Старая модель снова удержала лидерство в тесте цена/качество
Свежий батл-тест снова показал, что на рынке ИИ не всегда побеждает самая новая или самая большая модель. В честном очном сравнении одна из прошлогодних моделей по-прежнему удержала первое место по соотношению цены и качества, а несколько других участников оказались заметно сильнее, чем ожидалось.
Что показал новый очный тест
Автор сравнил сразу четыре модели в одном батче, чтобы проверить, не исказили ли кросс-сессионные замеры картину. Такой подход полезен, когда хочется понять не абстрактные рейтинги, а реальную разницу между моделями в одинаковых условиях.
Главный вывод оказался неожиданно простым: две версии Gemma в прямой проверке показали себя примерно на одном уровне, хотя раньше одна из них выглядела заметно сильнее. Зато DeepSeek V4 Flash оказался недооценённым и в свежем тесте поднялся выше прежней оценки. Это хороший сигнал для тех, кто выбирает модель под рабочие задачи и не хочет переплачивать за имя.
Почему лидерство старой модели важно для пользователей
Самое интересное в разборе — не просто список победителей, а то, что модель, вышедшая летом, снова удержала первое место по цене и качеству. Для обычного пользователя это означает, что иногда выгоднее брать не самую новую модель, а ту, которая уже доказала стабильность в реальной работе.
Для бизнеса и команд это особенно полезно: можно точнее выбирать ИИ под задачи поддержки, маркетинга, анализа текстов и автоматизации рутины. Если модель даёт хороший результат без лишних затрат, она быстрее окупается и проще масштабируется внутри компании.
Что ещё изменилось в лидерборде
Автор также обновил подход к оценке и добавил скорость генерации как отдельный критерий. Это важный сдвиг: в реальной работе ценится не только качество ответа, но и то, насколько быстро модель выдаёт результат.
Кроме того, в разборе упомянуты ещё несколько моделей июня, пересмотрены оценки за год и добавлены новые колонки в лидерборд. По сути, рынок ИИ продолжает двигаться, но иногда самые заметные улучшения происходят не у новинок, а у моделей, которые просто стабильно держат планку.