20.11.2026 17:14
36
GPT‑6.2 сократила время обучения другой нейросети почти на 43%
Никита Слободянюк — эксперт в сфере Искуственного Интеллекта.Никита Слободянюк — эксперт в сфере Искуственного Интеллекта.
Нейросети можно поручить работу над другой нейросетью — и измерить, получилось ли улучшение. Именно такой эксперимент OpenAI описала в материалах к GPT‑6.2.
В тесте NanoGPT модель Astra получила два часа на разработку решения и один вычислительный ускоритель H100. Задание: изменить программу обучения небольшой языковой модели так, чтобы она достигла заданного качества быстрее.
Результат — в среднем на 42,87% меньше времени относительно исходной программы. Для наглядности: при такой экономии условное десятичасовое обучение заняло бы примерно пять часов сорок три минуты. Это пересчёт процента, а не длительность опубликованного эксперимента. Условия приведены в техническом отчёте OpenAI.
Никита Слободянюк обращает внимание на существенную деталь: качество требовалось сохранить. Быстро получить более слабую модель означало бы провалить задачу.
Как вообще можно ускорить обучение? Нейросеть учится на примерах: программа вычисляет ошибку и корректирует её числовые параметры. Этот процесс многократно повторяется. Скорость зависит от организации вычислений и настроек обучения. Поэтому изменения в программе могут сократить время достижения нужного результата.
В эксперименте GPT‑6.2 редактировала код и подбирала настройки обучения другой модели. Сама Astra при этом не становилась умнее от каждой попытки.
Практический смысл результата понятен: если обучение занимает меньше времени, дорогое оборудование раньше освобождается для следующего эксперимента. Исследователи потенциально смогут проверить больше идей на тех же ресурсах. Но расходы на работу самой Astra и проверку решения тоже нужно учитывать.
По мнению Никиты Слободянюка, здесь интересен переход от совета к проверяемому инженерному результату. Можно сравнить время и убедиться, что заданное качество достигнуто.
При этом машина ещё не показала лучший возможный результат. В том же отчёте указан человеческий рекорд: экономия 72,38% времени относительно исходной программы. Это лучший известный результат человека, а не среднее достижение инженеров.
Именно в этом суть новости: ИИ уже способен улучшать отдельные этапы разработки других моделей. В будущем такие помощники могут ускорить появление новых поколений нейросетей. Пока перед нами конкретный результат в ограниченном испытании — почти 43% сэкономленного времени обучения при сохранении заданного качества.
Никита Слободянюк.