Вы заметили, что ChatGPT начал ставить дурацкие лайки на ваши запросы? А ещё в последнее время бывает нещадно тупит и уходит от решения основной задачи?

А всё потому, что под одним и тем же названием модели человек может со временем получать не совсем одну и ту же систему.

Условно: вы всё время нажимаете кнопку «Opus 5.5», но за этой кнопкой компания может менять настройки того, как именно модель думает и отвечает. Снаружи название то же, а внутри — уже другой режим работы.

Вот что это значит по-человечески:

System prompt — внутренние инструкции модели. Например, ей могут сказать: «отвечай короче», «меньше спорь с пользователем», «не уходи далеко от запроса», «реже предлагай сложные решения». Модель та же, но поведение становится более осторожным или примитивным.

Reasoning budget — сколько ей разрешено «подумать» перед ответом. Представь одного и того же сильного специалиста: раньше ему давали 10 минут разобраться, теперь — 2 минуты. На простых задачах разницы почти нет, на сложных вдруг начинается: пропустил деталь, выбрал первый очевидный вариант, не проверил себя.

Routing — какой именно режим или вычислительный ресурс вам достался. Сервис может по-разному обрабатывать запросы разных типов, нагрузку в часы пик, бесплатных и платных пользователей и т. д. Для пользователя всё выглядит как «я разговариваю с той же моделью», хотя путь запроса внутри системы может отличаться.

Safety-фильтры — дополнительные слои, которые проверяют ответ до или во время генерации. Если их делают строже, модель может начать чаще уходить в безопасные общие формулировки, перестраховываться и не доводить мысль до конца. Пользователь воспринимает это как «раньше понимала, теперь тупит».

Tool policy — правила, когда модель может пользоваться поиском, кодом, файлами, другими инструментами. Если раньше она могла сама проверить факт или что-то посчитать, а теперь инструмент вызывается реже, ответ на той же задаче может стать хуже.

Agent loop — сколько попыток модель делает внутри задачи. Например: придумала решение → проверила → заметила ошибку → исправила. Если раньше таких внутренних циклов было больше, а потом их сократили ради скорости и цены, ответ становится более поверхностным.

Caching — система иногда повторно использует уже рассчитанные части ответа или промежуточные вычисления, чтобы работать быстрее и дешевле. Сам по себе кэш не делает модель глупее, но агрессивная оптимизация вокруг него может влиять на то, сколько реального вычисления тратится на новый запрос.

Context compaction — особенно важно в длинных задачах, но не только. Система может сжимать инструкции, файлы, историю или промежуточные шаги, чтобы всё помещалось и стоило дешевле. При таком сжатии иногда теряются нюансы: модель вроде бы «видела» информацию, но уже не в полном виде.

То есть нейросеть — это не только её “мозг” в виде модели, а это ещё мозг + сколько ему дали подумать + какие инструкции дали + какие фильтры поставили + какие инструменты разрешили + сколько проверок дали сделать.

Поэтому вполне возможно, что веса модели вообще не менялись, а человек на одинаковом промпте всё равно получает хуже результат.

Самая простая аналогия: это как один и тот же очень сильный хирург. В первый месяц ему дают час на операцию, полный набор инструментов, ассистента и право перепроверить снимки. Через месяц говорят: «У тебя 20 минут, ассистента нет, часть инструментов не используй, лишних действий не делай». Формально хирург тот же. Но результат может стать хуже.

Самое обидное, когда вот это всё меняют, нам не говорят (никто кроме инженеров, даже сам GPT или Gemini не знают своих внутренних настроек, и никто е рассказывает в новостях когда меняются эти настройки). Даже внешних признаков обычно нет, ну кроме данного случая, когда GPT начал мне лайки ставить.