GPT расшифровывается как Generative Pre-trained Transformer — «генеративный предобученный трансформер». Это тип нейросети, которая пишет текст, раз за разом угадывая, какой кусочек должен идти следующим. Термин появился в 2018 году вместе с первой моделью OpenAI, а сегодня на этом принципе работают ChatGPT, GPT-6 Astra и десятки моделей других компаний.
Сложность в том, что буквы GPT сейчас висят на всём подряд: ChatGPT, GPT-5.6, YandexGPT, GPT Image. Под одним сочетанием прячутся модель, приложение, генератор картинок и чужие разработки, к OpenAI отношения не имеющие. Пока это не разложено по полочкам, непонятно даже, что именно выбирать.
Расшифровка GPT: что значит каждое слово
Звучит как название робота из фильма восьмидесятых, но каждое слово здесь по делу.
Generative — генеративная. Модель не достаёт ответ из готовой базы, а создаёт текст заново, по кусочку. Поэтому на один и тот же вопрос дважды приходят разные формулировки — это не сбой, а прямое следствие того, как устроена генерация.
Pre-trained — предобученная. До первого вопроса пользователя модель уже прочитала огромный массив текстов: книги, статьи, код, сайты. После этого у неё есть знания о языке и мире, но ещё нет привычки вежливо отвечать — этому учат отдельно.
Transformer — трансформер. Архитектура нейросети, которую исследователи Google описали в 2017 году в работе Attention Is All You Need. Главный механизм — внимание: обрабатывая каждое слово, модель смотрит на весь текст сразу и решает, какие слова для него важнее. Во фразе «Кубок не влез в чемодан, потому что он слишком большой» грамматика не подсказывает, кто такой «он», а внимание связывает его с кубком. Подробнее об устройстве — в гайде по трансформерам.
GPT и ChatGPT — не одно и то же
GPT — это модель: принимает текст, выдаёт продолжение. ChatGPT — приложение OpenAI вокруг модели: окно чата, история диалогов, загрузка файлов, поиск в интернете, голосовой режим. Если нужна аналогия, GPT — двигатель, а ChatGPT — одна из машин, в которую его поставили. Внутри ChatGPT в разное время стояли разные «двигатели»: GPT-3.5 на старте в ноябре 2022 года, потом GPT-4, GPT-4o, GPT-5 и следующие версии.
Отсюда практический вывод: GPT-модели доступны и без ChatGPT — через API и сервисы, которые к ним подключаются. Так устроен и GPTunneL: те же модели OpenAI, но в своём интерфейсе и рядом с моделями других компаний.
Обратная ловушка — GPT Image. Это как раз OpenAI, но генератор картинок, выросший из мультимодальной GPT-4o. Так что буквы GPT в названии ещё не гарантируют, что модель пишет текст.
Откуда взялся термин GPT: краткая история
Идея «сначала научить модель на горе неразмеченного текста, а потом доучить под задачу» появилась не в OpenAI — в машинном обучении этот приём был известен задолго до GPT. К 2018 году сошлись два куска будущей технологии.
2017 — трансформер. Google публикует архитектуру, которая обрабатывает текст целиком и параллельно, а значит, хорошо масштабируется на огромные объёмы данных.
Начало 2018 — предобучение языковых моделей. Выходят две заметные работы: ULMFiT в январе и ELMo в феврале. Обе показывают, что модель, заранее обученная на больших текстах, лучше справляется с конкретными задачами. Но строятся они на рекуррентных сетях, а не на трансформере.
11 июня 2018 — первая GPT. OpenAI публикует работу Improving Language Understanding by Generative Pre-Training и соединяет оба куска: генеративное предобучение плюс трансформер. Модель — 12 слоёв и 117 млн параметров, сейчас её называют GPT-1. По нынешним меркам крошка: у GPT-3 два года спустя параметров было уже примерно в полторы тысячи раз больше. Любопытно, что в заголовке работы аббревиатуры нет — только «генеративное предобучение».
Октябрь 2018 — сокращение уходит в оборот. Исследователи Google в работе про BERT сравнивают свою модель с «Generative Pre-trained Transformer (OpenAI GPT)». С этого момента GPT — привычное название для всего семейства, а дальше каждое новое поколение только укрепляло термин.
Можно ли называть GPT другие нейросети — Gemini, DeepSeek, Claude
Короткий ответ: по устройству — да, по названию — нет.
По устройству. Если читать GPT как описание технологии — генеративная, предобученная, на трансформере, — под него подходит почти любая современная языковая модель. Gemini, по техническому отчёту Google, построена на декодерах трансформера — по той же схеме, что и GPT. DeepSeek-V3 — тоже трансформер, только со «смесью экспертов»: из 671 млрд параметров на каждый токен работают 37 млрд. Claude, Qwen и другие большие языковые модели пишут текст тем же способом — предсказывая следующий токен.
По названию. GPT — фирменное имя моделей OpenAI. Google свою модель называет Gemini, DeepSeek — DeepSeek. Сказать «Gemini — это GPT» примерно то же, что назвать любой внедорожник «джипом»: понятно, но неточно. Правильное общее название для всех — большая языковая модель, или LLM.
Юридически вопрос спорный. В апреле 2023 года OpenAI обновила правила бренда и запретила компаниям, работающим через её API, использовать GPT в названиях своих продуктов. Но зарегистрировать GPT как товарный знак в США не вышло: в 2023 году ведомство заявку отклонило, а 6 февраля 2024-го отказ стал окончательным — термин признали общим названием семейства нейросетей, которым пользуется вся индустрия. В ЕС регистрацию OpenAI получила в 2023 году, но с 2024-го её оспаривают, а в Китае в регистрации отказали.
Поэтому модели с GPT в названии есть и у других: GPT-J от исследовательской группы EleutherAI (2021), ruGPT-3 от Сбера (2020), YandexGPT от Яндекса (2023). К OpenAI они отношения не имеют — буквы указывают на тип модели.
А в разговорной речи «гпт» давно стало словом для любого чат-бота: «спроси у гпт» могут сказать и про Gemini. В бытовом разговоре это нормально, но при выборе модели или сравнении цен лучше называть модели своими именами — разница между ними как раз в деталях.
Чем GPT отличается от других видов нейросетей
«Нейросеть» — зонт, под которым живут очень разные системы, и языковые модели — только одна ветка. Отличия проще всего увидеть по двум вопросам: что система выдаёт на выходе и каким путём к этому приходит.
| Тип нейросети | Что делает | Как получает результат | Примеры |
|---|---|---|---|
| GPT и другие большие языковые модели | Пишут текст и код, отвечают на вопросы | Предсказывают следующий кусочек текста, по одному | GPT-6 Astra, Claude, Gemini, DeepSeek |
| Диффузионные модели | Рисуют картинки и видео | Начинают со случайного шума и шаг за шагом «проявляют» изображение целиком | Stable Diffusion, Flux, Midjourney |
| Энкодеры вроде BERT | Понимают текст, но не пишут его | Читают фразу целиком в обе стороны и превращают в числовое представление | Поиск, сортировка отзывов, спам-фильтры |
| Распознающие сети | Узнают, что на фото или в звуке | Сопоставляют вход с выученными признаками и выдают метку | Разблокировка по лицу, распознавание номеров |
| Классическое машинное обучение | Прогнозирует число или класс по таблице | Ищет закономерности в структурированных данных | Кредитный скоринг, рекомендации товаров |
Из таблицы видны три вещи, которые делают GPT именно GPT.
Генерирует, а не классифицирует. Распознающая сеть ответит «на фото кошка». GPT напишет про эту кошку стихотворение — и заодно может бодро ошибиться с породой.
Пишет строго по порядку. Каждый следующий кусочек зависит от всех предыдущих. BERT видит фразу целиком, но продолжать её не умеет; диффузионная модель на каждом шаге правит сразу всё изображение.
Одна модель на сотни задач. Перевод, код, письмо клиенту и разбор договора для GPT сводятся к одному — «продолжи текст». Отдельную сеть под каждую задачу обучать не нужно, и именно поэтому языковые модели так быстро расползлись по всем сервисам.
Как GPT пишет ответ: угадывает следующий кусочек
Сначала текст режется на токены — фрагменты слов. Английское слово часто укладывается в один токен, русское обычно дробится на несколько, поэтому один и тот же смысл на русском расходует больше токенов.
Дальше модель получает весь текст диалога — вопрос вместе с историей переписки — и для каждого возможного следующего токена считает вероятность. Выбирает один, дописывает в конец и повторяет всё заново. Ответ появляется на экране кусками не ради красоты: он действительно рождается по одному токену.
После «Столица Франции — » у варианта «Париж» вероятность почти стопроцентная, у «Лиона» — крохи. А на «Придумай название для кофейни» подходящих продолжений с близкими шансами много, и модель, выбирая с долей случайности, каждый раз выдаёт новое.
Важное следствие: GPT подбирает правдоподобное продолжение, а не сверяет факты. Когда знаний не хватает, самое правдоподобное продолжение — уверенно звучащая выдумка. Так появляются галлюцинации нейросетей.
Современные версии вроде GPT-5.6 и GPT-6 Astra умеют сначала «подумать»: сгенерировать скрытый черновик рассуждений и только потом ответ. Механизм тот же — предсказание токенов, просто часть из них уходит на размышления.
Как GPT учится: сначала читает, потом учится помогать
Предобучение. Модели показывают гигантский массив текста — для GPT-3 это было около 300 миллиардов токенов — и раз за разом просят угадать следующий. После каждой ошибки чуть подкручиваются параметры — числа внутри сети, в которых хранятся выученные закономерности. У GPT-3 их было 175 миллиардов. На выходе — модель, которая знает язык и много фактов, но ведёт себя как автодополнение: на «Как испечь блины?» она вполне может продолжить «Как испечь оладьи? Как испечь торт?», будто листает форум с вопросами.
Дообучение на инструкциях. Люди пишут примеры хороших ответов на запросы, и модель учится отвечать, а не продолжать список.
Обучение на оценках людей. Модель выдаёт несколько вариантов, люди выбирают лучший, и она подстраивается под эти предпочтения. OpenAI описала подход в работе про InstructGPT в 2022 году: ответы дообученной модели на 1,3 миллиарда параметров люди предпочитали ответам исходной GPT-3, которая больше в сто с лишним раз. Этот этап и превратил GPT в собеседника — через несколько месяцев вышел ChatGPT.
У обучения есть дата окончания. Всё, что случилось позже, модель не знает — если приложение не подключило её к поиску.
Поколения GPT: от GPT-1 до GPT-6 Astra
| Год | Модель | Что изменилось |
|---|---|---|
| 2018 | GPT-1 | 117 млн параметров. Доказала, что предобучение на текстах плюс дообучение под задачу работает |
| 2019 | GPT-2 | 1,5 млрд параметров, связный текст на несколько абзацев. OpenAI сначала не выложила полную версию, опасаясь злоупотреблений |
| 2020 | GPT-3 | 175 млрд параметров. Научилась решать задачи по нескольким примерам прямо в запросе |
| 2022 | ChatGPT на GPT-3.5 | Дообучение на диалогах и оценках людей — модель стала собеседником |
| 2023 | GPT-4 | Понимает изображения на входе, заметно точнее в сложных задачах. Размер OpenAI больше не раскрывает |
| 2024 | GPT-4o, o1 | «o» — omni: текст, звук и картинки в одной модели. o1 — первая рассуждающая модель OpenAI |
| 2025 | GPT-5, gpt-oss | GPT-5 сама решает, ответить быстро или подумать дольше. gpt-oss — первые со времён GPT-2 открытые модели OpenAI |
| 2026 | GPT-5.6, GPT-6 Astra | Линейка Sol, Terra и Luna под разный бюджет; GPT-6 Astra вышла 3 сентября — флагман для долгих агентных задач |
Смена акцентов видна прямо по таблице: сначала поколения мерились числом параметров, потом OpenAI перестала его раскрывать и начала говорить о рассуждениях, инструментах и стоимости решённой задачи.
Чего GPT не умеет
Отличать правду от правдоподобного. Уверенный тон — не признак правоты: GPT одинаково бодро расскажет и таблицу умножения, и содержание несуществующей статьи закона. Цифры, цитаты и ссылки из ответа стоит проверять.
Знать свежие события. Всё после даты окончания обучения для модели не существует, пока ей не дали поиск.
Помнить тебя между чатами. Сама модель видит только текущий контекст — у свежих GPT это около миллиона токенов, несколько толстых книг разом. Память о прошлых разговорах — функция приложения, а не модели.
Какую GPT-модель выбрать сейчас
Флагман нужен не всегда. Для большинства повседневных задач хватает средней модели, а самые дорогие стоит оставить для задач, где дешёвая заметно не справляется.
| Модель | Для чего подходит | Контекст | Вход / выход, ₽ за 1000 токенов |
|---|---|---|---|
| GPT-6 Astra | Долгие сложные задачи: агенты, код, наука, огромные документы | 1,05 млн | 2 / 10 |
| GPT-5.6 Sol | Сложный анализ и код, когда Astra избыточна | 1,05 млн | 1 / 6 |
| GPT-5.6 Terra | Повседневная работа: тексты, письма, разбор материалов | 1,05 млн | 0,4 / 2,4 |
| GPT-5.6 Luna | Массовые простые запросы и автоматизация | 1,05 млн | 0,04 / 0,24 |
| GPT OSS 120B | Открытая модель: дёшево и можно развернуть у себя | 131 тыс. | 0,03 / 0,15 |
Цены ориентировочные, актуальные — в прайсе.
У Astra цена за токен выше, чем у Sol, но, по данным OpenAI, на сложных задачах она тратит меньше токенов на ответ — поэтому модели честнее сравнивать по стоимости решённой задачи, а не по прайсу. Выбирать удобно от середины: начать с Terra и, если ответ получился поверхностным, отправить тот же запрос в Sol или Astra.
Частые вопросы
Как расшифровывается GPT?
Generative Pre-trained Transformer — генеративный предобученный трансформер. Модель создаёт текст, заранее обучена на больших массивах данных и построена на архитектуре «трансформер».
Когда появился термин GPT?
В 2018 году. 11 июня OpenAI опубликовала работу о первой модели семейства, а к осени того же года сокращение GPT уже использовали в научных статьях других компаний.
Можно ли назвать Gemini или DeepSeek GPT?
По устройству это модели того же типа: генеративные, предобученные, на трансформере. Но GPT — название моделей OpenAI, поэтому корректнее говорить «большая языковая модель» или называть модель по имени.
GPT и искусственный интеллект — это одно и то же?
Нет. Искусственный интеллект — вся область, нейросети — один из подходов внутри неё, а GPT — один тип нейросетей, языковые модели от OpenAI.
Можно ли пользоваться GPT бесплатно?
У ChatGPT есть бесплатный план с лимитами, но из России OpenAI его официально не предоставляет. В GPTunneL постоянного бесплатного тарифа нет: оплата идёт за использованные токены, пополнение — от 50 ₽, а короткий диалог с GPT-5.6 Luna обходится в копейки.
Где попробовать GPT
Все модели из таблицы — GPT-6 Astra, линейка GPT-5.6 и GPT OSS — есть в GPTunneL на одном балансе вместе с Claude, Gemini и DeepSeek. Без VPN и подписки, оплата картами российских банков в рублях. Разницу между поколениями проще всего почувствовать на практике: задай один и тот же вопрос Luna и Astra и сравни ответы.