Передовые ИИ-модели становятся универсальнее, но теряют специализированные функции. Google выпустил Gemini 3 в ноябре с рекордными показателями в reasoning и программировании, но убрал пиксельную сегментацию изображений — функцию, на которую полагались тысячи разработчиков.
Это не единичный случай. OpenAI закрыла GPT-3, GPT-4-32k и несколько вариантов GPT-4. Anthropic прекратила поддержку Claude 2.0 и 2.1. Паттерн один: новые модели лучше рассуждают и кодят, но хуже справляются с узкими задачами.
Почему передовые модели теряют специализацию
Бюджет на обучение ограничен — около $100 млн на каждую итерацию. Ресурсы, направленные на улучшение reasoning и кодинга, не идут на поддержание точности OCR в пограничных случаях.
Результат: счета-фактуры, лабораторные отчёты, страховые заявления обрабатываются хуже. Они становятся «побочным ущербом» в гонке за универсальность. Крупные модели фокусируются на массовых задачах, а нишевые функции исчезают.
Специализированная fine-tuned модель для конкретного типа документов этой проблемы не имеет. Она не умеет писать код или рассуждать о философии — зато знает ваши формы и работает с ними стабильно.
Что делать бизнесу
Если ваш продукт критично зависит от обработки специфических документов, рассмотрите узкоспециализированные модели вместо передовых систем. Стоимость inference у них в 10-50 раз ниже.
Тренд на универсализацию продолжится. Готовьтесь к тому, что нишевые функции будут исчезать из новых версий ведущих ИИ-систем.