая внутренняя статистика, и независимо оно не проверяется. Даты выхода GPT-7 и GPT-8 не названы, поэтому горизонт смены поколений остаётся неизвестным. По линейке GPT-6 в источниках нет данных о latency, rate limits и SLA, а также о разрыве качества Luna против Astra на сложных задачах; стократная экономия по цене не делает Luna готовой drop-in заменой флагмана, и без собственного eval-харнесса каскад может незаметно терять качество. Названные цены приводятся по выступлению Пауэра и должны быть сверены с актуальной документацией OpenAI перед использованием в расчётах.

Источники

Автор

Look at AI, редакция