Artificial Analysis впервые поставили на первое место сразу три модели. Но главный сигнал, кажется, в другом
Artificial Analysis опубликовали свежий рейтинг моделей, и впервые верхняя строчка разделена сразу между тремя игроками: Claude Opus 4.7, GPT-5.4 и Gemini 3.1 Pro.
На первый взгляд это выглядит как красивая ничья. Но если смотреть внимательнее, важна не только сама таблица, а то, как именно модели пришли к этому результату.
В описании рейтинга роли распределяются довольно ясно: Opus 4.7 делают ставку на надёжность, Gemini 3.1 Pro — на точность, GPT-5.4 — на универсальность.
И в этом, возможно, главная новая реальность рынка: лидерство теперь всё хуже описывается одной цифрой и всё лучше — профилем поведения модели в работе.
Что показал новый рейтинг
- Claude Opus 4.7, GPT-5.4 и Gemini 3.1 Pro делят первое место.
- Разрыв между топ-моделями всё сильнее уходит из плоскости «кто умнее вообще» в плоскость «кто лучше ведёт себя в конкретном типе задач».
- На фоне таблицы особенно выделяется новый тест GDPval — симуляция реальной работы в 44 профессиях, а не набор абстрактных вопросов.
Это важный сдвиг. Долгое время рейтинги моделей были удобны как ориентир, но плохо отвечали на прикладной вопрос: что именно будет происходить, когда модель попадёт в живой рабочий контур.
GDPval выглядит интереснее как раз потому, что пытается измерять не витринную эрудицию, а поведение в задачах, ближе к реальному труду.
Почему отдельный хайлайт достался именно Opus 4.7
Если верить разбору Artificial Analysis, Opus 4.7 особенно заметно продвинулась по линии надёжности: модель реже галлюцинирует, чаще выбирает ответ «не знаю» вместо уверенной выдумки, при этом стала дешевле и эффективнее.
Это не самая громкая характеристика на рынке. Но в прикладной работе именно она часто оказывается самой дорогой по последствиям.
Модель, которая чуть реже ошибается эффектно, на длинной дистанции часто полезнее модели, которая чуть чаще впечатляет в демо.
Поэтому новость здесь не только в том, что Opus догнала верх таблицы. Скорее в том, что надёжность всё заметнее становится самостоятельной конкурентной осью, а не просто приятным бонусом к общей «мощности».
Что это меняет для тех, кто выбирает модель под работу
- Если нужен широкий универсальный инструмент под разный стек задач, логично смотреть в сторону GPT-5.4.
- Если важнее точность и аккуратность в ответах, естественно обратить внимание на Gemini 3.1 Pro.
- Если критична предсказуемость поведения, контроль галлюцинаций и дисциплина в uncertainty, Opus 4.7 выглядит особенно интересно.
Иными словами, рынок всё сильнее движется к ситуации, где вопрос звучит не «какая модель лучшая вообще», а «какая модель дороже ошибается именно в моём процессе».
Для команд и специалистов это даже полезнее красивой абсолютной гонки. Потому что универсальный лидер в вакууме почти всегда менее важен, чем подходящий лидер в вашем сценарии.
В Telegram я собрал прикладное продолжение этой темы: короткую памятку, какую модель я бы выбирал под 5 типовых задач — код, ресерч, тексты, агентные сценарии и повседневную рабочую универсальность. Если нужен не рейтинг как новость, а рейтинг как рабочее решение, это там: https://t.me/+kONpLS1aJQwwY2My
Источник
Источник рейтинга: https://artificialanalysis.ai/models/claude-opus-4-7