Даже топовые LLM теряются в длинных текстах
Исследователи Allen Institute for AI выяснили, почему Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol и GPT-6 Luna проходят простые уровни, но на длинных заданиях со связанными изменениями падают ниже 13% точности. Источник: https://habr.com/ru/articles/1104552/ — 6 ноября 2026 **Что стоит отслеживать** - Закрытие раунда OpenAI (до ~$20 млрд) и финальную оценку Anthropic перед IPO: рынок явно пересма
Исследователи из Allen Institute for AI проверили, насколько хорошо ведущие языковые модели работают с длинными документами, где нужно согласованно менять несколько связанных фрагментов. В тесте участвовали Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol и GPT-6 Luna. Простые уровни задания все они проходят, но как только требуется проследить цепочку взаимозависимых правок на большом объёме текста, точность падает ниже 13%. Получается, модели неплохо держат локальный контекст, но теряют связи между частями документа, которые удалены друг от друга. Это важно для реальных задач вроде вычитки больших договоров, правки кода или отчётов, где одно изменение тянет за собой другие. Материал опубликован 6 ноября 2026 года. Главный вывод: большой контекст сам по себе не гарантирует надёжности, и такие сценарии пока стоит закрывать проверкой человеком.