GPT

GPT (Generative Pre-trained Transformer, «генеративный предварительно обученный трансформер») — семейство больших языковых моделей (LLM), разработанное компанией OpenAI. Модели GPT относятся к технологиям генеративного искусственного интеллекта и используются для обработки и генерации текста, в том числе в ChatGPT. Они построены на архитектуре трансформера (Transformer) и реализуют парадигму генеративного предобучения (generative pre-training): на первом этапе модель обучается на обширных текстовых корпусах без явной разметки, после чего может быть дообучена (fine-tuning) для решения конкретных задач. Начиная с GPT-5 OpenAI также использует термин единая система (unified system), поскольку система объединяет режим быстрых ответов, режим углублённого рассуждения (reasoning) и маршрутизатор (router).

Название

Аббревиатура GPT расшифровывается как Generative Pre-trained Transformer («генеративный предварительно обученный трансформер»).

• Generative («генеративный»): указывает на способность модели создавать (генерировать) новое содержимое, например текст.
• Pre-trained («предварительно обученный»): указывает на то, что модель проходит масштабный этап первоначального обучения на большом наборе данных (например, текстах из Интернета). После предварительного обучения модель нередко может быть дополнительно «дообучена» для решения более специализированных задач.
• Transformer («трансформер»): относится к определённой архитектуре нейронных сетей, являющейся ключевой технологической основой GPT и многих других современных моделей искусственного интеллекта.

Главная особенность GPT состоит в том, что обучение выполняется авторегрессионным способом: модель предсказывает следующий токен на основе предшествующего контекста. Иными словами, модель обучается максимизировать вероятность следующего токена при заданной последовательности предыдущих токенов. В ходе обучения минимизируется ошибка предсказания следующего элемента, что позволяет генерировать тексты с высокой связностью и последовательностью.

Процесс генерации текста в GPT

Модель GPT генерирует текст последовательно, токен за токеном, по следующей итерационной схеме:

• Получает на вход исходную текстовую последовательность (промпт, начальный текст).
• Вычисляет распределение вероятностей по всем токенам словаря для следующего элемента текста.
• Выбирает следующий токен:
  • либо с наибольшей вероятностью (жадный выбор),
  • либо посредством стохастической выборки (сэмплинг),
  • либо с использованием специальных стратегий фильтрации (top-k, top-p).
• Добавляет выбранный токен к текущей последовательности.
• Обновлённая последовательность снова подаётся в модель для предсказания следующего токена.

Архитектура трансформера: обработка текста

Обработка данных внутри трансформера при предсказании следующего токена включает несколько основных этапов:

• Токенизация (Tokenization). Входной текст разбивается на токены — небольшие текстовые единицы, которыми могут быть слова, части слов или знаки препинания. Например, в GPT-3 словарь содержит около 50 257 токенов.
• Векторные представления токенов (Embeddings). Каждый токен преобразуется в вектор фиксированной длины с использованием матрицы векторных представлений (W_E). Векторы кодируют значения токенов: семантически близкие токены располагаются рядом друг с другом в многомерном пространстве. В GPT-3 размерность векторного представления составляет 12 288.
• Обработка в слоях трансформера.
  • Блоки внимания (Attention blocks): каждый токен взаимодействует с другими токенами последовательности. Механизм внимания позволяет модели учитывать контекст и правильно интерпретировать значения слов.
  • Слои прямого распространения (Feed-forward layers): после механизма внимания каждый токен обрабатывается отдельно двухслойной нейронной сетью с нелинейной активацией.
• Обратное преобразование и Softmax. После прохождения всех слоёв обработанный вектор преобразуется обратно в пространство токенов с помощью матрицы (W_U), которая часто представляет собой транспонированную версию W_E. Полученный вектор логитов нормализуется функцией Softmax для получения распределения вероятностей по всем токенам.
• Выбор следующего токена (Sampling). Следующий токен выбирается на основе распределения вероятностей. Параметр температуры (Temperature) регулирует случайность выбора: при температуре 0 выбирается наиболее вероятный токен; при более высоких значениях температуры возрастает вероятность выбора менее вероятных вариантов, что способствует большему разнообразию текста.

Модели GPT

• GPT-1 (2018): первая модель семейства; 12-слойный трансформер только с декодером (decoder-only transformer); двухэтапное обучение (предварительное обучение + дообучение на задачах NLP).
• GPT-2 (2019): 1,5 млрд параметров; обучена на корпусе WebText; первая модель, способная генерировать длинные связные тексты; улучшенное качество генерации без предварительного обучения на конкретной задаче (zero-shot). Анонсирована 14 февраля 2019 года; полная версия (1,5 млрд параметров) выпущена 5 ноября 2019 года из-за опасений, связанных с безопасностью.
• GPT-3 (2020): 175 млрд параметров; масштабное обучение на сочетании Common Crawl, книг и Википедии; существенное развитие возможностей few-shot и zero-shot.
• GPT-3.5 (2022): промежуточная версия между GPT-3 и GPT-4; улучшенное следование инструкциям благодаря обучению с подкреплением на основе обратной связи от человека (Reinforcement Learning from Human Feedback, RLHF) в версиях text-davinci-003 и gpt-3.5-turbo; контекстное окно до 4 096 токенов в ранних версиях и до 16 385 токенов в более поздних (gpt-3.5-turbo-16k и обновлённая gpt-3.5-turbo).
• GPT-4 (2023): мультимодальная модель с вводом текста и изображений (поддержка изображений была развёрнута позднее, после запуска версии только с текстом); контекстное окно 8 192 токена в базовой версии и 32 768 токенов в варианте GPT-4-32k; существенное повышение точности, надёжности и способности к рассуждению.
• GPT-4 Turbo (2023): оптимизированная версия GPT-4; контекстное окно увеличено до 128 000 токенов; снижены задержка и стоимость.
• GPT-4o (2024): мультимодальная модель следующего поколения (текст, изображения, аудио) с единой архитектурой нейронной сети; очень высокая скорость и точность ответов; контекстное окно 128 000 токенов.
• GPT-4o mini (2024): уменьшенная и более экономичная версия GPT-4o, представленная 18 июля 2024 года; поддерживает текстовые и визуальные входные данные, имеет контекстное окно 128 000 токенов и предназначена для задач, где важны низкая стоимость и задержка.
• GPT-4.5 (2025): исследовательская предварительная версия; в системной карте OpenAI указано, что модель «основана на GPT-4o»; улучшено понимание запросов пользователей, снижена частота ошибок; контекстное окно 128 000 токенов. API-модель gpt-4.5-preview была объявлена устаревшей 14 апреля 2025 года и отключена 14 июля 2025 года.
• GPT-4.1 (2025): улучшенная версия семейства GPT-4 с контекстным окном до 1 млн токенов; принимает на вход текст и изображения, выводит текст. Одновременно выпущена в трёх вариантах: GPT-4.1, GPT-4.1 mini и GPT-4.1 nano.
• GPT-5 (2025): единая система с режимами быстрого ответа и глубокого рассуждения; контекстное окно около 400 000 токенов; заметное сокращение числа галлюцинаций (hallucinations) при выполнении фактологических задач. В API выпущена в трёх вариантах: GPT-5, GPT-5 mini и GPT-5 nano; для наиболее сложных задач также представлена GPT-5 Pro с увеличенным объёмом вычислений во время рассуждения.
• GPT-5-Codex (2025): специализированная версия GPT-5, оптимизированная для агентного программирования и задач программной инженерии в Codex; представлена 15 сентября 2025 года.
• GPT-5.1 (2025): адаптивное рассуждение, улучшения в программировании и сохранении длинного контекста; модель динамически изменяет объём рассуждения в зависимости от сложности задачи и поддерживает режим без рассуждения (no reasoning).
• GPT-5.1-Codex-Max (2025): агентная модель для длительных задач программной инженерии, представленная 19 ноября 2025 года; первая модель OpenAI, изначально обученная работать через несколько контекстных окон с использованием механизма сжатия контекста (compaction), что позволяет выполнять единичные задачи на протяжении миллионов токенов.
• GPT-5.2 (2025): ориентация на профессиональную работу; режим Pro для наиболее сложных задач; на основе GPT-5.2 выпущена агентная модель GPT-5.2-Codex, оптимизированная для длительных задач программной инженерии, рефакторинга, миграций и работы в среде Windows.
• GPT-5.3-Codex (2026): агентная модель для программирования, объединяющая возможности работы с кодом и рассуждения; представлена 5 февраля 2026 года и работает на 25 % быстрее предшественников.
• GPT-5.3-Codex-Spark (2026): уменьшенная высокоскоростная версия GPT-5.3-Codex для программирования в реальном времени, представленная 12 февраля 2026 года в качестве исследовательской предварительной версии; при работе на инфраструктуре Cerebras скорость генерации превышала 1 000 токенов в секунду.
• GPT-5.3 Instant (2026): обновление наиболее широко используемой разговорной модели в ChatGPT; выпущено 3 марта 2026 года. Улучшены фактологическая точность, качество веб-поиска и естественность диалога, сокращено число чрезмерных отказов и ненужных оговорок. Доступна в API как gpt-5.3-chat-latest.
• GPT-5.4 (2026): передовая модель OpenAI для профессиональной работы, представленная 5 марта 2026 года; первая универсальная модель OpenAI со встроенными возможностями управления компьютером (computer use). В API gpt-5.4 рекомендуется как модель по умолчанию для широкого спектра универсальных задач и программирования; одновременно представлена GPT-5.4 Pro для наиболее сложных задач.
• GPT-5.4 mini и GPT-5.4 nano (2026): уменьшенные версии GPT-5.4, представленные 17 марта 2026 года и оптимизированные для более быстрых и экономичных рабочих нагрузок. GPT-5.4 mini предназначена, в частности, для программирования, мультимодальных задач, использования инструментов и субагентов; GPT-5.4 nano является наименьшей и наиболее дешёвой моделью поколения и ориентирована на классификацию, извлечение данных, ранжирование и вспомогательные задачи.
• GPT-5.5 (2026): модель для сложной профессиональной и агентной работы, представленная 23 апреля 2026 года; улучшены программирование, использование компьютера и инструментов, исследовательские задачи, анализ данных и создание документов. Одновременно представлена GPT-5.5 Pro, использующая дополнительные вычисления во время вывода для повышения точности на сложных задачах; контекстное окно API-версии составляет около 1,05 млн токенов.
• GPT-5.6 (2026): семейство моделей, первоначально представленное в ограниченной предварительной версии 26 июня и выпущенное в общую доступность 9 июля 2026 года. Включает GPT-5.6 Sol — флагманскую модель для сложной профессиональной работы, GPT-5.6 Terra — сбалансированную по возможностям и стоимости модель и GPT-5.6 Luna — наиболее быструю и экономичную модель семейства. Модели поддерживают контекстное окно около 1,05 млн токенов и до 128 000 выходных токенов; GPT-5.6 развивает возможности программирования, использования инструментов, профессиональной работы, кибербезопасности и научных исследований.
• GPT-6 Astra (2026): модель нового поколения, представленная 3 сентября 2026 года; предназначена для сложного рассуждения, программирования, веб-исследований, управления компьютером, научных и профессиональных задач. Контекстное окно API-версии составляет около 1,05 млн токенов, максимальный объём вывода — 128 000 токенов. GPT-6 Astra стала первой моделью OpenAI, достигшей уровня Critical по возможностям в области кибербезопасности в рамках Preparedness Framework.

GPT-1

Первая модель, GPT-1, была представлена OpenAI в 2018 году в статье «Улучшение понимания языка с помощью генеративного предварительного обучения». Модель представляла собой 12-слойный трансформер только с декодером, построенный на архитектуре трансформера. Обучение GPT-1 проходило в два этапа: этап генеративного предварительного обучения без учителя (pre-training), за которым следовал этап контролируемого дообучения (fine-tuning).

На этапе предварительного обучения модель обучалась на BookCorpus, включавшем более 7 000 неопубликованных книг различных жанров. Отличительной особенностью этого корпуса было наличие длинных непрерывных фрагментов текста, что имело критическое значение для формирования способности модели обрабатывать сложные и дальние текстовые зависимости.

На этапе дообучения модель адаптировалась для решения специализированных задач обработки естественного языка, включая:

• Ответы на вопросы (QA) — формирование правильного ответа на основе заданного текстового контекста;
• Логический вывод на естественном языке (NLI) — определение логической связи между двумя текстами: следование, противоречие или нейтральность;
• Семантическое сходство текстов — определение степени смысловой близости двух текстовых последовательностей.

Благодаря этому подходу GPT-1 продемонстрировала значительное превосходство над предыдущими моделями в ряде стандартных тестов на понимание текста.

Разработка GPT-1 продемонстрировала несколько ключевых достижений и открытий в области обработки естественного языка (NLP):

• Эффективность генеративного предварительного обучения. Было эмпирически подтверждено, что предварительное обучение на больших корпусах неразмеченного текста позволяет модели формировать универсальные языковые представления, пригодные для последующего применения в различных задачах без необходимости фундаментально изменять архитектуру.
• Универсальность архитектуры трансформера. Использование многослойного трансформера-декодера позволило модели успешно обрабатывать дальние зависимости в тексте, что ранее представляло сложность для моделей на основе рекуррентных нейронных сетей.
• Снижение зависимости от размеченных данных. Работа подтвердила, что масштабное предварительное обучение на неразмеченных данных позволяет существенно сократить объём размеченных данных, необходимый для достижения высокого качества в целевых задачах.
• Основа для дальнейшего развития. Результаты GPT-1 заложили концептуальную и техническую основу для последующих версий семейства GPT (GPT-2, GPT-3 и далее).

GPT-2

Модель GPT-2 была анонсирована OpenAI 14 февраля 2019 года. По размеру она значительно превосходила предшественницу: полная версия модели содержала около 1,5 млрд параметров. Из соображений безопасности OpenAI первоначально выпустила только меньшие варианты модели; полная версия (1,5 млрд параметров) была выпущена 5 ноября 2019 года. В отличие от GPT-1, обучавшейся на BookCorpus (~5 ГБ), GPT-2 была обучена на специально сформированном корпусе WebText объёмом около 40 ГБ, включавшем текстовые данные из высококачественных интернет-источников. Увеличение как размера модели, так и объёма обучающих данных позволило GPT-2 значительно повысить качество генерации текста: она продемонстрировала способность создавать содержательные статьи, рассказы и даже связные фрагменты художественной прозы.

GPT-2 использовала авторегрессионную архитектуру трансформера только с декодером, аналогичную GPT-1, без существенных изменений. Модель состояла из 48 слоёв механизма самовнимания, имела размер скрытого состояния 1 600 и включала около 1,5 млрд параметров. Число голов внимания составляло 25 (при сохранении размера одной головы 64, унаследованного от GPT-1: 1 600 ÷ 64 = 25). Обучение выполнялось на задаче предсказания следующего токена по предшествующему контексту с использованием маскированного внимания.

Одной из главных отличительных особенностей GPT-2 стало то, что модель первой продемонстрировала высокую эффективность обучения в режиме zero-shot — способность решать новые задачи без специального дообучения на примерах таких задач. Модель обучалась на большом корпусе текстов общего назначения и не проходила специализированного обучения на данных для конкретных задач. Оценивание проводилось в режиме zero-shot, при котором модель выполняла задачи исключительно на основе знаний, полученных в ходе предварительного обучения. В ряде задач языкового моделирования GPT-2 достигала качества, сопоставимого с результатами или превосходящего результаты моделей, специально обученных на специализированных наборах данных (например, Википедии, новостных текстах и книгах).

GPT-3

Модель GPT-3 была представлена OpenAI в июне 2020 года (статья на arXiv появилась 28 мая 2020 года; бета-доступ к API был открыт 11 июня 2020 года). Она стала следующим этапом развития генеративных трансформеров после GPT-2 и отличалась масштабированием архитектуры до 175 млрд параметров, что на тот момент делало её крупнейшей языковой моделью.

Архитектура GPT-3 принципиально осталась прежней — многослойный авторегрессионный трансформер только с декодером без радикальных изменений. Основные улучшения производительности были достигнуты за счёт увеличения количества слоёв, ширины скрытых слоёв и масштаба обучения. Модель обучалась на сочетании нескольких крупных текстовых корпусов, включая Common Crawl, WebText2, Books1, Books2 и Википедию. Общий объём данных составлял около 570 ГБ или более (570 ГБ приходилось на отфильтрованную часть Common Crawl, преобладавшую в обучающей смеси).

Одной из основных особенностей GPT-3 стала способность к обучению на нескольких примерах (few-shot) и работе без примеров (zero-shot): модель могла выполнять широкий круг задач обработки естественного языка, включая перевод, суммаризацию, ответы на вопросы, написание эссе и даже программирование, имея лишь несколько примеров в текстовом запросе либо вообще не имея их.

GPT-3.5

Модель GPT-3.5 была представлена OpenAI в конце 2022 года как часть эволюционного развития семейства GPT. Она была построена на масштабированной авторегрессионной архитектуре трансформера только с декодером, использовавшейся в GPT-3, с улучшениями качества генерации текста, обработки контекста и способности следовать сложным инструкциям. Точное количество параметров GPT-3.5 официально не раскрывалось; версии davinci предположительно сопоставимы по размеру с GPT-3 (175 млрд), однако точные параметры gpt-3.5-turbo неизвестны.

При обучении GPT-3.5 расширенно применялись методы обучения с подкреплением на основе обратной связи от человека (RLHF) в версиях text-davinci-003 и gpt-3.5-turbo. Более ранняя версия text-davinci-002 обучалась посредством контролируемого дообучения (SFT), а не RLHF. Модель обучалась на расширенных текстовых корпусах, включавших Common Crawl, книги, WebText и другие высококачественные источники. Контекстное окно в ранних популярных версиях (gpt-3.5-turbo) составляло 4 096 токенов; впоследствии OpenAI выпустила обновлённые версии с контекстом до 16 385 токенов.

На практике GPT-3.5 была адаптирована для решения широкого круга задач обработки естественного языка, таких как:

• Генерация связного и логичного текста;
• Ответы на вопросы (QA) и понимание контекста;
• Следование многоэтапным инструкциям;
• Улучшенное удержание долгосрочного контекста в диалогах.

Для различных целей было выпущено несколько ключевых версий на основе GPT-3.5:

• text-davinci-002 — первая общедоступная модель на основе GPT-3.5, оптимизированная для генерации и следования инструкциям (обучалась с использованием SFT).
• text-davinci-003 — улучшенная версия с ещё более развитыми способностями к рассуждению и генерации сложного текста (обучалась с использованием RLHF).
• gpt-3.5-turbo — наиболее производительная и экономичная версия GPT-3.5, использовавшаяся в сервисе ChatGPT с конца 2022 года.

GPT-4

Модель GPT-4 была представлена OpenAI 14 марта 2023 года в «Техническом отчёте GPT-4». Она представляла собой следующий этап развития семейства языковых моделей и обеспечивала существенные улучшения в понимании текста, генерации содержательных и творческих ответов и обработке мультимодальных данных. Точное количество параметров и подробности архитектуры модели официально не раскрывались: в техническом отчёте GPT-4 прямо указано, что сведения об архитектуре, размере модели, аппаратном обеспечении, вычислительных ресурсах для обучения и формировании набора данных не публикуются. Согласно неофициальным внешним оценкам, GPT-4 могла использовать подход «смесь экспертов» (Mixture of Experts, MoE) с общим масштабом порядка ~1,8 трлн параметров; однако OpenAI официально не подтверждала и не опровергала эти цифры.

GPT-4 является мультимодальной моделью, способной принимать на вход как текст, так и изображения. Следует отметить, что на момент первоначального запуска в марте 2023 года была доступна только текстовая модальность; поддержка ввода изображений была развёрнута позднее. Контекстное окно составляло 8 192 токена в базовой версии и 32 768 токенов в варианте GPT-4-32k. В модели применялись методы RLHF (Reinforcement Learning from Human Feedback, обучение с подкреплением на основе обратной связи от человека).

Обучение GPT-4 проводилось на сочетании крупномасштабных текстовых и мультимодальных корпусов. Конкретные сведения об обучающих данных, аппаратном обеспечении и методологии в официальных публикациях OpenAI не раскрываются.

Обучение проходило в несколько этапов:

• масштабное предварительное обучение без учителя на текстах и изображениях,
• контролируемое дообучение на специализированных задачах,
• заключительный этап обучения с подкреплением на основе обратной связи от человека (RLHF) для повышения надёжности, безопасности и качества интерпретации инструкций.

На основе GPT-4 было выпущено несколько основных версий:

• GPT-4 (март 2023 года): базовая версия с поддержкой текстового ввода (поддержка изображений добавлена позднее); контекстное окно 8 192 токена; также был выпущен вариант GPT-4-32k с контекстом 32 768 токенов.
• GPT-4 Turbo (ноябрь 2023 года): оптимизированная модификация GPT-4 с увеличенным до 128 000 токенов контекстным окном; снижены вычислительные затраты и ускорена генерация; поддерживаются вызов функций (function calling) и режимы вывода JSON.
• GPT-4o (май 2024 года): мультимодальная версия следующего поколения; в анонсе запуска позиционировалась как omni-модель, способная в реальном времени работать с текстом, изображениями и аудио (в отличие от GPT-4 Turbo, где различные модальности обслуживались отдельными модулями); при этом базовая API-модель gpt-4o описывается как принимающая текст и изображения и выводящая текст; контекстное окно 128 000 токенов.
• GPT-4.5 (февраль 2025 года): исследовательская предварительная версия; в системной карте OpenAI прямо указано, что модель «основана на GPT-4o»; улучшена генерация сложных текстов, повышена точность следования инструкциям и снижена частота галлюцинаций; контекстное окно 128 000 токенов. Она описывалась как «последняя модель OpenAI без цепочки рассуждений» (chain of thought; кодовое название — Orion). API-модель gpt-4.5-preview была объявлена устаревшей 14 апреля 2025 года и отключена 14 июля 2025 года.
• GPT-4.1 (апрель 2025 года): стабильная версия с радикальным увеличением контекста до 1 047 576 токенов; принимает на вход текст и изображения, выводит текст; одновременно выпущена в трёх вариантах (GPT-4.1, GPT-4.1 mini, GPT-4.1 nano); первоначально была доступна только через API, позднее развёрнута в ChatGPT.

GPT-5

7 августа 2025 года OpenAI представила GPT-5 как свою на тот момент «самую умную, быструю и полезную» модель со встроенным режимом глубокого рассуждения (thinking) и ориентацией на практические сценарии: написание текстов, программирование, работу в сфере здравоохранения и мультимодальное понимание. GPT-5 постепенно стала моделью по умолчанию для большинства авторизованных пользователей ChatGPT, вытеснив ранее использовавшееся семейство GPT-4/4o и модели серии o.

GPT-5 реализована как единая система с двумя основными режимами работы: быстрые и экономичные ответы на повседневные запросы (gpt-5 main) и глубокое рассуждение для сложных задач (gpt-5 thinking). Режим автоматически выбирается маршрутизатором, учитывающим тип диалога, сложность запроса, необходимость использования инструментов и явные указания пользователя (например, «рассуждай пошагово» или «проанализируй подробно»). В ChatGPT пользователям доступны режимы Auto / Instant / Thinking / Pro; варианты mini и nano преимущественно являются API-моделями, а mini в пользовательском продукте может использоваться как резервная модель после исчерпания лимитов.

Через API доступны несколько размеров и конфигураций GPT-5; в документации OpenAI в качестве основных вариантов указаны gpt-5, gpt-5-mini и gpt-5-nano (все поддерживают текстовые и визуальные данные). Максимальное общее контекстное окно семейства GPT-5 в API составляет около 400 000 токенов (с отдельными бюджетами для входных данных и рассуждения/вывода), хотя конкретные ограничения могут различаться в зависимости от выбранного варианта модели и продукта.

В ряде тестов веб-поиска и фактологической точности GPT-5 демонстрирует заметное снижение частоты галлюцинаций и ошибок по сравнению с GPT-4o и более ранними «рассуждающими» моделями OpenAI. В официальном анонсе OpenAI сообщала о сокращении ошибок примерно на 45 % по сравнению с GPT-4o и примерно на 80 % по сравнению с o3 в режиме рассуждения; эти результаты были получены при определённых условиях: с включённым веб-поиском на обезличенных запросах, представляющих реальный поток запросов ChatGPT.

GPT-5.1

Модель GPT-5.1 была представлена OpenAI 12 ноября 2025 года как первая значительная итерация после базовой GPT-5, направленная на улучшение повседневного взаимодействия, качества диалога и адаптивности. Модель сохраняет единую систему с быстрым режимом (GPT-5.1 Instant) и глубоким рассуждением (GPT-5.1 Thinking), но вводит адаптивное рассуждение: модель динамически определяет объём вычислений в зависимости от сложности запроса, благодаря чему заметно быстрее выполняет простые задачи без снижения качества на сложных.

Обучение GPT-5.1 строилось поверх GPT-5 с дополнительным этапом постобучения, включавшим расширенное RLHF, акцент на естественность тона и снижение «холодности» ответов. Контекстное окно API составляет 400 000 токенов, а максимальный вывод — 128 000 токенов. Было введено расширенное кэширование промптов сроком до 24 часов, существенно снижающее стоимость и задержку в многоходовых диалогах.

Ключевые особенности:

• GPT-5.1 Instant — основной режим для повседневных задач; первая модель, использующая адаптивное рассуждение для определения того, когда перед ответом на более сложный запрос стоит «подумать».
• GPT-5.1 Thinking — адаптивное распределение времени рассуждения; по данным OpenAI, на репрезентативном распределении задач ChatGPT модель примерно вдвое быстрее на самых простых задачах и примерно вдвое медленнее на самых сложных по сравнению с GPT-5 Thinking.
• Улучшенная мультимодальность (текст + зрение).
• Улучшения в программировании и агентных сценариях, а также повышение эффективности на простых задачах за счёт адаптивного рассуждения и расширенного кэширования промптов.

GPT-5.2

Модель GPT-5.2 была выпущена 11 декабря 2025 года как «самая способная модель серии для профессиональной работы и обучения». Она представляет собой развитие GPT-5.1 с акцентом на экономическую ценность: создание таблиц, презентаций, сложного кода и выполнение сквозных задач. Модель сохраняет единую архитектуру с режимами Instant, Thinking и новым Pro (для задач, требующих максимального объёма вычислений и времени на рассуждение).

Обучение включало обновлённый корпус с границей знаний в августе 2025 года, усовершенствованное обучение следованию инструкциям и RLHF для сокращения ошибок в многоэтапных сценариях. Контекстное окно — 400 тыс. токенов (максимальный вывод — 128 тыс.). Модель стала надёжнее в профессиональных сценариях, с улучшенной фактологической точностью и использованием инструментов.

18 декабря 2025 года на основе GPT-5.2 была выпущена специализированная GPT-5.2-Codex — агентная модель для программирования с улучшенным сжатием контекста, поддержкой Windows, усиленными возможностями в области кибербезопасности и долгосрочного рассуждения (для задач продолжительностью до нескольких часов).

По состоянию на 13 февраля 2026 года, после вывода из эксплуатации нескольких старых моделей, GPT-5.2 временно стала моделью по умолчанию в ChatGPT. Однако к началу марта 2026 года эту роль перешла к GPT-5.3 Instant и GPT-5.4.

GPT-5.3-Codex

GPT-5.3-Codex была представлена 5 февраля 2026 года как «самая мощная агентная модель для программирования на тот момент». Она объединяет передовые возможности GPT-5.2-Codex в программировании с профессиональным рассуждением GPT-5.2 в одной модели, которая на 25 % быстрее предшественников.

Модель способна выполнять практически любые задачи разработчика: длительные рабочие процессы, исследования, использование инструментов, выполнение кода и интерактивное управление (пользователь может вмешиваться в работу в реальном времени без потери контекста). Ранние версии модели использовались командой OpenAI для отладки собственного обучения, развёртывания и оценивания.

Ключевые результаты на момент анонса 5 февраля 2026 года: Terminal-Bench ~77,3 %, OSWorld-Verified ~64,7 %, SWE-Bench Pro ~56,8 %. В последующем выпуске GPT-5.4 от 5 марта 2026 года OpenAI сообщила об обновлённом результате OSWorld-Verified — 74,0 % для GPT-5.3-Codex при использовании нового параметра API, сохраняющего исходное разрешение изображения.

12 февраля 2026 года OpenAI также выпустила GPT-5.3-Codex-Spark — компактную сверхбыструю версию, созданную совместно с Cerebras и оптимизированную для работы в реальном времени: более 1 000 токенов в секунду, только текст, контекст 128 тыс. При запуске модель поэтапно предоставлялась пользователям ChatGPT Pro в Codex и небольшому числу партнёров по разработке API, а не была широко доступной API-моделью.

GPT-5.4

5 марта 2026 года OpenAI представила GPT-5.4 как свою новую передовую модель для профессиональной работы. GPT-5.4 объединяет сильные стороны последних разработок OpenAI в рассуждении, программировании и агентных рабочих процессах и стала первой моделью основной линейки со встроенными возможностями управления компьютером. Одновременно OpenAI выпустила GPT-5.4 Pro — вариант для наиболее сложных задач, использующий больше вычислительных ресурсов и более длительное рассуждение.

В API модель gpt-5.4 описывается как рекомендуемая модель по умолчанию для широкого круга универсальных задач и программирования; контекстное окно составляет 1 050 000 токенов, максимальный вывод — 128 000 токенов. Модель принимает на вход текст и изображения и выводит текст.

В ChatGPT режим Auto по состоянию на 7 марта 2026 года автоматически переключается между GPT-5.3 Instant и GPT-5.4 Thinking, а GPT-5.4 Pro доступна как отдельный режим повышенной производительности. Для авторизованных пользователей ChatGPT моделью по умолчанию является GPT-5.3.

GPT-5.5

23 апреля 2026 года OpenAI представила GPT-5.5 как свою новую передовую модель для профессиональной работы и охарактеризовала её как новый класс интеллекта для реальной работы. GPT-5.5 позиционировалась как шаг вперёд в агентном программировании, управлении компьютером, интеллектуальной профессиональной работе и ранних научных исследованиях, с более развитыми способностями планировать, использовать инструменты, проверять собственную работу и выполнять многоэтапные задачи в различных программах и документах. OpenAI также выпустила GPT-5.5 Pro — вариант с повышенным объёмом вычислений для более сложных вопросов и работы, требующей повышенной точности. 24 апреля 2026 года GPT-5.5 и GPT-5.5 Pro стали доступны в API.

В API модель gpt-5.5 описывается как новейшая передовая модель OpenAI для наиболее сложной профессиональной работы. Контекстное окно составляет 1 050 000 токенов, максимальный вывод — 128 000 токенов. Модель принимает текст и изображения и выводит текст; параметр reasoning.effort поддерживает значения none, low, medium по умолчанию, high и xhigh. Модель gpt-5.5-pro использует больше вычислительных ресурсов для более глубокого рассуждения и получения более стабильно точных ответов; она доступна для запросов Responses API, в том числе через Batch API, и имеет такое же контекстное окно 1 050 000 токенов и максимальный вывод 128 000 токенов.

В ChatGPT GPT-5.5 Thinking стала доступна пользователям Plus, Pro, Business и Enterprise, а GPT-5.5 Pro — пользователям Pro, Business и Enterprise. В Codex GPT-5.5 стала доступна для тарифов Plus, Pro, Business, Enterprise, Edu и Go с контекстным окном 400 тыс. токенов. 5 мая 2026 года OpenAI представила GPT-5.5 Instant как обновлённую модель ChatGPT по умолчанию, заменившую GPT-5.3 Instant; в API соответствующая актуальная модель Instant доступна через chat-latest.

GPT-5.6

26 июня 2026 года OpenAI начала ограниченное предварительное тестирование семейства GPT-5.6, включающего GPT-5.6 Sol, GPT-5.6 Terra и GPT-5.6 Luna. 9 июля 2026 года семейство стало общедоступным в ChatGPT, Codex и OpenAI API. Sol была представлена как флагманская модель для сложной профессиональной работы, Terra — как сбалансированная и более экономичная модель для повседневных рабочих нагрузок, а Luna — как самая быстрая и экономичная модель семейства. OpenAI позиционировала GPT-5.6 как шаг вперёд в программировании, долгосрочном планировании, управлении компьютером, профессиональной интеллектуальной работе, дизайне, кибербезопасности и научных исследованиях, с улучшенной производительностью на токен и более высокой способностью выполнять многоэтапные задачи с использованием инструментов.

В GPT-5.6 появился max как уровень усилия рассуждения выше xhigh, позволяющий моделям тратить дополнительное время на изучение альтернатив, проверку результатов и пересмотр подхода. OpenAI также представила ultra — более мощный многоагентный режим, по умолчанию координирующий четыре агента параллельно. В Responses API функция программного вызова инструментов позволяет GPT-5.6 писать и выполнять лёгкие программы в оперативной памяти для координации инструментов и обработки промежуточных результатов, а бета-версия многоагентной функции позволяет модели запускать параллельных субагентов и объединять результаты их работы в единый ответ. OpenAI заявила, что GPT-5.6 была выпущена с наиболее масштабной на тот момент системой оценки безопасности и защитных механизмов.

В API gpt-5.6-sol является передовой моделью для сложной профессиональной работы, а псевдоним gpt-5.6 направляет запросы на Sol. gpt-5.6-terra предназначена для баланса между интеллектуальными возможностями и стоимостью и в целом занимает позицию уровня mini из предыдущих семейств GPT-5, тогда как gpt-5.6-luna оптимизирована для экономичных высокообъёмных рабочих нагрузок и в целом соответствует прежнему уровню nano. Все три модели имеют контекстное окно 1 050 000 токенов, максимальный вывод 128 000 токенов и границу знаний 16 февраля 2026 года. Они принимают на вход текст и изображения, выводят текст и поддерживают значения reasoning.effort: none, low, medium, high, xhigh и max.

В ChatGPT пользователи Plus, Pro, Business и Enterprise получили доступ к GPT-5.6 Sol через средний и более высокие уровни усилия рассуждения, а пользователи Pro и Enterprise также могли выбрать GPT-5.6 Sol Pro для получения более качественных результатов в сложных задачах. Sol Pro является продуктовым режимом с повышенным объёмом вычислений, а не отдельно документированной API-моделью. В ChatGPT Work и Codex пользователи Free и Go получили доступ к GPT-5.6 Terra, тогда как пользователи Plus, Pro, Business и Enterprise могли выбирать между Sol, Terra и Luna. Настройка max стала доступна пользователям с доступом к GPT-5.6 в ChatGPT Work и Codex; ultra стала доступна пользователям Pro и Enterprise в ChatGPT Work и тарифам Plus и выше в Codex.

GPT-6

3 сентября 2026 года OpenAI представила GPT-6 Astra, первую публично анонсированную модель поколения GPT-6, и начала её ограниченное развёртывание для избранных организаций. OpenAI охарактеризовала Astra как свою наиболее способную и наиболее согласованную с заданными целями модель на тот момент и позиционировала её как новый флагман для наиболее сложной сквозной работы. Модель была представлена с улучшениями в управлении компьютером, веб-навигации, программной инженерии, программировании, кибербезопасности, научных исследованиях и профессиональной интеллектуальной работе, с особым акцентом на выполнении сложных многоэтапных рабочих процессов в браузерах, коде, профессиональном программном обеспечении и инструментах создания документов. Astra способна создавать и редактировать документы, электронные таблицы, презентации, веб-сайты и другие профессиональные материалы, сохраняя шаблоны и учитывая новые инструкции без потери общей задачи.

GPT-6 Astra представила несколько возможностей, предназначенных для более длительных агентных рабочих процессов. Асинхронный вызов инструментов позволяет модели продолжать рассуждение, вызывать другие инструменты или работать над независимыми частями задачи, пока приложение выполняет вызов инструмента. Управление в ходе выполнения позволяет учитывать дополнительные инструкции пользователя уже во время формирования ответа, сохраняя выполненную работу вместо перезапуска задачи. Новый механизм configuration_update позволяет изменять уровень усилия рассуждения в ходе диалога с сохранением существующего кэша промпта. Astra сохраняет возможности, введённые в GPT-5.6, включая программный вызов инструментов, многоагентную оркестрацию, управление компьютером, структурированный вывод, потоковую передачу, сохраняемое рассуждение, кэширование промптов, сжатие контекста и режим Pro. В отличие от GPT-5.6, Astra не поддерживает уровень усилия рассуждения none; поддерживаемые значения reasoning.effort: low, medium, high, xhigh и max.

В API gpt-6-astra является флагманской моделью GPT-6 для сложного рассуждения, программирования, управления компьютером, исследований и создания документов. Она имеет контекстное окно 1 050 000 токенов, максимальный вывод 128 000 токенов и границу знаний 30 апреля 2026 года. Astra принимает на вход текст и изображения и выводит текст, а также поддерживает потоковую передачу, вызов функций, структурированный вывод, токены рассуждения и инструменты, включая веб-поиск, поиск по файлам и управление компьютером. Стандартная цена API на момент запуска составляла 10 долларов США за миллион входных токенов, 1 доллар США за миллион кэшированных входных токенов и 50 долларов США за миллион выходных токенов; для запросов, превышающих 272 000 входных токенов, применяются повышенные тарифы длинного контекста. Astra доступна через Responses API и Chat Completions, хотя OpenAI рекомендует Responses API для приложений, использующих инструменты.

При запуске GPT-6 Astra начала развёртываться для ограниченного круга организаций; более широкий доступ для пользователей ChatGPT Plus, Pro, Business и Enterprise, а также через OpenAI API, Microsoft Azure и AWS Bedrock был анонсирован на последующие дни. Пользователям тарифов Pro, Business и Enterprise также было объявлено о предоставлении режима GPT-6 Astra Pro с повышенным объёмом вычислений; в последующей документации ChatGPT этот продуктовый режим называется GPT-6 Pro на базе GPT-6 Astra. Пользователи Plus получают Astra в ChatGPT Work и Codex по мере распространения развёртывания на их учётные записи, при этом в период поэтапного развёртывания доступность может различаться между Chat, Work и Codex. Администраторы Enterprise контролируют, включена ли Astra в их рабочем пространстве.

GPT-6 Astra также стала первой моделью OpenAI, отнесённой к уровню Critical («критический») по кибербезопасности в соответствии с системой Preparedness Framework компании. OpenAI сообщила, что при наличии соответствующих инструментов и доступа модель способна выявлять ранее неизвестные уязвимости и разрабатывать новые методы эксплуатации уязвимостей в защищённых системах. Поэтому при развёртывании были введены усиленные меры кибербезопасности и мониторинг несогласованного поведения, включая наблюдение за траекториями работы агентов и дополнительные проверки, способные приостанавливать или останавливать задачи при обнаружении потенциально несанкционированных действий. OpenAI заявила, что во внутренних оценках согласованности Astra продемонстрировала существенно более строгое соблюдение границ разрешённых задач по сравнению с GPT-5.6 Sol.

Эволюция моделей GPT

Таблица охватывает основную линию универсальных языковых моделей GPT и их официально именованные размерные, рассуждающие и продуктовые варианты. Голосовые модели, модели генерации изображений, эмбеддингов, модерации и модели исключительно для поиска в неё не включены.

Эволюция моделей GPT

Модель / вариант	Первый выпуск	Количество параметров	Публично раскрытые обучающие данные или граница знаний	Контекстное окно	Ключевые особенности и статус
GPT-1	Июнь 2018 года	≈117 млн	BooksCorpus: более 7 000 неопубликованных книг	512 токенов	Трансформер только с декодером; генеративное предварительное обучение с последующим контролируемым дообучением для конкретных задач
GPT-2	14 февраля 2019 года	1,5 млрд в крупнейшей версии	WebText: около 40 ГБ с примерно 8 млн веб-страниц	1 024 токена	Существенно улучшенная генерация связного текста и работа в режиме zero-shot; первоначально выпускалась поэтапно из-за опасений относительно злоупотреблений
GPT-3	28 мая 2020 года	175 млрд	Common Crawl, WebText2, Books1, Books2 и Википедия; в ходе обучения использовано около 300 млрд токенов	2 048 токенов	Масштабное обучение в контексте; развитые возможности few-shot и zero-shot без градиентного дообучения под конкретную задачу
GPT-3.5	2022	Не раскрыто	Не раскрыто	Около 4–16 тыс. токенов в зависимости от версии модели	Обучение следованию инструкциям и обучение с подкреплением на основе обратной связи от человека; улучшенный диалог и следование инструкциям; основа первоначальной версии ChatGPT
GPT-3.5 Turbo	1 марта 2023 года	Не раскрыто	Не раскрыто	Первоначально 4 096 токенов; более поздние версии — до 16 385 токенов	Более дешёвая GPT-3.5, оптимизированная для диалога; позднее стала доступна для дообучения; впоследствии объявлена устаревшей
GPT-4	14 марта 2023 года	Не раскрыто	Не раскрыто	8 192 или 32 768 токенов	Мультимодальный ввод текста и изображений; улучшенные рассуждение, надёжность и следование инструкциям
GPT-4 Turbo Preview	6 ноября 2023 года	Не раскрыто	На момент запуска знания до апреля 2023 года	128 000 токенов	Предварительная версия более быстрого и дешёвого семейства GPT-4 Turbo; значительно увеличенное контекстное окно
GPT-4 Turbo	9 апреля 2024 года	Не раскрыто	Граница знаний: декабрь 2023 года для финального снимка API	128 000 токенов	Рабочая версия GPT-4 Turbo с вводом текста и изображений; стоимость ниже исходной GPT-4
GPT-4o	13 мая 2024 года	Не раскрыто	Граница знаний: 1 октября 2023 года для основного снимка API	128 000 токенов	Сквозная мультимодальная модель, охватывающая текст, зрение и аудио; меньшая задержка и улучшенное взаимодействие в реальном времени
GPT-4o mini	18 июля 2024 года	Не раскрыто	Граница знаний: 1 октября 2023 года	128 000 токенов	Меньшая и более дешёвая модель семейства GPT-4o для специализированных и высокообъёмных задач
GPT-4o Search Preview	Март 2025 года	Не раскрыто	Граница знаний: 1 октября 2023 года	128 000 токенов	Специализированный вариант GPT-4o, обученный формировать и выполнять веб-поиск через Chat Completions API; впоследствии объявлен устаревшим
GPT-4o mini Search Preview	Март 2025 года	Не раскрыто	Граница знаний: 1 октября 2023 года	128 000 токенов	Более дешёвый специализированный поисковый вариант GPT-4o mini; впоследствии объявлен устаревшим
GPT-4.5 Preview	27 февраля 2025 года	Не раскрыто	Граница знаний: 1 октября 2023 года	128 000 токенов	Исследовательская предварительная версия с акцентом на масштабирование обучения без учителя, расширение знаний, естественность диалога и сокращение галлюцинаций; позднее прекращена
GPT-4.1	14 апреля 2025 года	Не раскрыто	Граница знаний: 1 июня 2024 года	1 047 576 токенов	Существенные улучшения в программировании, следовании инструкциям и вызове инструментов; ввод текста и изображений с текстовым выводом
GPT-4.1 mini	14 апреля 2025 года	Не раскрыто	Граница знаний: 1 июня 2024 года	1 047 576 токенов	Более быстрый и дешёвый вариант GPT-4.1, сохраняющий контекстное окно примерно в миллион токенов
GPT-4.1 nano	14 апреля 2025 года	Не раскрыто	Граница знаний: 1 июня 2024 года	1 047 576 токенов	Самый маленький и быстрый вариант GPT-4.1, предназначенный для классификации, извлечения данных, ранжирования и других высокообъёмных задач
GPT-5 Instant	7 августа 2025 года	Не раскрыто	Граница знаний: 30 сентября 2024 года	128 000 токенов в соответствующей модели Chat API	Быстрый разговорный компонент первоначальной единой системы GPT-5; обрабатывал обычные запросы и мог направлять более сложные запросы в GPT-5 Thinking
GPT-5 Thinking	7 августа 2025 года	Не раскрыто	Граница знаний: 30 сентября 2024 года	400 000 токенов	Компонент рассуждения единой системы GPT-5; настраиваемый уровень усилия рассуждения, улучшенные программирование, использование инструментов и фактологическая надёжность
GPT-5 mini	7 августа 2025 года	Не раскрыто	Граница знаний: 31 мая 2024 года	400 000 токенов	Более быстрый и экономичный вариант GPT-5 для чётко определённых, чувствительных к задержке и высокообъёмных рабочих нагрузок
GPT-5 nano	7 августа 2025 года	Не раскрыто	Граница знаний: 31 мая 2024 года	400 000 токенов	Самый быстрый и дешёвый исходный вариант GPT-5; оптимизирован для суммаризации, классификации и извлечения данных
GPT-5 Pro	2025	Не раскрыто	Граница знаний: 30 сентября 2024 года	400 000 токенов	Вариант GPT-5 с повышенным объёмом вычислений для сложных задач рассуждения; API-версия поддерживает только высокий уровень усилия рассуждения
GPT-5.1 Instant	12 ноября 2025 года	Не раскрыто	Граница знаний: 30 сентября 2024 года	128 000 токенов в соответствующей модели Chat API	Более разговорная быстрая модель с улучшенным следованием инструкциям и адаптивным рассуждением
GPT-5.1 Thinking	12 ноября 2025 года	Не раскрыто	Граница знаний: 30 сентября 2024 года	400 000 токенов	Динамически регулируемое время рассуждения в зависимости от сложности задачи; более ясные объяснения, улучшенное программирование и сокращение ненужного рассуждения
GPT-5.1 Pro	Ноябрь 2025 года	Не раскрыто	Отдельно не раскрыто	Около 400 000 токенов	Вариант GPT-5.1 с повышенным объёмом вычислений для сложных вопросов; выведен из ChatGPT 11 марта 2026 года
GPT-5.2 Instant	11 декабря 2025 года	Не раскрыто	Граница знаний: 31 августа 2025 года	128 000 токенов в соответствующей модели Chat API	Быстрый разговорный вариант GPT-5.2; повышена полезность в повседневных задачах, поиск информации и следование инструкциям
GPT-5.2 Thinking	11 декабря 2025 года	Не раскрыто	Граница знаний: 31 августа 2025 года	400 000 токенов	Профессиональная интеллектуальная работа, программирование, рассуждение с длинным контекстом, зрение и использование инструментов; введена настройка усилия рассуждения xhigh
GPT-5.2 Pro	11 декабря 2025 года	Не раскрыто	Граница знаний: 31 августа 2025 года	400 000 токенов	Вариант GPT-5.2 с повышенным объёмом вычислений для сложных вопросов, где точность приоритетнее задержки
GPT-5.3 Instant	3 марта 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года	128 000 токенов	Более быстрая разговорная модель с улучшенной фактологической точностью, интеграцией веб-поиска и естественностью диалога; позднее заменена GPT-5.5 Instant
GPT-5.4	5 марта 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года	1 050 000 токенов	Передовая модель для профессиональной и агентной работы; встроенное управление компьютером, улучшенное программирование, мультимодальное рассуждение и координированное выполнение инструментов
GPT-5.4 Pro	5 марта 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года	1 050 000 токенов	Вариант GPT-5.4 с повышенным объёмом вычислений, обеспечивающий более точные ответы на сложные задачи
GPT-5.4 mini	17 марта 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года	400 000 токенов	Более быстрая модель для программирования, управления компьютером, мультимодальных нагрузок и систем субагентов; поддерживает ввод текста и изображений и основные инструменты API
GPT-5.4 nano	17 марта 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года	400 000 токенов	Самая дешёвая модель класса GPT-5.4 для классификации, извлечения данных, ранжирования и высокообъёмных задач субагентов
GPT-5.5	23 апреля 2026 года	Не раскрыто	Граница знаний: 1 декабря 2025 года	1 050 000 токенов	Передовая модель для сложной профессиональной работы, агентного программирования, исследований, анализа данных, создания документов, управления компьютером и многоинструментальных рабочих процессов
GPT-5.5 Pro	23 апреля 2026 года	Не раскрыто	Граница знаний: 1 декабря 2025 года	1 050 000 токенов	Вариант GPT-5.5 с повышенным объёмом вычислений для повышения точности на сложных и длительных задачах
GPT-5.5 Instant	5 мая 2026 года	Не раскрыто	Граница знаний: 31 августа 2025 года для соответствующего динамического псевдонима API	400 000 токенов	Разговорная модель ChatGPT по умолчанию после запуска; улучшены фактологическая точность, краткость, персонализация, понимание изображений, ответы по STEM и принятие решений об использовании веб-поиска
GPT-5.6 Sol	9 июля 2026 года	Не раскрыто	Граница знаний: 16 февраля 2026 года	1 050 000 токенов	Флагманский уровень GPT-5.6 для сложной профессиональной работы; улучшены рассуждение, программирование, наука, кибербезопасность, управление компьютером, дизайнерские решения и эффективность использования токенов
GPT-5.6 Sol Pro	9 июля 2026 года	Не раскрыто	Граница знаний: 16 февраля 2026 года	1 050 000 токенов	Продуктовый режим с повышенным объёмом вычислений для наиболее сложных задач; основан на GPT-5.6 Sol и не является отдельно раскрытой базовой архитектурой
GPT-5.6 Terra	9 июля 2026 года	Не раскрыто	Граница знаний: 16 февраля 2026 года	1 050 000 токенов	Сбалансированный уровень GPT-5.6, сочетающий высокие возможности с более низкой стоимостью; в целом соответствует позиции mini в более ранних семействах GPT-5
GPT-5.6 Luna	9 июля 2026 года	Не раскрыто	Граница знаний: 16 февраля 2026 года	1 050 000 токенов	Самый быстрый и экономичный уровень GPT-5.6 для чувствительных к стоимости высокообъёмных рабочих нагрузок; в целом соответствует позиции nano в более ранних семействах GPT-5
GPT-6 Astra	3 сентября 2026 года	Не раскрыто	Граница знаний: 30 апреля 2026 года	1 050 000 токенов	Флагманская модель GPT-6 для наиболее сложной сквозной работы; передовые возможности управления компьютером, веб-навигации, программной инженерии, кибербезопасности, науки и профессиональной работы; поддерживает долгосрочные многоэтапные рабочие процессы и до 128 000 выходных токенов
GPT-6 Pro	3 сентября 2026 года	Не раскрыто	Граница знаний: 30 апреля 2026 года для лежащей в основе модели GPT-6 Astra	1 050 000 токенов для лежащей в основе модели GPT-6 Astra	Продуктовый режим ChatGPT с повышенным объёмом вычислений на базе GPT-6 Astra для наиболее сложных и длительных задач; поэтапно предоставляется соответствующим тарифам Pro, Business и Enterprise

Специализированные модели GPT и Codex

Специализированные модели GPT и Codex

Модель	Первый выпуск	Количество параметров	Контекстное окно	Отличительная роль
GPT-5-Codex	15 сентября 2025 года	Не раскрыто	400 000 токенов	Вариант GPT-5, оптимизированный посредством обучения с подкреплением для агентных задач программной инженерии, проверки кода, работы с терминалом и итеративного тестирования
GPT-5.1-Codex	13 ноября 2025 года	Не раскрыто	400 000 токенов	Вариант GPT-5.1, оптимизированный для длительных агентных задач программирования в Codex и аналогичных средах
GPT-5.1-Codex mini	13 ноября 2025 года	Не раскрыто	400 000 токенов	Меньший и более экономичный вариант GPT-5.1-Codex для менее сложных рабочих процессов программирования
GPT-5.1-Codex-Max	19 ноября 2025 года	Не раскрыто	400 000 токенов на сегмент контекста	Передовая агентная модель для программирования, предназначенная для рефакторинга проектов, глубокой отладки и задач продолжительностью много часов; поддерживает автоматическое сжатие контекста
GPT-5.2-Codex	18 декабря 2025 года	Не раскрыто	400 000 токенов	Долгосрочное агентное программирование, крупный рефакторинг, миграции, разработка под Windows, визуальное понимание и возможности защитной кибербезопасности
GPT-5.3-Codex	5 февраля 2026 года	Не раскрыто	400 000 токенов	Объединяет агентное программирование с более широкими возможностями рассуждения и профессиональными знаниями; поддерживает интерактивное управление во время длительной работы
GPT-5.3-Codex-Spark	12 февраля 2026 года	Не раскрыто	128 000 токенов	Компактная текстовая модель программирования реального времени, предназначенная для интерактивного управления и очень высокой скорости генерации
GPT-5.5-Cyber	2026	Не раскрыто	Публично не указано	Специализированная модель GPT-5.5 для проверенных специалистов, выполняющих сложные санкционированные работы в области кибербезопасности
GPT-5.6 Cyber	10 августа 2026 года	Не раскрыто	400 000 токенов	Специально обученная модель кибербезопасности на базе GPT-5.6 Sol для одобренных специалистов по защите, выполняющих сложные санкционированные исследования уязвимостей, проверку эксплуатации уязвимостей и тестирование безопасности; доступна через Daybreak Red при отдельном одобрении и предоставлении доступа

Архитектурные параметры моделей GPT

Модели GPT с опубликованными архитектурными параметрами

Модели GPT с опубликованными архитектурными параметрами

Модель	Год выпуска	Количество параметров	Количество слоёв	Размер скрытого состояния	Количество голов внимания	Контекстное окно	Размер обучающего корпуса
GPT-1	2018	≈117 млн	12	768	12	512 токенов	BooksCorpus; более 7 000 неопубликованных книг
GPT-2	2019	1,5 млрд / 1,558 млрд	48	1 600	25	1 024 токена	WebText; чуть более 8 млн документов / 40 ГБ текста
GPT-3	2020	175 млрд	96	12 288	96	2 048 токенов	исходная смесь объёмом ≈499 млрд токенов; обучение проведено на 300 млрд токенов

Модели GPT без раскрытых архитектурных параметров (по состоянию на 2026-07-10)

Модель	Год выпуска	Публичный идентификатор модели / псевдоним	Статус API	Контекстное окно	Максимальный вывод	Входные модальности	Выходные модальности	Граница знаний	Уровень усилия рассуждения	Документация API
GPT-3.5 Turbo	2023	gpt-3.5-turbo	Устарела отключение 2026-10-23	16 385 токенов	4 096 токенов	Текст	Текст	2021-09-01	—	Документация OpenAI API
GPT-4	2023	gpt-4	Устарела отключение 2026-10-23	8 192 токена	8 192 токена	Текст	Текст	2023-12-01	—	Документация OpenAI API
GPT-4 Turbo	2023	gpt-4-turbo	Устарела отключение 2026-10-23	128 000 токенов	4 096 токенов	Текст, изображение	Текст	2023-12-01	—	Документация OpenAI API
GPT-4o	2024	gpt-4o	Устарела	128 000 токенов	16 384 токена	Текст, изображение	Текст	2023-10-01	—	Документация OpenAI API
GPT-4o mini	2024	gpt-4o-mini	Доступна	128 000 токенов	16 384 токена	Текст, изображение	Текст	2023-10-01	—	Документация OpenAI API
GPT-4.5 Preview	2025	gpt-4.5-preview	Удалена 2025-07-14	128 000 токенов	16 384 токена	Текст, изображение	Текст	2023-10-01	—	Документация OpenAI API
GPT-4.1	2025	gpt-4.1	Доступна	1 047 576 токенов	32 768 токенов	Текст, изображение	Текст	2024-06-01	—	Документация OpenAI API
GPT-4.1 mini	2025	gpt-4.1-mini	Доступна	1 047 576 токенов	32 768 токенов	Текст, изображение	Текст	2024-06-01	—	Документация OpenAI API
GPT-4.1 nano	2025	gpt-4.1-nano	Устарела отключение 2026-10-23	1 047 576 токенов	32 768 токенов	Текст, изображение	Текст	2024-06-01	—	Документация OpenAI API
GPT-5	2025	gpt-5	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2024-09-30	minimal, low, medium (по умолчанию), high	Документация OpenAI API
GPT-5 mini	2025	gpt-5-mini	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2024-05-31	minimal, low, medium (по умолчанию), high	Документация OpenAI API
GPT-5 nano	2025	gpt-5-nano	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2024-05-31	minimal, low, medium (по умолчанию), high	Документация OpenAI API
GPT-5 Pro	2025	gpt-5-pro	Доступна	400 000 токенов	272 000 токенов	Текст, изображение	Текст	2024-09-30	только high (по умолчанию)	Документация OpenAI API
GPT-5 Chat	2025	gpt-5-chat-latest	Устарела отключение 2026-07-23	128 000 токенов	16 384 токена	Текст, изображение	Текст	2024-09-30	—	Документация OpenAI API
GPT-5.1	2025	gpt-5.1	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2024-09-30	none (по умолчанию), low, medium, high	Документация OpenAI API
GPT-5.1 Chat	2025	gpt-5.1-chat-latest	Устарела отключение 2026-07-23	128 000 токенов	16 384 токена	Текст, изображение	Текст	2024-09-30	—	Документация OpenAI API
GPT-5.2	2025	gpt-5.2	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	none (по умолчанию), low, medium, high, xhigh	Документация OpenAI API
GPT-5.2 Chat	2025	gpt-5.2-chat-latest	Устарела отключение 2026-08-10	128 000 токенов	16 384 токена	Текст, изображение	Текст	2025-08-31	—	Документация OpenAI API
GPT-5.2 Pro	2025	gpt-5.2-pro	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	medium, high, xhigh	Документация OpenAI API
GPT-5.3 Chat / GPT-5.3 Instant	2026	gpt-5.3-chat-latest	Устарела отключение 2026-08-10	128 000 токенов	16 384 токена	Текст, изображение	Текст	2025-08-31	—	Документация OpenAI API
GPT-5.3-Codex	2026	gpt-5.3-codex	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	low, medium, high, xhigh	Документация OpenAI API
GPT-5.4	2026	gpt-5.4	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	none (по умолчанию), low, medium, high, xhigh	Документация OpenAI API
GPT-5.4 Pro	2026	gpt-5.4-pro	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	medium (по умолчанию), high, xhigh	Документация OpenAI API
GPT-5.4 mini	2026	gpt-5.4-mini	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	none (по умолчанию), low, medium, high, xhigh	Документация OpenAI API
GPT-5.4 nano	2026	gpt-5.4-nano	Доступна	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	none (по умолчанию), low, medium, high, xhigh	Документация OpenAI API
GPT-5.5	2026	gpt-5.5	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-12-01	none, low, medium (по умолчанию), high, xhigh	Документация OpenAI API
GPT-5.5 Pro	2026	gpt-5.5-pro	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-12-01	medium, high (по умолчанию), xhigh	Документация OpenAI API
GPT-5.5 Instant / Chat Latest	2026	chat-latest	Доступна динамический псевдоним	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2025-08-31	—	Документация OpenAI API
GPT-5.6 Sol	2026	gpt-5.6-sol псевдоним: gpt-5.6	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2026-02-16	none, low, medium (по умолчанию), high, xhigh, max; необязательно reasoning.mode: "pro"	Документация OpenAI API
GPT-5.6 Terra	2026	gpt-5.6-terra	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2026-02-16	none, low, medium (по умолчанию), high, xhigh, max; необязательно reasoning.mode: "pro"	Документация OpenAI API
GPT-5.6 Luna	2026	gpt-5.6-luna	Доступна	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2026-02-16	none, low, medium (по умолчанию), high, xhigh, max; необязательно reasoning.mode: "pro"	Документация OpenAI API
GPT-5.6 Cyber	2026	gpt-5.6-cyber псевдоним: gpt-daybreak-red-latest	Ограниченный доступ требуются отдельное одобрение Daybreak Red и предоставление доступа	400 000 токенов	128 000 токенов	Текст, изображение	Текст	2026-02-16	Рассуждение поддерживается; уровни усилия публично не указаны	Документация OpenAI API
GPT-6 Astra	2026	gpt-6-astra	Ограниченное развёртывание	1 050 000 токенов	128 000 токенов	Текст, изображение	Текст	2026-04-30	low, medium, high, xhigh, max	Документация OpenAI API

Модели

№	Дата	Модель	Примечание	Источник	Документация API	Системная карта / карта модели
1	2018-06-11	GPT / GPT-1	Первая модель линейки GPT; языковая модель на основе трансформера, обученная посредством предварительного обучения без учителя с последующим контролируемым дообучением.	OpenAI	—	—
2	2019-02-14	GPT-2	Крупная языковая модель, обученная без учителя и выпускавшаяся поэтапно из-за опасений относительно злоупотреблений.	OpenAI	—	—
3	2020-05-28	GPT-3	Языковая модель со 175 млрд параметров, продемонстрировавшая развитую способность к обучению на нескольких примерах.	OpenAI	—	—
4	2022-01-27	InstructGPT	Модели на основе GPT-3, обученные следовать инструкциям посредством обучения с подкреплением на основе обратной связи от человека.	OpenAI	—	—
5	2022-11-30	ChatGPT / GPT-3.5	Разговорная модель, связанная с InstructGPT; запущена как исследовательская предварительная версия.	OpenAI	—	—
6	2023-03-01	GPT-3.5 Turbo	Семейство API-моделей, использовавшееся в ChatGPT; оптимизировано для диалога и более дешёвого инференса.	OpenAI	Документация OpenAI API	—
7	2023-03-14	GPT-4	Крупная мультимодальная модель, принимающая на вход изображения и текст и выводящая текст.	OpenAI	Документация OpenAI API	PDF OpenAI
8	2023-11-06	GPT-4 Turbo	Более мощный и дешёвый вариант GPT-4, представленный с контекстным окном 128 тыс. токенов.	OpenAI	Документация OpenAI API	—
9	2024-05-13	GPT-4o	Omni-модель, предназначенная для мультимодального взаимодействия в реальном времени с текстом, изображениями и аудио.	OpenAI	Документация OpenAI API	Системная карта OpenAI
10	2024-07-18	GPT-4o mini	Меньшая и более дешёвая модель класса GPT-4o для экономичного мультимодального интеллекта.	OpenAI	Документация OpenAI API	Оценена в системной карте GPT-4o: OpenAI
11	2025-02-27	GPT-4.5	Исследовательская предварительная GPT-модель с акцентом на масштабирование предварительного обучения без учителя и улучшение интеллекта без рассуждения.	OpenAI	Документация OpenAI API	Системная карта OpenAI
12	2025-04-14	GPT-4.1	API-модель с улучшениями в программировании, следовании инструкциям и использовании длинного контекста.	OpenAI	Документация OpenAI API	—
13	2025-04-14	GPT-4.1 mini	Меньшая и более быстрая версия GPT-4.1.	OpenAI	Документация OpenAI API	—
14	2025-04-14	GPT-4.1 nano	Самая маленькая и дешёвая версия GPT-4.1.	OpenAI	Документация OpenAI API	—
15	2025-08-05	gpt-oss-120b	Крупная рассуждающая модель с открытыми весами, выпущенная по лицензии Apache 2.0.	OpenAI	Документация модели OpenAI	Карта модели OpenAI
16	2025-08-05	gpt-oss-20b	Меньшая рассуждающая модель с открытыми весами, выпущенная по лицензии Apache 2.0.	OpenAI	Документация модели OpenAI	Карта модели OpenAI
17	2025-08-07	GPT-5	Единая флагманская система моделей, объединяющая быстрые ответы с адаптивным рассуждением.	OpenAI	Документация OpenAI API	Системная карта OpenAI
18	2025-08-07	GPT-5 mini	Меньшая API-модель GPT-5, обеспечивающая баланс возможностей, стоимости и задержки.	OpenAI	Документация OpenAI API	Рассматривается в системной карте GPT-5: OpenAI
19	2025-08-07	GPT-5 nano	Самая маленькая API-модель GPT-5 для высокообъёмных рабочих нагрузок с низкой задержкой и низкой стоимостью.	OpenAI	Документация OpenAI API	Рассматривается в системной карте GPT-5: OpenAI
20	2025-08-07	GPT-5 Pro / GPT-5 Thinking Pro	Вариант GPT-5 с расширенным рассуждением для более сложных задач и задач с повышенными требованиями к надёжности.	OpenAI	Документация OpenAI API	Рассматривается в системной карте GPT-5: OpenAI
21	2025-09-15	GPT-5-Codex	Вариант GPT-5, оптимизированный для агентных задач программной инженерии в Codex.	OpenAI	Документация OpenAI API	Дополнение к системной карте OpenAI
22	2025-11-12	GPT-5.1 Instant	Более разговорная чат-модель GPT-5.1 с улучшенным следованием инструкциям.	OpenAI	Документация OpenAI API	Дополнение к системной карте OpenAI
23	2025-11-12	GPT-5.1 Thinking	Рассуждающая модель GPT-5.1 с более адаптивным распределением времени на рассуждение.	OpenAI	Документация OpenAI API	Дополнение к системной карте OpenAI
24	2025-11-13	GPT-5.1-Codex	Вариант GPT-5.1, оптимизированный для длительных агентных задач программирования и программной инженерии.	OpenAI	Документация OpenAI API	—
25	2025-11-13	GPT-5.1-Codex mini	Меньшая и более дешёвая модель GPT-5.1-Codex для агентных нагрузок программирования.	OpenAI	Документация OpenAI API	—
26	2025-11-19	GPT-5.1-Codex-Max	Передовая агентная модель для программирования со сжатием контекста для длительных программных задач.	OpenAI	Документация OpenAI API	Системная карта OpenAI
27	2025-12-11	GPT-5.2 Instant	Мгновенный вариант GPT-5.2 для повседневного взаимодействия в ChatGPT и рабочих нагрузок API.	OpenAI	Документация OpenAI API	Обновление системной карты OpenAI
28	2025-12-11	GPT-5.2 Thinking	Рассуждающий вариант GPT-5.2 с более высокой производительностью в научных, математических и профессиональных задачах.	OpenAI	Документация OpenAI API	Обновление системной карты OpenAI
29	2025-12-11	GPT-5.2 Pro	Вариант Pro модели GPT-5.2 для более сложного рассуждения и профессиональной работы.	OpenAI	Документация OpenAI API	Обновление системной карты OpenAI
30	2025-12-18	GPT-5.2-Codex	Вариант GPT-5.2, оптимизированный для долгосрочной агентной программной инженерии и работ в области кибербезопасности.	OpenAI	Документация OpenAI API	Системная карта OpenAI
31	2026-02-05	GPT-5.3-Codex	Специализированная агентная модель программирования для длительных и сложных задач программной инженерии.	OpenAI	Документация OpenAI API	Системная карта OpenAI
32	2026-02-12	GPT-5.3-Codex-Spark	Исследовательская предварительная текстовая модель программирования, оптимизированная для взаимодействия в Codex в реальном времени с низкой задержкой.	OpenAI	—	—
33	2026-03-03	GPT-5.3 Instant	Обновлённая повседневная модель ChatGPT с акцентом на более плавные, полезные и лучше обоснованные ответы.	OpenAI	Документация OpenAI API	Системная карта OpenAI
34	2026-03-05	GPT-5.4	Универсальная передовая модель со встроенными возможностями управления компьютером.	OpenAI	Документация OpenAI API	Системная карта OpenAI
35	2026-03-05	GPT-5.4 Pro	Pro-версия GPT-5.4 для более сложных профессиональных, рассуждающих и агентных задач.	OpenAI	Документация OpenAI API	Рассматривается в системной карте GPT-5.4 Thinking: OpenAI
36	2026-03-17	GPT-5.4 mini	Меньшая и более быстрая модель класса GPT-5.4 для программирования, использования инструментов и мультимодального рассуждения.	OpenAI	Документация OpenAI API	Рассматривается в приложении к системной карте GPT-5.4 Thinking: OpenAI
37	2026-03-17	GPT-5.4 nano	Самая маленькая модель класса GPT-5.4 для высокообъёмных и недорогих рабочих нагрузок API.	OpenAI	Документация OpenAI API	—
38	2026-04-23	GPT-5.5	Флагманская модель GPT-5.5 для профессиональной работы, программирования, исследований и анализа.	OpenAI	Документация OpenAI API	Системная карта OpenAI
39	2026-04-23	GPT-5.5 Pro	Pro-версия GPT-5.5 для более требовательных задач рассуждения и профессиональной работы.	OpenAI	Документация OpenAI API	Рассматривается в системной карте GPT-5.5: OpenAI
40	2026-05-05	GPT-5.5 Instant	Обновлённая модель ChatGPT по умолчанию с улучшенными точностью, ясностью и персонализацией.	OpenAI	Документация OpenAI API	Системная карта OpenAI
41	2026-06-26	GPT-5.6 Sol	Флагманский уровень GPT-5.6 для сложной профессиональной работы. Ограниченное предварительное тестирование началось 2026-06-26, а общая доступность наступила 2026-07-09.	Анонс предварительной версии OpenAI Анонс общего выпуска OpenAI	Документация OpenAI API	Центр безопасности развёртывания OpenAI
42	2026-06-26	GPT-5.6 Terra	Сбалансированный уровень GPT-5.6 для повседневной профессиональной работы. Ограниченное предварительное тестирование началось 2026-06-26, а общая доступность наступила 2026-07-09.	Анонс предварительной версии OpenAI Анонс общего выпуска OpenAI	Документация OpenAI API	Центр безопасности развёртывания OpenAI
43	2026-06-26	GPT-5.6 Luna	Самый быстрый и дешёвый уровень GPT-5.6. Ограниченное предварительное тестирование началось 2026-06-26, а общая доступность наступила 2026-07-09.	Анонс предварительной версии OpenAI Анонс общего выпуска OpenAI	Документация OpenAI API	Центр безопасности развёртывания OpenAI
44	2026-07-09	GPT-5.6 Sol Pro	Продуктовый режим с повышенным объёмом вычислений на базе GPT-5.6 Sol для наиболее сложных задач рассуждения и профессиональной работы; не является отдельно документированной базовой API-моделью.	OpenAI	—	Рассматривается в материалах по безопасности развёртывания GPT-5.6: Центр безопасности развёртывания OpenAI
45	2026-08-10	GPT-5.6 Cyber	Специализированная модель GPT-5.6 для одобренных специалистов, выполняющих сложные санкционированные исследования в области кибербезопасности, поиск уязвимостей, проверку эксплуатации уязвимостей и защитное тестирование безопасности.	OpenAI	Документация OpenAI API	Рассматривается в материалах по безопасности развёртывания GPT-5.6: Центр безопасности развёртывания OpenAI
46	2026-09-03	GPT-6 Astra	Первая публично анонсированная модель поколения GPT-6 и новый флагман для наиболее сложной сквозной работы, с улучшениями в управлении компьютером, веб-навигации, программной инженерии, кибербезопасности, научных исследованиях и долгосрочных агентных рабочих процессах.	OpenAI	Документация OpenAI API	Обзор безопасности OpenAI
47	2026-09-03	GPT-6 Pro	Продуктовый режим ChatGPT с повышенным объёмом вычислений на базе GPT-6 Astra для наиболее сложных и длительных задач; представлен в рамках поэтапного развёртывания GPT-6.	OpenAI	—	Рассматривается в обзоре безопасности GPT-6 Astra: OpenAI

Бенчмарки

По состоянию на 10 июля 2026 года в этой таблице приведены избранные результаты бенчмарков, опубликованные непосредственно OpenAI. Это привязанная к источникам сводка опубликованных оценок, а не контролируемый рейтинг. Включены только те оценочные прогоны, для которых OpenAI сообщила хотя бы один результат в выбранных столбцах. Модели, для которых в этих столбцах результаты не сообщались, опущены, а не представлены полностью пустыми строками.

Дата в первом столбце означает дату публикации источника оценки и не обязательно совпадает с датой выпуска модели. Одна модель может встречаться несколько раз, если OpenAI оценивала другой снимок модели, изменяла протокол бенчмарка, настройку рассуждения, доступ к инструментам, набор задач или среду оценки либо публиковала существенно отличающийся более поздний результат. Результаты указаны в процентах, если не оговорено иное. Длинное тире (—) означает, что цитируемый источник не сообщал результат этого бенчмарка для данного конкретного оценочного прогона; это не означает отсутствия результата в других источниках.

Избранные результаты бенчмарков, опубликованные OpenAI

Дата публикации оценки	Оцениваемая модель / снимок	Вариант / конфигурация оценкиa	MMLUb	GSM8Kc	HumanEvald	MATHe	GPQA-Df	MMMUg	MMMU-Proh	SWE-Vi	SWE-Proj
2023-03-27	GPT-3.5 модель сравнения в техническом отчёте GPT-4k	MMLU и GSM8K: 5-shot; HumanEval: 0-shot	70.0	57.1	48.1	—	—	—	—	—	—
2023-03-27	Базовая модель GPT-4 оценка в техническом отчёте GPT-4k	MMLU: 5-shot; GSM8K: 5-shot с цепочкой рассуждений; HumanEval: 0-shot	86.4	92.0	67.0	—	—	—	—	—	—
2024-05-13	GPT-4 сравнение при запуске GPT-4ol	Сравнение текстовых оценок; обозначение источника: «GPT-4 (первоначальный выпуск 23-03-14)»	86.4	—	67.0	42.5	—	—	—	—	—
2024-05-13	GPT-4 Turbol	Сравнение текстовых оценок при запуске GPT-4o	86.5	—	87.1	72.6	—	—	—	—	—
2024-05-13	GPT-4o оценка при запускеl	Сравнение текстовых оценок при запуске GPT-4o	88.7	—	90.2	76.6	—	—	—	—	—
2024-07-18	GPT-4o mini оценка при запускеm	OpenAI simple-evals; промпт системного сообщения ассистента API	82.0	—	87.2	—	—	59.4	—	—	—
2025-04-14	GPT-4o (2024-11-20)n	Приложение GPT-4.1; оговорка об извлечении ответа GPQA; SWE-V n=477	85.7	—	—	—	46.0	68.7	—	33.2	—
2025-04-14	GPT-4o mini сравнение GPT-4.1n	Приложение GPT-4.1; оговорка об извлечении ответа GPQA; SWE-V n=477	82.0	—	—	—	40.2	56.3	—	8.7	—
2025-04-14	GPT-4.5 сравнение GPT-4.1n	Приложение GPT-4.1; оговорка об извлечении ответа GPQA; SWE-V n=477	90.8	—	—	—	69.5	75.2	—	38.0	—
2025-04-14	GPT-4.1n	Приложение GPT-4.1; оговорка об извлечении ответа GPQA; SWE-V n=477	90.2	—	—	—	66.3	74.8	—	54.6	—
2025-04-14	GPT-4.1 minin	Приложение GPT-4.1; оговорка об извлечении ответа GPQA; SWE-V n=477	87.5	—	—	—	65.0	72.7	—	23.6	—
2025-04-14	GPT-4.1 nanon	Приложение GPT-4.1; оговорка об извлечении ответа GPQA	80.1	—	—	—	50.3	55.4	—	—	—
2025-08-05	gpt-oss-120bo	Высокий уровень рассуждения; системный промпт по умолчанию; GPQA-D без инструментов; SWE-V n=477	90.0	—	—	—	80.1	—	—	62.4	—
2025-08-05	gpt-oss-20bo	Высокий уровень рассуждения; системный промпт по умолчанию; GPQA-D без инструментов; SWE-V n=477	85.3	—	—	—	71.5	—	—	60.7	—
2025-08-07	GPT-5 оценка при запуске APIp	Высокий уровень рассуждения; GPQA-D без инструментов; SWE-V n=477	—	—	—	—	85.7	84.2	78.4	74.9	—
2025-08-07	GPT-5 mini оценка при запуске APIp	Высокий уровень рассуждения; GPQA-D без инструментов; SWE-V n=477	—	—	—	—	82.3	81.6	74.1	71.0	—
2025-08-07	GPT-5 nano оценка при запуске APIp	Высокий уровень рассуждения; GPQA-D без инструментов; SWE-V n=477	—	—	—	—	71.2	75.6	62.6	54.7	—
2025-08-07	GPT-5 Prop	Расширенное рассуждение; GPQA-D без инструментов	—	—	—	—	88.4	—	—	—	—
2025-09-15	GPT-5-Codexq	Высокий уровень рассуждения; все 500 задач SWE-V	—	—	—	—	—	—	—	74.5	—
2025-11-13	GPT-5.1 оценка APIr	Высокий уровень рассуждения; GPQA-D без инструментов; все 500 задач SWE-V; среда apply_patch на основе JSON	—	—	—	—	88.1	85.4	—	76.3	—
2025-11-13	GPT-5 повторная оценка для сравнения с GPT-5.1r	Высокий уровень рассуждения; GPQA-D без инструментов; все 500 задач SWE-V; среда apply_patch на основе JSON	—	—	—	—	85.7	84.2	—	72.8	—
2025-11-19	GPT-5.1-Codexs	Высокий уровень рассуждения; все 500 задач SWE-V	—	—	—	—	—	—	—	73.7	—
2025-11-19	GPT-5.1-Codex-Maxs	Уровень рассуждения xhigh; все 500 задач SWE-V	—	—	—	—	—	—	—	77.9	—
2025-12-11	GPT-5.1 Thinking сравнение GPT-5.2t	Высокий уровень рассуждения; исследовательская среда; GPQA-D без инструментов	—	—	—	—	88.1	—	—	76.3	50.8
2025-12-11	GPT-5.2 Thinkingt	Уровень рассуждения xhigh; исследовательская среда; MMMU-Pro без инструментов	—	—	—	—	92.4	—	79.5	80.0	55.6
2025-12-11	GPT-5.2 Prot	Уровень рассуждения xhigh; исследовательская среда; GPQA-D без инструментов	—	—	—	—	93.2	—	—	—	—
2026-02-05	GPT-5.2-Codex сравнение GPT-5.3-Codexu	Уровень рассуждения xhigh; конфигурация оценки Codex	—	—	—	—	—	—	—	—	56.4
2026-02-05	GPT-5.3-Codex оценка при запускеu	Уровень рассуждения xhigh; конфигурация оценки Codex	—	—	—	—	—	—	—	—	56.8
2026-03-05	GPT-5.3-Codex повторная оценка для сравнения с GPT-5.4v	Уровень рассуждения xhigh; исследовательская среда	—	—	—	—	92.6	—	—	—	56.8
2026-03-05	GPT-5.4v	Уровень рассуждения xhigh; исследовательская среда; MMMU-Pro без инструментов	—	—	—	—	92.8	—	81.2	—	57.7
2026-03-05	GPT-5.4 Prov	Уровень рассуждения xhigh; исследовательская среда	—	—	—	—	94.4	—	—	—	—
2026-03-17	GPT-5.4 повторная оценка для сравнения mini/nanow	Уровень рассуждения xhigh; обычный результат MMMU-Pro, а не результат с использованием Python	—	—	—	—	93.0	—	81.2	—	57.7
2026-03-17	GPT-5.4 miniw	Уровень рассуждения xhigh; обычный результат MMMU-Pro, а не результат с использованием Python	—	—	—	—	88.0	—	76.6	—	54.4
2026-03-17	GPT-5.4 nanow	Уровень рассуждения xhigh; обычный результат MMMU-Pro, а не результат с использованием Python	—	—	—	—	82.8	—	66.1	—	52.4
2026-03-17	GPT-5 mini повторная оценка для сравнения GPT-5.4 mini/nanow	Высокий уровень рассуждения; обычный результат MMMU-Pro, а не результат с использованием Python	—	—	—	—	81.6	—	67.5	—	45.7
2026-04-23	GPT-5.5 оценка при запускеx	Уровень рассуждения xhigh; исследовательская среда; MMMU-Pro без инструментов	—	—	—	—	93.6	—	81.2	—	58.6
2026-07-09	GPT-5.5 повторная оценка для сравнения с GPT-5.6y	Уровень усилия рассуждения для этих записей не указан; MMMU-Pro без инструментов; обозначение источника: «SWE-Bench Pro»	—	—	—	—	93.6	—	81.2	—	59.4
2026-07-09	GPT-5.6 Soly	Уровень усилия рассуждения для этих записей не указан; MMMU-Pro без инструментов; обозначение источника: «SWE-Bench Pro»	—	—	—	—	94.6	—	83.0	—	64.6
2026-07-09	GPT-5.6 Terray	Уровень усилия рассуждения для этих записей не указан; MMMU-Pro без инструментов; обозначение источника: «SWE-Bench Pro»	—	—	—	—	92.9	—	80.7	—	63.4
2026-07-09	GPT-5.6 Lunay	Уровень усилия рассуждения для этих записей не указан; MMMU-Pro без инструментов; обозначение источника: «SWE-Bench Pro»	—	—	—	—	92.3	—	78.4	—	62.7

Примечания к таблице

• ^a В столбце «Вариант / конфигурация оценки» фиксируются указанные в источнике продуктовый или API-вариант, настройка рассуждения, доступ к инструментам, снимок модели, среда оценки или оцениваемый набор задач. Такие термины, как «Turbo», «mini», «nano», «Instant», «Thinking», «Pro», «Codex», «high» и xhigh, являются продуктовыми или оценочными обозначениями, а не раскрытыми архитектурными классами. Если OpenAI не указывала точную контрольную точку модели или настройку рассуждения, таблица не предполагает их самостоятельно.

• ^b В столбец MMLU включены только результаты, прямо опубликованные как классический MMLU. Многоязычные варианты, такие как MMMLU, в этот столбец не включаются. Методы промптинга, извлечения ответов, контрольные точки и реализации оценки различаются между публикациями, поэтому значения не обязательно непосредственно сопоставимы.

• ^c GSM8K не является взаимозаменяемым с MGSM. В частности, результат 87,0, опубликованный для GPT-4o mini при запуске, относится к MGSM и поэтому не включён в столбец GSM8K.

• ^d Значения HumanEval могут зависеть от сэмплирования, pass@k, промптинга, контроля загрязнения данных и методики выполнения кода. Включены только значения, прямо опубликованные как HumanEval.

• ^e MATH означает исходный бенчмарк MATH в тех случаях, когда источник использует это обозначение. MATH-500, AIME, HMMT, FrontierMath и другие математические оценки в этот столбец не включаются.

• ^f GPQA-D означает GPQA Diamond. Результаты, обозначенные только как «GPQA», без прямого указания на использование подмножества Diamond, опущены. Доступ к инструментам, уровень усилия рассуждения, методы извлечения ответа и более поздние повторные оценки существенно влияют на сопоставимость.

• ^g MMMU — исходный бенчмарк MMMU. Он рассматривается отдельно от MMMU-Pro, поскольку это разные оценки.

• ^h Значения MMMU-Pro указываются отдельно от классического MMMU. Если источник приводит одновременно результат без инструментов или обычный результат и результат с использованием Python или других инструментов, в этой таблице используется результат без инструментов или обычный результат, а конфигурация указывается в строке или примечании к источнику.

• ⁱ SWE-V означает SWE-bench Verified. Эти показатели сохранены как исторические результаты, опубликованные OpenAI, а не как актуальный контролируемый рейтинг. Между выпусками различались подмножества задач, знаменатели, вспомогательная инфраструктура, инструменты создания патчей, политика повторных попыток и порядок обработки невыполнимых задач. Позднее OpenAI пришла к выводу, что SWE-bench Verified имел существенные проблемы с конструкцией тестов и загрязнением данных и больше не давал содержательного сигнала о передовых возможностях программной инженерии.

• ^j SWE-Pro охватывает результаты, которые OpenAI обозначает как «SWE-Bench Pro», «SWE-Bench Pro (Public)» или «SWE-Bench Pro, Public»; точное обозначение источника указывается там, где это имеет значение. Эти показатели также следует рассматривать как исторически опубликованные результаты, а не как чистый межмодельный рейтинг. При аудите публичного набора из 731 задачи в июле 2026 года аналитическая система OpenAI выявила 200 некорректных задач (27,4 %), а кампания ручной разметки — 249 задач (34,1 %); OpenAI оценила долю некорректных задач SWE-Bench Pro примерно в 30 %.

• ^k В техническом отчёте GPT-4 GPT-3.5 оценивается как модель сравнения наряду с предварительно обученной базовой GPT-4; строку GPT-3.5 не следует интерпретировать как бенчмарк продукта ChatGPT ноября 2022 года. В отчёте приведены MMLU = 70,0 / 86,4, GSM8K = 57,1 / 92,0 и HumanEval = 48,1 / 67,0 для GPT-3.5 / GPT-4. MMLU оценивался в режиме 5-shot, HumanEval — 0-shot; для GPT-4 на GSM8K применялся 5-shot-промптинг с цепочкой рассуждений. OpenAI включила данные обучающих наборов MATH и GSM8K в предварительное обучение GPT-4 и рекомендовала интерпретировать результат GSM8K как промежуточный между истинным few-shot-переносом и настройкой под конкретный бенчмарк. В отчёте загрязнение HumanEval оценивалось в 25 %; GPT-4 получила 65,58 на незагрязнённом подмножестве по сравнению с основным результатом 67,0.

• ^l Значения GPT-4, GPT-4 Turbo и GPT-4o при запуске перенесены из сравнения «Текстовая оценка», опубликованного вместе с GPT-4o. Источник сообщает MMLU = 86,4 / 86,5 / 88,7, HumanEval = 67,0 / 87,1 / 90,2 и MATH = 42,5 / 72,6 / 76,6 для GPT-4 / GPT-4 Turbo / GPT-4o. В научном сравнении используется обозначение «GPQA» без прямого указания GPQA Diamond, поэтому эти значения здесь не приводятся.

• ^m Значения при запуске GPT-4o mini были рассчитаны с использованием репозитория OpenAI simple-evals и промпта системного сообщения ассистента API. На странице запуска указаны MMLU = 82,0, HumanEval = 87,2 и MMMU = 59,4. Математический результат 87,0 относится к MGSM, а не к GSM8K.

• ⁿ GPT-4o (2024-11-20), GPT-4o mini, GPT-4.5 и семейство GPT-4.1 взяты из сравнительного приложения GPT-4.1. В отображаемой таблице OpenAI для GPT-4o указано GPQA Diamond = 46,0. В сопроводительной сноске говорится, что извлечение ответа с помощью модели может повысить результат GPT-4o примерно с 46 до 54, тогда как результат GPT-4.1 изменяется менее чем на один процентный пункт; в настоящей таблице воспроизводится отображаемое значение 46,0, а не оценка из сноски. Для SWE-bench Verified OpenAI исключила 23 из 500 задач, которые не удалось выполнить на её инфраструктуре. GPT-4.1 получила 54,6 на оставшихся 477 задачах; если считать исключённые задачи нулевыми, результат составит 52,1.

• ^o Значения gpt-oss взяты из карты моделей gpt-oss-120b и gpt-oss-20b. OpenAI сообщает базовые результаты pass@1 при высоком уровне рассуждения с системным промптом по умолчанию. Значения GPQA Diamond получены без инструментов, а SWE-bench Verified использует подмножество из 477 задач.

• ^p Результаты GPT-5, GPT-5 mini и GPT-5 nano при запуске получены при высоком уровне рассуждения. GPQA Diamond выполнялся без инструментов. Опубликованный результат MMMU-Pro представляет собой среднее значение OpenAI по стандартному и визуальному наборам. SWE-bench Verified исключает 23 из 500 задач и поэтому использует 477 задач. Отдельный результат GPT-5 Pro на GPQA получен при расширенном рассуждении без инструментов.

• ^q Сравнение при запуске GPT-5-Codex сообщает SWE-bench Verified = 74,5 для GPT-5-Codex при высоком уровне рассуждения и 72,8 для GPT-5 при высоком уровне рассуждения с использованием всех 500 задач. Более поздний сравнительный результат GPT-5 представлен отдельно, поскольку это не тот же прогон на 477 задачах, что исходный результат GPT-5 при запуске — 74,9.

• ^r GPT-5.1 и базовая GPT-5 для сравнения оценивались при высоком уровне рассуждения. Точность SWE-bench Verified усреднялась по всем 500 задачам с использованием среды apply_patch на основе JSON, что дало 76,3 для GPT-5.1 и 72,8 для GPT-5. В том же приложении указаны GPQA Diamond = 88,1 / 85,7 и MMMU = 85,4 / 84,2 для GPT-5.1 / GPT-5.

• ^s GPT-5.1-Codex использовала высокий уровень рассуждения и получила 73,7 на всех 500 задачах SWE-bench Verified. GPT-5.1-Codex-Max использовала уровень рассуждения xhigh и получила 77,9 на той же основной оценке.

• ^t GPT-5.2 Thinking и GPT-5.2 Pro оценивались с максимальным доступным в API уровнем усилия рассуждения xhigh; для сравниваемой GPT-5.1 Thinking использовался high. OpenAI указывает, что бенчмарки проводились в исследовательской среде и могут несколько отличаться от рабочей версии ChatGPT. GPQA Diamond и отображаемый результат MMMU-Pro получены без инструментов. Источник обозначает бенчмарк программирования как «SWE-Bench Pro, Public».

• ^u В приложении к запуску GPT-5.3-Codex приведены SWE-Bench Pro (Public) = 56,8 для GPT-5.3-Codex и 56,4 для GPT-5.2-Codex. В сравнительной таблице обе модели обозначены уровнем xhigh.

• ^v Значения из публикации GPT-5.4 получены при уровне рассуждения xhigh в исследовательской среде. В публикации также приведён более поздний сравнительный результат GPT-5.3-Codex, включая GPQA Diamond = 92,6. Значение GPT-5.4 MMMU-Pro = 81,2 является результатом без инструментов.

• ^w В сравнении GPT-5.4 mini и nano модели GPT-5.4, GPT-5.4 mini и GPT-5.4 nano оцениваются при уровне xhigh; GPT-5 mini оценивалась на максимальной доступной ей настройке high. В таблице используется обычная строка MMMU-Pro из источника, а не отдельная строка с использованием Python. В этом более позднем сравнении для GPT-5.4 указано GPQA Diamond = 93,0 против 92,8 в первоначальной публикации GPT-5.4, поэтому результат сохранён как отдельный оценочный прогон.

• ^x Результаты при запуске GPT-5.5 получены при уровне рассуждения xhigh в исследовательской среде. MMMU-Pro = 81,2 — результат без инструментов. В таблице запуска бенчмарк программирования обозначен как «SWE-Bench Pro (Public)» и приведён результат 58,6. OpenAI также отмечает свидетельства запоминания данных бенчмарка, о которых сообщали другие лаборатории.

• ^y В таблице оценок общего выпуска GPT-5.6 указаны GPQA Diamond = 94,6 / 92,9 / 92,3, MMMU-Pro без инструментов = 83,0 / 80,7 / 78,4 и SWE-Bench Pro = 64,6 / 63,4 / 62,7 для GPT-5.6 Sol / Terra / Luna. В строке сравнения GPT-5.5 приведены 93,6 / 81,2 / 59,4 по тем же отображаемым бенчмаркам. Таблица не указывает точный уровень усилия рассуждения для этих записей, поэтому уровень не предполагается. Источник использует обозначение «SWE-Bench Pro» без «Public»; более поздний результат GPT-5.5 — 59,4 — сохранён отдельно от результата при запуске 58,6.

Внешние ссылки

• “Improving language understanding with unsupervised learning”, OpenAI, June 11, 2018
• “Better language models and their implications”, OpenAI, February 14, 2019
• “GPT-2: 6-month follow-up”, OpenAI, August 20, 2019
• “GPT-2: 1.5B release”, OpenAI, November 5, 2019
• “Language models are few-shot learners”, OpenAI, May 28, 2020
• “OpenAI API”, OpenAI, June 11, 2020
• “Introducing ChatGPT”, OpenAI, November 30, 2022
• “Function calling and other API updates”, OpenAI, June 13, 2023
• “GPT-4”, OpenAI, March 14, 2023
• “New models and developer products announced at DevDay”, OpenAI, November 6, 2023
• “Hello GPT-4o”, OpenAI, May 13, 2024
• “Introducing GPT-4.1 in the API”, OpenAI, April 14, 2025
• “Introducing GPT-4.5”, OpenAI, February 27, 2025
• “Introducing GPT-5”, OpenAI, August 7, 2025
• “GPT-5.1: A smarter, more conversational ChatGPT”, OpenAI, November 12, 2025
• “Introducing GPT-5.2”, OpenAI, December 11, 2025
• “Introducing GPT-5.2-Codex”, OpenAI, December 18, 2025
• “Introducing GPT-5.3-Codex”, OpenAI, February 5, 2026
• “Introducing GPT-5.3-Codex-Spark”, OpenAI, February 12, 2026
• “GPT-5.3 Instant: Smoother, more useful everyday conversations”, OpenAI, March 3, 2026
• “Introducing GPT-5.4”, OpenAI, March 5, 2026
• “Using GPT-5.4”, OpenAI Developers
• “Models”, OpenAI API
• “Deprecations”, OpenAI API
• “GPT-5.3 and GPT-5.4 in ChatGPT”, OpenAI Help Center
• “Retiring GPT-4o and other ChatGPT models”, OpenAI Help Center
• Generative pre-trained transformer — Wikipedia

Библиография

• Radford, A. et al. (2018). Improving Language Understanding by Generative Pre-Training. PDF.
• Radford, A. et al. (2019). Language Models are Unsupervised Multitask Learners. PDF.
• Brown, T. B. et al. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165.
• Kaplan, J. et al. (2020). Scaling Laws for Neural Language Models. arXiv:2001.08361.
• Chen, M. et al. (2021). Evaluating Large Language Models Trained on Code. arXiv:2107.03374.
• Ouyang, L. et al. (2022). Training Language Models to Follow Instructions with Human Feedback. arXiv:2203.02155.
• Hoffmann, J. et al. (2022). Training Compute-Optimal Large Language Models. arXiv:2203.15556.
• Bai, Y. et al. (2022). Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback. arXiv:2204.05862.
• OpenAI (2023). GPT-4 Technical Report. arXiv:2303.08774.
• Bubeck, S. et al. (2023). Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712.