OpenAI представила обновление линейки своих флагманских моделей — GPT-5.2. По оценкам компании и первых независимых проверок, новая версия существенно усилила способности ИИ в областях, где точность и строгая логика особенно критичны: математический анализ, естественные науки и технические дисциплины.
Судя по свежим показателям, GPT-5.2 Pro и GPT-5.2 Thinking становятся инструментами, способными не просто ассистировать учёным, а ускорять темпы исследований — вплоть до решения задач, которые ранее оставались открытыми.
Одним из ключевых изменений в GPT-5.2 стали как раз улучшенные механизмы формального и количественного рассуждения. Это заметно по росту результатов в нескольких продвинутых тестах, которые оценивают не память модели, а её способность думать.
GPT-5.2 Pro показала результат 93,2%, а GPT-5.2 Thinking — 92,4%. Это выше предыдущего поколения и на сегодня является лучшим показателем среди открыто описанных моделей.
Важно понимать: FrontierMath — не олимпиадные трюки, а задачи уровня исследовательской деятельности, требующие аккуратного прохождения по цепочке формальных переходов.
Учёные попросили GPT-5.2 Pro разобраться с вопросом, который оставался нерешенным с 2019 года: будет ли ошибка модели гарантированно уменьшаться, если увеличивать объем данных, — в идеальном, учебниковом случае?
Ранее было известно, что в ряде настроек добавление данных ухудшает качество модели — вопреки здравому смыслу. Но классическая ситуация с нормальным распределением данных и известным средним долгое время оставалась теоретическим белым пятном.
GPT-5.2 Pro предложила доказательство, которое затем перепроверили авторы и внешние эксперты. И подтверждение оказалось положительным: в этом фундаментальном сценарии качество действительно улучшается монотонно.
Более того, модель сумела распространить идею на многомерные случаи и другие распространенные статистические модели — уже в режиме простых уточняющих запросов.
Такой режим работы — «машина предлагает идею, человек валидирует» — становится новым научным инструментом. Не заменой исследователя, а ускорителем предварительных гипотез и поиска направлений.
Но тенденция очевидна: ИИ все чаще становится участником научного процесса, а не просто инструментом автоматизации. GPT-5.2 — очередной шаг к тому, чтобы сложные поисковые работы начинались не с пустого листа, а с набора продуманных вариантов, из которых исследователь выбирает, уточняет и формализует.
Судя по свежим показателям, GPT-5.2 Pro и GPT-5.2 Thinking становятся инструментами, способными не просто ассистировать учёным, а ускорять темпы исследований — вплоть до решения задач, которые ранее оставались открытыми.
Почему новая модель важна для науки
Современные научные задачи все чаще сводятся не к поиску информации, а к умению выстраивать многошаговые рассуждения, контролировать численные допущения, работать с абстрактными объектами и моделями. Ошибка в одном шаге, и итог всей вычислительной цепочки оказывается неверным.Одним из ключевых изменений в GPT-5.2 стали как раз улучшенные механизмы формального и количественного рассуждения. Это заметно по росту результатов в нескольких продвинутых тестах, которые оценивают не память модели, а её способность думать.
Где GPT-5.2 уже проявила себя
1. GPQA Diamond: срыв планки «выпускного экзамена» для ИИ
GPQA Diamond — один из самых строгих тестов, созданных так, чтобы модели не могли просто извлекать ответы из интернета. Здесь собраны сложные вопросы по физике, химии и биологии уровня аспирантуры.GPT-5.2 Pro показала результат 93,2%, а GPT-5.2 Thinking — 92,4%. Это выше предыдущего поколения и на сегодня является лучшим показателем среди открыто описанных моделей.
2. FrontierMath: прорыв в экспертной математике
В серии задач FrontierMath, где модели разрешено использовать Python для вычислений, GPT-5.2 Thinking решила 40,3% примеров — это заметный скачок по сравнению с GPT-5.1.Важно понимать: FrontierMath — не олимпиадные трюки, а задачи уровня исследовательской деятельности, требующие аккуратного прохождения по цепочке формальных переходов.
Когда ИИ закрывает настоящую научную проблему
Самый впечатляющий кейс — новое исследование в области статистической теории обучения.Учёные попросили GPT-5.2 Pro разобраться с вопросом, который оставался нерешенным с 2019 года: будет ли ошибка модели гарантированно уменьшаться, если увеличивать объем данных, — в идеальном, учебниковом случае?
Ранее было известно, что в ряде настроек добавление данных ухудшает качество модели — вопреки здравому смыслу. Но классическая ситуация с нормальным распределением данных и известным средним долгое время оставалась теоретическим белым пятном.
GPT-5.2 Pro предложила доказательство, которое затем перепроверили авторы и внешние эксперты. И подтверждение оказалось положительным: в этом фундаментальном сценарии качество действительно улучшается монотонно.
Более того, модель сумела распространить идею на многомерные случаи и другие распространенные статистические модели — уже в режиме простых уточняющих запросов.
Поворот в том, как работает исследовательский процесс
Этот пример интересен не результатом, а подходом: модель не получала наброска доказательства и не дописывала пропущенные шаги. Ей предложили решить задачу в лоб, и она выдала структурированный аргумент, который можно проверить.Такой режим работы — «машина предлагает идею, человек валидирует» — становится новым научным инструментом. Не заменой исследователя, а ускорителем предварительных гипотез и поиска направлений.
Что это меняет в науке прямо сейчас
- Теоретические дисциплины получают новый черновик-генератор. Модели становятся полезны не только в кодировании и анализе данных, но и в чистой математике.
- Работа над гипотезами ускоряется. То, что могло занять месяцы перебора вариантов, теперь проходит за часы — при последующей человеческой проверке.
- Роль специалиста смещается от «придумать доказательство» к «оценить его строгость». Это похоже на переход от ручных вычислений к символьной алгебре в прошлом веке.
GPT-5.2 — не исследователь, но мощный соавтор
Несмотря на успехи, OpenAI подчеркивает, что модели все еще могут ошибаться, опускать условия или полагаться на неявные допущения. То есть ответственность за корректность по-прежнему на человеке.Но тенденция очевидна: ИИ все чаще становится участником научного процесса, а не просто инструментом автоматизации. GPT-5.2 — очередной шаг к тому, чтобы сложные поисковые работы начинались не с пустого листа, а с набора продуманных вариантов, из которых исследователь выбирает, уточняет и формализует.