Провёл небольшой эксперимент. Сделал один и тот же запрос в четыре разные модели: ChatGPT, Deepseek, GigaChat и Perplexity. Попросил провести анализ инвестиций в технологию blockchain за последние годы и сравнить с темпами инвестиций в AI за последние 5 лет.

Интересовала не только тема запроса, но и насколько схожими будут ответы. Промт у всех моделей был абсолютно одинаковым, до последней буквы. Ранее ни с одной из моделей тему blockchain я не обсуждал, так что наведённого контекста не было.

Результат оказался даже лучше, чем я ожидал. Все модели в целом справились хорошо — без серьёзных ошибок и противоречий. Промт был достаточно подробным. Сюда не привожу его из-за объёма, но если кому-то интересно — могу отправить в личные сообщения.

Все четыре отчёта содержат общую структуру и темы (спасибо промту): историю и динамику инвестиций, географические аспекты, ключевые тренды и факторы роста. Однако есть нюансы, которые стоит учитывать при таких исследованиях. Если вам важна точность — лучше использовать сразу несколько моделей.

Вот основные различия:

🔢 Разница в цифрах. Она не критическая, но заметна. Тренды по динамике инвестиций совпадают, но итоговые суммы расходятся. Вероятно, это связано с различием в источниках данных и методах расчёта. Например, одна модель учитывает венчурные инвестиции отдельно от частных, другая — объединяет оба потока.

📊 Разный уровень детализации. Некоторые модели приводят точные цифры и источники, другие — делают акцент на качественных описаниях и экспертных оценках. Кто-то упоминает CAGR (среднегодовой темп роста) с точной цифрой, кто-то — только приблизительные значения.

🧠 Разные аналитические подходы. – Одна модель углубляется в статистику, подробно описывает динамику и барьеры. – Другая делает обзор на уровне качественного анализа. – Третья концентрируется на технических аспектах (в том числе упоминает квантовую устойчивость). – Четвёртая фокусируется на геополитике и региональных различиях. (Нумерация случайная — интересовал подход, а не рейтинг.)

📈 Графика. Только одна модель добавила графики к отчёту.

💡 Вывод: в зависимости от задачи (общее ознакомление, технический доклад, региональный срез или аналитика для C-level) может подойти разная модель. Но в любом случае важно перепроверять источники, на которые они ссылаются, и учитывать специфику каждой модели.

Попробовал я это вчера как раз до объявления о выходе GPT-5, так что обязательно попробую на новой версии и сравню, есть ли улучшения.