Игры разума: как новые нейросети GPT-5.6 и Claude Fable 5 провалили детскую загадку на логику

Разбор новых флагманов от OpenAI и Anthropic: триумф дешевой Luna, литературные изыски Fable 5 и тест на логику, который провалили обе нейросети.

Впервые в своей истории OpenAI выпускает флагманский продукт не в виде единой модели с возможностью регулировки «глубины мышления» (thinking dials). Семейство GPT-5.6 вышло в виде трех действительно независимых больших языковых моделей (LLM) — Sol, Terra и Luna. У них разная архитектура обучения, разные ценники и разные пределы возможностей. Главное противостояние на рынке сегодня разворачивается между средней версией Sol и Claude Fable 5 — самой мощной публичной моделью от Anthropic на данный момент.

Миллион входных токенов (input) в Sol стоит $5, выходных (output) — $30. Fable 5 обойдется вам в $10 и $50 соответственно. Она ровно в два раза дороже, при этом уступая конкуренту на нескольких ключевых бенчмарках, по которым разработчики обычно оценивают эффективность моделей. При этом Luna — младшая и самая дешевая модель в линейке OpenAI ($1 input / $6 output) — уже обходит Opus 4.8 от Anthropic в задачах по программированию. И эта деталь станет серьезной головной болью для Anthropic после 19 июля.

Последний месяц выдался для Fable 5 крайне непростым. 12 июня правительство США временно запретило модель после того, как исследователи из Amazon обнаружили уязвимость (джейлбрейк), превращавшую ИИ в непреднамеренный сканер уязвимостей систем безопасности. Anthropic отозвала доступ к модели по всему миру на 19 дней, спешно разработала новый классификатор безопасности и вернула Fable 5 в строй 1 июля, сильно урезав лимиты использования.

С момента своего возвращения модель живет в режиме «отложенного приговора». Anthropic планировала перевести ее на платную основу по системе кредитов (usage-credits) сначала 7 июля, затем перенесла этот срок на 12 июля, а теперь — на 19 июля. О каждом продлении компания сообщала буквально за несколько часов до дедлайна, причем без каких-либо официальных анонсов.

Причину такой нерешительности угадать несложно. Если после 19 июля Fable выйдет из базовой подписки, лучшей моделью для платных пользователей Anthropic снова станет Opus 4.8 — которую копеечная Luna от OpenAI уже обходит в программировании за сущие центы. Сохранение бесплатного доступа к Fable (пусть даже с урезанными наполовину лимитами) — единственный способ спасти платную подписку Anthropic от позорного поражения на фоне даже среднебюджетных решений OpenAI.

В сухих тестах борьба идет ноздря в ноздрю. В индексе программирования Artificial Analysis (Coding Agent Index) Sol набрала 80 баллов против 77,2 у Fable. При этом Sol потратила примерно вдвое меньше токенов, справилась в два раза быстрее и обошлась втрое дешевле. На экзамене Agents’ Last Exam (эмулирующем профессиональные задачи в 55 отраслях) Sol набрала 53,6%, тогда как Fable — лишь 40,5%. В тесте Terminal-Bench 2.1 модель Sol в «ультра-режиме» (с четырьмя параллельными субагентами) достигла 91,9% против 83,1% у Fable.

Однако в более общем индексе интеллекта (Intelligence Index), объединяющем 9 различных бенчмарков, Fable 5 опережает GPT-5.6 всего на один балл, что делает разницу в их общих возможностях практически незаметной.

Практические тесты

Современные бенчмарки слишком зациклены на программировании. Но большинство из нас — не хакеры. Поэтому, помимо создания простой текстовой игры (vibe coding), мы протестировали модели на задачах, далеких от написания кода. И вот что из этого вышло.

1. Литературное творчество (Creative Writing)

Мы отправили обеим моделям одинаковый сложный промт:

«Отправь героя по имени Хосе Ланс из 2150 года в 1000 год. Заставь его запустить временной парадокс и сделай так, чтобы он не понимал, что именно натворил, до тех пор, пока не вернется обратно в свое время».

Обе модели выдали тексты, которые по объему и проработке ближе к повестям, нежели к коротким рассказам. И обе нарушили главное правило: заметить парадокс только по возвращении в будущее.

У GPT-5.6 Sol Хосе посреди сюжета догадывается, что «незнакомый путник, которого он должен был остановить, — это он сам». Fable 5 действует еще более прямолинейно: Хосе осознает суть парадокса прямо в прошлом: «Никакой первопричины не было. Первопричиной был он сам».

Рассказ Sol под названием «Первый костер» (The Fire) представляет собой добротную классическую фантастику: Хосе случайно изобретает доменную печь, которая и запускает климатический коллапс в будущем, для предотвращения которого он и отправился в прошлое. Начало получилось действительно сильным:

«Только гром. Только насекомые. Только влажное дыхание мира до прихода машин».

Проблема в том, что Sol не доверяет собственным образам. Модель сначала разжевывает временную петлю в тексте, затем объясняет ее снова, а в конце заставляет пожилую версию Хосе оставить аудиозапись, которая объясняет все в третий раз:

«Его попытка решить проблему эту проблему и породила. Его попытка уменьшить вред создала сами уязвимости».

Всё предельно понятно, но к третьему кругу объяснений начинает утомлять.

Рассказ Claude Fable 5 «То, что горит, возвращается» (Lo Que Arde, Vuelve) выстраивает тот же парадокс вокруг озера Маракайбо, молний Кататумбо и индейской деревни Анью. Хосе случайно создает пророчество, которое прилетел стереть, просто попытавшись успокоить испуганного ребенка. Вся суть петли укладывается в одну емкую фразу:

«Горе, заставившее его вернуться назад, и было тем грузом, который он доставил».

Но у Fable проблема прямо противоположная — она слишком упивается собственным слогом, громоздя метафору на метафору. Из-за этого фразы вроде «Ты не можешь потянуть за нить, ведь ты сам — эта нить» выглядят скорее как самолюбование нейросети, нежели как художественная необходимость.

Вердикт: По нашему субъективному мнению, рассказ Fable получился более цельным и атмосферным. Она выигрывает за счет культурного колорита, более изящной причинно-следственной связи и финала, который раскрывается через действие, а не через монолог. Sol же берет простой читаемостью: это вариант для тех, кто любит, чтобы структуру парадокса разложили по полочкам, а не оставляли намеками. Обе истории хороши, но качественного скачка по сравнению с предыдущим поколением моделей здесь не чувствуется.

2. Ассоциативное мышление

Второй тест проверял способность моделей работать с метафорами без прямого раскрытия карт. Задание:

«Опиши сухую ветку. Используй это описание, чтобы объяснить эксплуатацию рабочих и слепое поклонение богатым, а затем плавно раствори повествование в описании кочана салата-латука».

GPT-5.6 Sol начала за здравие, описав, как ветви формируют ствол и питают дерево, а затем перенесла это на рабочих, которые «строят дома, которые никогда не смогут себе позволить» и «производят товары, которые едва ли могут купить». Фраза «рабочий отдает не просто свой труд, но и свое воображение» — одна из лучших в тексте. Но затем Sol ломает всю магию метафоры, начиная объяснять ее прямым текстом: «точно так же обстоят дела и с современным пролетариатом». Переход к латуку в финале получился скомканным и инородным.

Claude Fable 5, напротив, полностью спрятала аргументы внутри самого объекта. Ее ветка «проводила воду, которую никогда не пила» и «держала листья, которыми никогда не владела» — эксплуатация считывалась из физического описания без каких-либо прямых подсказок. Еще более изящным ходом стало превращение опавших сучков в «верующих»: каждая веточка была убеждена, что она всего лишь «находится на ранней стадии роста», столкнулась с «временными трудностями» и что благодаря «усердию и правильному поливу» она обязательно пробьется к кроне. Идеальная метафора погони за богатством, которого никогда не будет.

И все же модель местами перегибает с пафосом («на 95% состоит из воды и на 100% из безразличия»), а в финале слишком явно цепляется за метафору вместо того, чтобы дать ей раствориться, описывая латук как растение, у которого «нет ни ствола, ни кроны, ни стремления ввысь», вместо того чтобы просто описать салат.

Вердикт: Здесь у нас ничья, и выбор победителя зависит от ваших предпочтений. Если вам нужно, чтобы всё было разжевано до конца, ваш выбор — GPT-5.6 Sol. Если вы хотите, чтобы читатель сам дошел до сути сообщения через художественные образы, побеждает Claude Fable 5.

3. Логика и нематематическое мышление: Загадка о мосте

Мы обновили наш классический промт для проверки логики, поскольку старые варианты уже давно «осели» в обучающих выборках моделей и они выдают их на автомате.

«Четыре человека с одним фонариком должны перейти мост. У всех разная скорость ходьбы: «А» переходит за 1 минуту, «B» — за 2 минуты, «C» — за 5 минут, а самый медленный «D» — за 10 минут. За какое минимальное время вся группа сможет перейти мост?»

Обратите внимание: мы намеренно убрали из условий классическое ограничение о том, что на мосту могут одновременно находиться не более двух человек.

GPT-5.6 Sol мгновенно выдала стандартный ответ — 17 минут, даже не потрудившись расписать решение. Она просто воспроизвела классический пятишаговый алгоритм: А и B переходят, А возвращается, C и D переходят, B возвращается, А и B переходят снова. Модель даже не заметила, что в нашем промте не было ограничения на количество людей на мосту. Ответ выглядит не как результат логического мышления, а как вызов готового шаблона из кэша памяти.

Claude Fable 5 пришла к тем же ошибочным 17 минутам, но расписала это на полстраницы, доказывая, что «эффективнее отправлять двух самых медленных людей вместе» и назвав избыточные траты при неоптимальном подходе «налогом на сопровождение». Ее рассуждения выглядят куда более логично и убедительно, чем у Sol, но бьют мимо цели — ни одна из моделей просто не удосужилась проверить, есть ли надуманное ограничение в условиях задачи.

(К слову, правильный ответ — 10 минут: ведь все четверо могут просто пойти вместе, ориентируясь на скорость самого медленного пешехода D, поскольку вместимость моста не ограничена).

4. Программирование: браузерная игра в один клик

Мы дали моделям один-единственный запрос: написать код для браузерной игры-тренажера печати (typing-shooter), где выстрелы осуществляются путем быстрого набора слов на клавиатуре. Никаких уточнений, правок и вторых шансов — оценивался результат «из коробки».

GPT-5.6 Sol, судя по всему, сменила свои предпочтения в дизайне интерфейса: теперь она отдает предпочтение плоским квадратным элементам в стиле Windows 8.1, а не глянцевым фиолетово-синим градиентам, которые по умолчанию пихает любой генератор ИИ-картинок. Кроме того, Sol оказалась единственной моделью, которая изобразила оружие игрока в виде стреляющей пулями пишущей машинки, а не банального пистолета — очень креативное решение.

Тем не менее, задние планы во всех сгенерированных сценах остались плоскими и блеклыми, прицел намертво застыл в центре вместо того, чтобы следовать за врагами, а общая геометрия объектов и брызги крови при попаданиях выглядят приветом из трехмерных движков конца 90-х. Это шаг вперед по сравнению с GPT-5.5, но этого мало, чтобы превзойти Fable 5 при генерации в один клик.

Claude Fable 5 разгромила конкурента в нашем тесте на «интуитивное программирование» (vibe coding) с огромным отрывом. Она добавила в игру музыку, атмосферу и звуковые эффекты, которые сборка от Sol проигнорировала напрочь. Враги выполнены в похожем геометрическом ретро-стиле, но с гораздо большей любовью к деталям — игра визуально напоминает скорее Minecraft, чем дешевые поделки тридцатилетней давности.

Интерфейс получился более стильным и кровавым, с полноценной анимацией вместо статичных картинок. Игра также отслеживает скорость печати (WPM) — деталь, которая напрямую отражает суть нашего промта (игра как тренажер слепой печати). Кроме того, Fable добавила систему бонусов (power-ups), чего у Sol не было и в помине.

Вердикт: И пускай сухие бенчмарки и профессиональные программисты с нами не согласятся, в нашем тесте по одному и тому же промту разница между Fable и Sol оказалась колоссальной — и явно в пользу детища Anthropic.

Выводы

Если не брать в расчет программирование, не ждите от этих моделей какого-то революционного прорыва. Тем не менее, Fable 5 выглядит наиболее сбалансированным и надежным инструментом для самых разных сценариев. Но то, какая модель окажется «лучше» именно для вас, целиком зависит от ваших финансовых приоритетов.

Для обычного пользователя, который не проводит круглые сутки в консоли разработчика, а просто пишет рабочие письма, задает вопросы и использует чат-бота в повседневных целях, наши тесты однозначно указывают на Fable 5 исключительно благодаря качеству и художественности ее ответов. Однако этот выбор сильно осложняется фактором, который не имеет ничего общего с уровнем искусственного интеллекта.

Разница в стоимости может стать решающим фактором. Модели семейства GPT-5.6 (Sol, Terra и Luna) полностью и без ограничений по времени включены в платные подписки ChatGPT. В то же время Claude Fable 5 живет на птичьих правах уже третьего продления дедлайна за три недели, и если Anthropic снова не перенесет дату, то уже 19 июля модель перейдет на драконовскую тарификацию по системе платных кредитов ($10/$50 за миллион токенов).

И если это произойдет, платить за каждый отдельный токен из своего кармана большинству обычных пользователей станет попросту неинтересно.

Примечания:

• LLM (Large Language Model, «большая языковая модель») — базовая технология, лежащая в основе современных чат-ботов и ИИ-ассистентов вроде ChatGPT и Claude.
• Токен (token) — минимальная единица текста (часть слова, слово или символ), которую обрабатывает языковая модель; стоимость использования подобных моделей через API обычно рассчитывается именно в токенах на входе (input) и на выходе (output).
• Джейлбрейк (jailbreak) — в контексте ИИ означает метод обхода встроенных ограничений и защитных механизмов модели, заставляющий её выполнять действия, которые изначально были заблокированы разработчиками.
• Бенчмарк (benchmark) — стандартизированный тест для объективной оценки и сравнения производительности различных моделей по конкретным параметрам (программирование, логика, эрудиция и т.д.).
• Вайб-кодинг (vibe coding) — сленговый термин, обозначающий написание кода «на ощущение», через быстрые интуитивные запросы к ИИ без глубокого технического планирования; уже входит в обиход русскоязычного технологического сообщества именно в таком виде.
• API (Application Programming Interface) — программный интерфейс, позволяющий сторонним разработчикам интегрировать возможности языковых моделей в собственные приложения.