13 августа 2026 года OpenAI открыла превью режима Ultrafast: тот же самый GPT-5.6 Sol выдаёт в нём до 750 токенов в секунду — примерно в четырнадцать раз быстрее обычного темпа. Считает всё это железо Cerebras, доступ пока получил узкий круг клиентов, расширять его обещают «по мере роста мощностей». В качестве профильных сценариев названы реагирование на инциденты, поддержка клиентов, анализ финансовых рынков и электронная торговля.
Формулировка компании любопытнее самих цифр: раньше ради отклика в реальном времени приходилось брать движок поменьше или поуже, а теперь открывается «новое направление — больше полезной работы в секунду». Звучит как отмена старого компромисса между умом и темпом. На деле компромисс никуда не делся, он просто переехал в другое место, и полезно понимать, в какое именно.
Ниже — из чего вообще складывается ожидание перед ответом, чем расплачиваются за разгон, какие задачи без скорости разваливаются, а какие разваливаются как раз от неё, и почему привычка всегда держать включённым самый умный режим обходится дороже, чем кажется по счёту.
Что произошло 13 августа
Цифры анонса
Ultrafast — не новая нейросеть и не облегчённая версия старой. Это режим работы уже существующего GPT-5.6 Sol, в котором тот же вес и то же обучение обслуживаются иначе. Заявленный потолок — 750 выходных токенов в секунду. Для ориентира: обычная выдача GPT-5.5 держится около 92 токенов в секунду, Claude Opus 4.7 — около 78, а специализированные стенды на чипах Cerebras и Groq в публичных замерах 2026 года показывают 480–525 на моделях с открытыми весами.
То есть разрыв между «просто флагман» и «флагман на ускоренной обвязке» — почти порядок. Человек читает текст примерно втрое медленнее, чем такой поток печатается, так что визуально ответ появляется целиком, без привычного построчного набегания.
Почему слово «превью» здесь главное
Ни цена режима, ни сопоставление ответов с обычным Sol на момент выхода этой статьи публично не разобраны. Компания говорит, что способности сохраняются, независимой перепроверки пока нет — значит, всё, что касается качества внутри Ultrafast, стоит держать в голове как оценочное. Проверяемый факт здесь один: темп вырос, доступ ограничен, счёт неизвестен.
За счёт чего разгоняют ответ
Приёмов, которыми индустрия сокращает ожидание, по сути четыре. Три из них к содержанию ответа почти не притрагиваются. Четвёртый притрагивается сильнее всего — и именно им пользуются чаще прочих, потому что он не требует ни нового железа, ни переупаковки весов.
Сократить размышление
Современные движки перед ответом прогоняют внутреннюю цепочку рассуждений, которую пользователь не видит, но за которую платит и временем, и деньгами. Регулятор «усилия» управляет её длиной. Замеры на открытых моделях показывают масштаб: у Qwen3 8B включённое рассуждение поднимает точность с 49,1 до 62,5 процента, но раздувает расход токенов больше чем в десять раз, а время ожидания — примерно вчетверо. Обратный ход даёт ровно обратный эффект: мгновенный отклик и просевшую аккуратность там, где нужен разбор.
Считать грубее: квантизация
Веса можно хранить и перемножать с меньшей точностью — не в шестнадцати битах, а в восьми или четырёх. Формат FP8 к 2026 году считается практически неотличимым от полной точности на большинстве задач и стал разумной настройкой по умолчанию. Четырёхбитная упаковка ужимает сильнее, но за это платят: типичная просадка на публичных наборах — от полутора до двух с половиной баллов, и заметнее всего она на математике и сложных рассуждениях. Отдельная тонкость — длина запроса: тексты от четырёх тысяч токенов реагируют на огрубление ощутимо хуже коротких.
Угадывать вперёд: спекулятивное декодирование
Здесь маленькая быстрая сеть набрасывает несколько следующих токенов, а большая проверяет всю пачку разом — совпавшие принимаются, несовпавшие отбрасываются. Выигрыш во времени берётся из того, что дорогой проход окупается сразу несколькими словами. Вариантов много: отдельные головы прямо в самой сети, пропуск части слоёв на этапе черновика, подгонка черновой модели на лету. Ключевое свойство приёма — распределение ответов остаётся тем же самым, качество формально не страдает.
Железо и общая очередь
Оставшийся резерв — инженерный. Чипы вроде Cerebras и Groq держат веса ближе к вычислителю и не упираются в шину памяти так, как универсальные ускорители. Плюс непрерывная пакетная обработка: запросы не ждут, пока доедет вся группа, а подсаживаются в свободные слоты, что даёт кратный рост пропускной способности. Тут стоит различать две разные вещи — сколько всего успевает обслужить сервер и сколько ждёте лично вы. Первое растёт легко, второе упирается в физику одного ответа.
Три приёма из четырёх ускоряют почти бесплатно. Платит именно тот, который трогает объём размышления — и включают его чаще остальных.
Какой режим под какую задачу
Универсального ответа нет, но есть надёжный критерий: у каждого сценария свой бюджет ожидания, за которым он просто перестаёт работать. Не «становится хуже», а именно перестаёт.
Сценарии, где решает темп
Голосовой помощник: между концом вашей фразы и началом ответа допустимо около трёх десятых секунды, дальше диалог рвётся и собеседники начинают перебивать друг друга. Автодополнение в редакторе кода: подсказка обязана появиться раньше, чем палец допечатает строку сам, — это примерно полсекунды. Живой поиск и подсказки в строке ввода, автоматическая разметка входящих писем по темам, черновой перевод, первичная сортировка обращений в поддержке, короткие ответы на типовые вопросы клиентов — везде здесь ошибка стоит копейки и исправляется следующим сообщением, а задержка стоит всего сценария.
Сценарии, где решает глубина
Разбор договора на сорок страниц с поиском несимметричных условий. Перенос модуля со старого фреймворка на новый, где сломанная зависимость всплывёт через неделю. Финансовая модель, из которой вырастет решение о найме. План запуска с зависимостями между этапами. Сверка отчётности, юридические и медицинские тексты. Общее у них одно: ответ проверяют глазами не сразу, а ошибка обнаруживается через дни и стоит несопоставимо дороже потраченных на размышление минут. Здесь и десять, и тридцать секунд ожидания — приемлемая цена, а «мгновенно» скорее настораживает.
Правило двух вопросов
Перед выбором режима достаточно спросить себя: увижу ли я ошибку сразу и сколько она будет стоить, если не увижу. Два «дёшево» — берите быстрый режим не задумываясь. Хотя бы одно «дорого» — включайте глубокий и не жалейте секунд. В Schai GPT это сделано именно переключателем уровня модели, а не отдельными сервисами: тяжёлый разбор и болтовня живут в одном окне, меняется только цена шага.
Где экономия на скорости выходит боком
Дешёвый ответ, дорогой разбор
Самая частая ловушка — считать экономию по счёту за запросы. Быстрый режим действительно уменьшает эту строку, но переносит расход в другую: время человека на перепроверку, повторные заходы, откат последствий. Сгенерированный за секунду фрагмент кода, который прошёл ревью и лёг в продакшн со скрытой ошибкой в обработке границ, обнуляет всю экономию на несколько месяцев вперёд. Правило простое: если результат всё равно придётся вычитывать построчно, скорость его получения ничего не решает.
Длинные тексты
Огрубление вычислений и сжатие кэша сильнее всего бьют по работе с большими объёмами: чем длиннее вход, тем выше цена каждого потерянного бита точности. Практический вывод — на коротких репликах ускорение почти бесплатное, а на разборе стостраничного документа за него приходится доплачивать вниманием. Полезно понимать и то, как устроено само окно, в которое вы всё это складываете.
Поток правдоподобного
Есть и психологический эффект. Текст, появившийся мгновенно и целиком, читается как более уверенный — просто потому, что не было паузы, в которую мозг успевает включить скепсис. При этом уверенность формулировок и их обоснованность связаны слабо. Чем быстрее приходит ответ, тем сознательнее приходится включать проверку, и это отдельная нагрузка, которую редко закладывают в расчёт выгоды.
Почему «всегда самый умный» — плохая стратегия
Счёт
Верхние уровни моделей стоят кратно дороже средних, а разница в качестве проявляется далеко не на каждой задаче. Переписать письмо повежливее, вытащить даты из списка, придумать десять заголовков, перевести абзац — на таком материале дорогой движок выдаёт ровно то же самое, что и дешёвый, только медленнее и за большие деньги. При десятках обращений в день перекос набегает быстро. В Schai GPT расход считается по уровням раздельно, так что привычку держать верхний видно прямо в цифрах, а не по ощущениям.
Время
Вторая потеря менее очевидна. Долгое ожидание ломает ритм работы: пока идёт размышление, человек переключается на другое окно и возвращается уже с потерянным контекстом. Десять секунд ожидания двадцать раз за день — это не три минуты, а три минуты плюс двадцать сбитых переключений. Для коротких задач быстрый режим выигрывает не потому, что дешевле, а потому, что не выбивает вас из потока.
Как это выглядит на практике
Разумная схема — держать по умолчанию средний уровень и осознанно поднимать его под конкретный запрос: анализ, код, планирование, длинный документ. В Schai GPT уровней три, и переключение занимает один тап прямо в диалоге, так что решение принимается по задаче, а не выставляется один раз навсегда в настройках. Отдельно замечу привычку, которая экономит больше любого выбора движка: сначала быстрый режим для набросков и структуры, потом глубокий — только по финальному варианту.
Что из этого следует
Ultrafast — не победа над компромиссом, а его перенос. Раньше выбор выглядел как «умный или быстрый», теперь всё чаще как «быстрый на этом шаге или глубокий на этом шаге», и делать его приходится не раз в квартал при выборе подписки, а десятки раз в день внутри одной задачи. Хорошая новость: критерий не требует технических знаний — достаточно честно оценить, во что обойдётся ошибка.
Плохая новость в том, что режим по умолчанию у большинства так и останется нетронутым. Поэтому единственный практический совет из всего сказанного звучит скучно: раз в неделю смотрите, каким уровнем вы решаете свои типовые задачи — в Schai GPT это видно прямо в диалоге. Скорее всего, половину из них можно спокойно переложить на быстрый, а на оставшейся половине стоит наконец перестать экономить.
Пока нет комментариев