🧠 OpenAI: размер модели объясняет большую часть разницы в LLM Размер модели объясняет большую часть разницы в производительности LLM — это позиция OpenAI. Тед Сандерс, объясняя правила именования в блоге Simon Willison, заявил: несмотря на многомерность качества, главный показатель — размер. Чем больше модель, тем выше надёжность, выше цена за токен и лучше вспоминание редких фактов. Конкретные параметры Сандерс не раскрыл, но порядок моделей от меньшей к большей задан явно: Luna < Terra < Sol < Astra. Номер версии означает сразу три вещи: порядок выпуска, связь с семейством (общие обучающие данные и «личность») и величину улучшения. Пример: 6.1 выходит после 5.6, но не становится 5.7, потому что разделяет черты с 6.x, а до 7 не дотягивает — скачок недостаточно велик для заголовков. Для разработчиков это карта ожиданий: читая версию, можно предсказать и масштаб изменений, и цену инференса. Российским ML-командам, привыкшим сравнивать открытые веса по числу параметров, эта логика знакома — размер часто решает. Пока индустрия соревнуется в архитектурных инновациях, OpenAI продолжает масштабировать модели и кодирует это в именовании. Гонка размеров не закончилась — просто теперь она прячется за номерами версий, а не за количеством параметров в пресс-релизе. #OpenAI #LLM #нейминг #размер_модели #SimonWillison