ChatGPT 5.4 против Gemini 3.1 Pro: кто доминирует в новом поколении LLM?

Битва бенчмарков: цифры решают

Бенчмарки — это спорный, но всё ещё самый объективный способ сравнить модели. Рассмотрим ключевые тесты 2026 года, которые реально что-то говорят об интеллекте модели, а не просто красиво смотрятся в пресс-релизе.

ARC-AGI-2 — тест на абстрактное мышление

Это самый показательный бенчмарк поколения: он проверяет способность решать принципиально новые задачи, которых модель не видела при обучении — то, что раньше считалось исключительно человеческим навыком. Gemini 3.1 Pro набирает здесь 77,1% — более чем вдвое выше среднего результата человека (~60%) и в 4,4 раза лучше GPT-5.1 (17,6%). Это, пожалуй, самый громкий результат всего сравнения: по способности к обобщению и абстракции Gemini 3.1 Pro на сегодня недосягаема.​

AIME 2025 / HMMT — олимпийская математика

Здесь маятник качается в другую сторону. GPT-5.1 (прямой предшественник GPT-5.4) показывала 94% на AIME 2025 и 93,3% на HMMT 2025 — это уровень финалистов национальных олимпиад по математике. Gemini 3.1 Pro сопоставимых публичных результатов по этим тестам не публиковала. Для задач, требующих строгих математических рассуждений и доказательств, линейка GPT остаётся эталоном.​

SWE-Bench Verified — реальное программирование

SWE-Bench — это не синтетические задачки, а настоящие баги из реальных GitHub-репозиториев. Gemini 3.1 Pro решает 80,6% задач, тогда как GPT-5.1 — 76,3%. Разрыв в 4 процентных пункта — это десятки дополнительно решённых реальных проблем в коде. Для разработчиков, использующих AI в ревью и дебаггинге, это ощутимое преимущество Google.​

GPQA Diamond — уровень аспиранта в науке

GPQA Diamond — это вопросы уровня PhD по физике, химии и биологии, составленные так, чтобы даже профессора смежных специальностей ошибались. Gemini 3.1 Pro — 94,3%, GPT-5.1 — 88,1%. Разрыв в 6 пунктов на таком уровне сложности — это не погрешность, а системное преимущество.​

Humanity’s Last Exam — самый сложный тест 2026 года

HLE создавался как тест, который ни одна модель не должна была пройти легко — 3000 вопросов от мировых экспертов по узкоспециализированным областям знаний. Gemini 3.1 Pro набирает 44,4%, GPT-5.1 — 24,8%. Почти двукратный разрыв говорит о том, что в глубоко экспертных областях Gemini 3.1 Pro значительно надёжнее.​

Artificial Analysis Intelligence Index

Независимая платформа Artificial Analysis оценивает модели в агрегированном рейтинге по 115 участникам. Gemini 3.1 Pro занимает #1 место со Score 57 при медиане по рынку 26 — то есть опережает среднюю модель более чем вдвое по совокупному интеллекту.​

Итоговая таблица бенчмарков

Вывод по разделу: по совокупности независимых бенчмарков Gemini 3.1 Pro выигрывает в 5 из 7 категорий. GPT-5.4 сохраняет лидерство в математике олимпийского уровня — и это серьёзное преимущество для узкого, но важного класса задач. Во всём остальном Google в 2026 году задаёт стандарт.

Мультимодальность: текст — это только начало

Эпоха «просто чат-бота» закончилась. Современные LLM воспринимают мир так же, как человек — через разные каналы восприятия. Но здесь между двумя флагманами пролегает принципиальная граница.

Работа с изображениями: паритет

Обе модели уверенно работают с визуальным контентом: анализируют фотографии, читают графики и диаграммы, распознают текст на скриншотах, описывают интерфейсы и инфографику. Для задач маркетинга — разбор рекламных макетов, анализ конкурентных лендингов, генерация описаний по фото товара — обе модели справляются на высоком уровне. Здесь победителя нет: это базовая функция флагмана 2026 года.​

Аудио: только GPT-5.4

Gemini 3.1 Pro не принимает аудио как прямой входной формат. GPT-5.4 же умеет работать со звуком нативно: транскрибировать речь, анализировать интонацию, отвечать на вопросы по содержимому подкаста или голосовой заметки. Для команд, создающих голосовых ассистентов, инструменты расшифровки встреч или аудиоаналитику — это непреодолимое преимущество OpenAI.

Видео: только GPT-5.4

Это, пожалуй, самое ощутимое практическое различие. GPT-5.4 понимает видео: может посмотреть ролик и ответить на вопросы по содержимому, выделить ключевые моменты, описать действия в кадре. Gemini 3.1 Pro этого не умеет в прямом смысле — видео как входной формат модель не поддерживает. Для видеомаркетинга, анализа обучающего контента или разбора записей вебинаров GPT-5.4 не имеет альтернативы.

Кодовое зрение (Code Vision)

Обе модели умеют читать скриншоты интерфейсов и генерировать по ним код — это стало стандартом для флагманов. Однако Gemini 3.1 Pro демонстрирует более высокие результаты в задачах реального программирования (SWE-Bench 80,6%), что косвенно указывает на лучшее понимание визуальных архитектурных схем и диаграмм в контексте разработки.​

Итог по мультимодальности

По мультимодальности GPT-5.4 выигрывает с явным преимуществом: два дополнительных канала восприятия — аудио и видео — открывают целые классы задач, недоступные для Gemini 3.1 Pro. Если ваш продукт работает только с текстом и изображениями — разницы нет. Но как только появляется звук или видео — альтернативы GPT-5.4 не существует.

Интеллект и рассуждение: кто думает глубже?

Бенчмарки показывают цифры, но за ними стоит более фундаментальный вопрос: как именно модель приходит к ответу? Архитектура рассуждения — это то, что отличает «умную» модель от «быстрой».

Как думает GPT-5.4: режим Thinking

GPT-5.4 предлагает два режима работы. В режиме Instant модель отвечает почти мгновенно — без глубокого внутреннего монолога, опираясь на «интуицию», накопленную при обучении. В режиме Thinking модель явно выстраивает цепочку промежуточных рассуждений перед финальным ответом: раскладывает задачу на шаги, проверяет себя, отбрасывает ошибочные гипотезы. Пользователь может видеть этот процесс — это делает рассуждение прозрачным и верифицируемым. Именно Thinking-режим обеспечивает GPT-5.4 результаты уровня 94% на олимпийской математике AIME.​

Как думает Gemini 3.1 Pro: Extended Thinking

Gemini 3.1 Pro использует Extended Thinking — глубокое внутреннее рассуждение, которое происходит до того, как модель начинает генерировать ответ. Именно поэтому задержка первого токена достигает ~29 секунд: модель буквально «обдумывает» задачу в скрытом пространстве, прежде чем выдать результат. Этот подход дал феноменальные результаты на ARC-AGI-2 (77,1%) и Humanity’s Last Exam (44,4%) — тестах, где важна не скорость, а качество суждения.

Галлюцинации: кто врёт меньше?

Это больная тема для всех LLM. Gemini 3.1 Pro благодаря Extended Thinking демонстрирует более низкий уровень фактических ошибок на сложных профессиональных вопросах — об этом свидетельствует результат GPQA Diamond 94,3% против 88,1% у GPT-5.1. Однако GPT-5.4 в режиме Thinking также значительно снижает галлюцинации по сравнению с режимом Instant. Практический вывод: в обоих случаях включайте режим рассуждения для задач, где цена ошибки высока.​

Реальные примеры глубины рассуждения

• Юридический анализ: Gemini 3.1 Pro с окном в 1М токенов прочитает весь договор целиком и найдёт противоречия между разделами. GPT-5.4 придётся разбивать документ на части.​
• Научный вывод: При разборе исследовательской статьи Gemini 3.1 Pro точнее воспроизводит методологию и ограничения работы — результат 94,3% на GPQA это подтверждает.​
• Бизнес-кейсы: GPT-5.4 в Thinking-режиме лучше структурирует многоступенчатые управленческие решения благодаря прозрачной цепочке рассуждений, которую легко проверить и скорректировать.

Вердикт по рассуждению

По совокупности Gemini 3.1 Pro думает глубже в большинстве сценариев — но GPT-5.4 делает процесс рассуждения прозрачным и управляемым, что критично в профессиональных и корпоративных контекстах, где нужно объяснить, почему модель пришла к такому выводу.

Скорость и производительность в реальных условиях

Интеллект без скорости — это умный человек, который думает три минуты перед каждой фразой. В продуктовой разработке и массовой генерации контента скорость — это деньги и пользовательский опыт.

Два разных типа «быстроты»

Скорость LLM измеряется двумя независимыми параметрами, которые часто путают:

• TTFT (Time To First Token) — время ожидания до того, как модель начала печатать. Критично для чат-ботов и интерактивных интерфейсов: пользователь видит «думает…» и ждёт.
• Throughput (токенов/сек) — скорость генерации после старта. Критично для API, пакетной обработки и длинных документов.

У Gemini 3.1 Pro парадоксальная ситуация: высокий throughput (105,8 т/сек) при высоком TTFT (~29 секунд). Модель долго «думает», но потом выдаёт текст быстро. GPT-5.4 в режиме Instant начинает отвечать почти мгновенно — это принципиально важно для диалоговых продуктов.​

Что это значит на практике

Представьте два сценария:

Сценарий А — чат-бот поддержки клиентов. Пользователь задаёт вопрос и ждёт. 29 секунд тишины перед первым словом — это неприемлемо для UX. Здесь GPT-5.4 в режиме Instant выигрывает безоговорочно.

Сценарий Б — пакетная генерация SEO-статей через API. Вы запускаете 100 запросов на сервере, результат нужен через 5 минут, а не в реальном времени. Здесь задержка первого токена не важна — важна суммарная скорость. Gemini 3.1 Pro с 105,8 т/сек справится эффективно.

Производительность при длинном контексте

Отдельная история — скорость при работе с большим контекстом. При заполнении контекстного окна на 50–80% обе модели замедляются, но Gemini 3.1 Pro сохраняет стабильность дольше — архитектура изначально проектировалась под миллион токенов. GPT-5.4 при приближении к 400К токенов начинает терять в скорости ощутимее.

Сравнение режимов работы

Вывод по скорости

Нет «быстрой» и «медленной» модели — есть модели с разными профилями производительности. GPT-5.4 — выбор для интерактивных продуктов, где пользователь ждёт ответа в реальном времени. Gemini 3.1 Pro — выбор для фоновых задач и пакетной обработки, где важны качество и объём, а не мгновенная реакция.

Цены и доступность: сколько это стоит?

Даже самая умная модель бесполезна, если она недоступна в вашем регионе или съедает весь бюджет. Разберём ценообразование честно — без скрытых условий.

Тарифы для конечных пользователей

ChatGPT (OpenAI):

• Free — доступ к GPT-5.4 в ограниченном режиме, без Thinking
• Plus — $20/мес — полный доступ к GPT-5.4 Thinking с разумными лимитами
• Pro — $200/мес — неограниченный доступ ко всем режимам, приоритет в очереди​

Gemini (Google):

• Бесплатно — доступ к Gemini 3.1 Pro с ограниченными запросами
• AI Pro (Google One) — $19,99/мес — расширенные лимиты, NotebookLM Plus
• AI Ultra — $249,99/мес — максимальные лимиты, приоритет, Workspace-интеграции​

По подпискам для частных пользователей модели практически паритетны: базовые тарифы ~$20/мес, максимальные — $200–250/мес.

API для разработчиков: GPT-5.4 дешевле

Здесь разрыв ощутимый и важный для команд с высокими объёмами:

При генерации, например, 1 000 статей по 2 000 слов (~2,8M токенов вывода) разница в стоимости составит около $5,6 в пользу GPT-5.4. При масштабе в десятки тысяч запросов в месяц экономия становится существенной.

Бесплатные тиры: что реально доступно без оплаты

Оба сервиса предлагают бесплатный доступ к флагманским моделям — но с лимитами. Gemini 3.1 Pro в бесплатном тире даёт больше запросов в день, тогда как ChatGPT Free жёстче ограничивает использование Thinking-режима. Для случайного пользователя — оба варианта достаточны. Для профессиональной работы — нужна подписка.​

Доступность в СНГ: важный практический момент

ChatGPT официально недоступен в России без VPN — оплата российскими картами не работает. Gemini от Google также имеет региональные ограничения, однако через Google One и ряд агрегаторов доступ получить проще. Оба инструмента доступны через AI-агрегаторы вроде Study AI, где можно работать с обеими моделями без VPN и с оплатой в рублях — это принципиально важно для пользователей из России и СНГ.​

Корпоративные тарифы

• OpenAI Enterprise — кастомные лимиты, SLA, изоляция данных, SSO
• Google Vertex AI / Gemini for Workspace — интеграция с корпоративным Google Workspace, управление через облако GCP​

Для крупных компаний выбор часто определяется не ценой модели, а уже существующей инфраструктурой: если компания на GCP — Gemini, если на Azure — GPT.

Экосистема и интеграции

Модель — это только ядро. Реальная ценность создаётся вокруг неё: инструментами, интеграциями и экосистемой, в которой вы уже работаете.

Экосистема OpenAI: универсальный комбайн

OpenAI построила вокруг GPT-5.4 плотную сеть смежных продуктов:

• ChatGPT — интерфейс для конечных пользователей с памятью, проектами и кастомными GPT
• DALL·E — генерация изображений прямо внутри ChatGPT
• Sora — генерация видео по текстовому описанию
• Whisper — транскрипция аудио, интегрированная в API
• Операторы (Operators) — автономные AI-агенты, выполняющие задачи в браузере
• OpenAI API — гибкая интеграция в любой продукт с поддержкой функций, инструментов и файлов
• Интеграция с Microsoft: Azure OpenAI Service, Copilot в Office 365, GitHub Copilot

Для команды, работающей с контентом, это означает единую среду: пишем текст GPT-5.4, тут же генерируем иллюстрации DALL·E, создаём видео Sora — всё под одной крышей.

Экосистема Google: глубина интеграции

Google делает ставку на встроенность в уже существующие рабочие процессы:

• Gemini App — основной интерфейс, доступен на Android нативно
• NotebookLM — мощный инструмент для работы с документами, лекциями и исследованиями
• Google Workspace — Gemini встроен в Docs, Gmail, Sheets, Slides
• Google AI Studio — бесплатная площадка для тестирования и прототипирования
• Vertex AI — enterprise-платформа для деплоя моделей в GCP
• Google Search — Gemini интегрирован прямо в поисковую выдачу
• Android — нативный голосовой ассистент на базе Gemini

Если ваша команда живёт в Google Docs и Gmail — Gemini 3.1 Pro появится там, где вы уже работаете, без дополнительных интеграций.

Какая экосистема ближе — зависит от профиля

Импортозамещение и доступность

Отдельно стоит отметить: для пользователей из России и СНГ прямой доступ к обоим сервисам затруднён. Оптимальное решение — AI-агрегаторы, которые предоставляют доступ к GPT-5.4 и Gemini 3.1 Pro через единый интерфейс, с оплатой в рублях и без VPN. Это позволяет использовать лучшее из двух экосистем без технических барьеров.

Реальные кейсы использования

Теория — это хорошо. Но давайте разберём, как каждая модель ведёт себя в задачах, с которыми сталкиваются реальные специалисты каждый день.

Маркетинг и SEO: генерация контента в промышленных масштабах

Для написания статей, мета-тегов, описаний товаров и заголовков GPT-5.4 остаётся предпочтительным инструментом: низкая задержка, предсказуемый стиль, отличная работа с шаблонами и инструкциями. Режим Instant позволяет генерировать сотни единиц контента через API без ощутимых задержек. Gemini 3.1 Pro подключается там, где нужен глубокий семантический анализ — например, разбор конкурентного контента объёмом в десятки тысяч слов за один запрос благодаря окну в 1М токенов.

Практический сценарий: Загружаете в Gemini 3.1 Pro 50 статей конкурентов целиком → получаете структурированный анализ семантики, пробелов и частотности тем. Затем передаёте структуру в GPT-5.4 → генерируете 10 уникальных статей под SEO-задачи. Лучший результат — связка двух моделей.

Программирование: от ревью до написания с нуля

Gemini 3.1 Pro с результатом 80,6% на SWE-Bench — лучший выбор для серьёзной разработки: дебаггинг реальных багов, ревью пулл-реквестов, рефакторинг legacy-кода. Способность загрузить весь репозиторий в один контекст без разбивки на чанки — это качественный скачок в удобстве. GPT-5.4 сильнее в алгоритмических задачах и математически насыщенном коде — численные методы, оптимизация, криптография.

Практический сценарий: Разработчик загружает в Gemini 3.1 Pro кодовую базу на 300К строк → просит найти потенциальные уязвимости безопасности → получает систематический отчёт по всему проекту. С GPT-5.4 пришлось бы делать это частями.

Наука и аналитика: работа с исследованиями

Здесь Gemini 3.1 Pro доминирует безоговорочно. Результат 94,3% на GPQA Diamond означает реальную способность разбираться в PhD-уровне физики, химии и биологии. Загрузить 20 научных статей, попросить синтез противоречий и выявление пробелов в исследованиях — задача, для которой Gemini 3.1 Pro создана буквально.

Практический сценарий: Исследователь загружает корпус из 30 статей по теме → просит выявить консенсус, противоречия и незакрытые вопросы → получает структурированный литературный обзор за минуты вместо дней.

Образование: объяснение сложных тем

Обе модели отлично справляются с ролью репетитора, но с разными акцентами. GPT-5.4 благодаря прозрачному Thinking-режиму показывает ход решения пошагово — идеально для математики и логики. Gemini 3.1 Pro лучше справляется с междисциплинарными вопросами и глубокими концептуальными объяснениями — результат превосходящего интеллекта на сложных тестах.

Практический сценарий: Студент просит объяснить квантовую запутанность «на пальцах» с примерами. Gemini 3.1 Pro строит многоуровневое объяснение с аналогиями, историческим контекстом и связью с современными приложениями.

Творчество: сценарии, нейминг, копирайтинг

GPT-5.4 традиционно сильнее в творческих задачах: генерация рекламных слоганов, нейминг брендов, написание сценариев и диалогов. Модель лучше «чувствует» тон, стиль и аудиторию. Gemini 3.1 Pro в творческих задачах более «академична» — её тексты точнее, но иногда суше.

Матрица кейсов