Аналитики из SemiAnalysis, AJ Kourabi и Dylan Patel, в своём материале утверждают, что ключевым путём к новым возможностям ИИ стало масштабирование обучения с подкреплением (Reinforcement Learning, RL), а не претренинг. Яркий пример — OpenAI, которая 18 месяцев улучшала свои флагманские модели (o1, o3, GPT-5) на основе одной базовой модели GPT-4o исключительно за счёт RL-тренировки.
Хотя претренинг остаётся важным для других компаний, прогресс OpenAI доказал эффективность посттренинга. Основная сложность масштабирования RL — создание специализированных сред и задач для обучения, что требует больших трудозатрат. Компании вроде Windsurf и Cursor используют пользовательские данные для посттренинга своих моделей, улучшая их в таких областях, как программирование и работа с офисными приложениями.
Для измерения реальной полезности моделей OpenAI создала оценку GDPval. Она включает более 1000 задач из 44 профессий, представляющих более 5% экономики. Задачи созданы с экспертами и оценивают способность модели выполнять многочасовую цифровую работу человека, например, заполнить налоговую декларацию или создать презентацию. Текущая лучшая модель GPT-5.2 показывает результат около 71%, что означает паритет с экспертом-человеком в 71% случаев.
GDPval знаменует сдвиг в оценке ИИ от абстрактных знаний к практической полезности. Это подчёркивает общий тренд: будущее развитие ИИ будет определяться не только объёмом данных для претренинга, но и качеством RL-сред и задач, которые учат модели решать реальные проблемы.
