Когда ИИ-агента отключают: что теряет пользователь

Весной 2025 года OpenAI объявила о постепенном выводе GPT-4 из ChatGPT и замене её на GPT-4o и последующие версии. Anthropic регулярно депрекейтит старые Claude через API, оставляя разработчикам несколько месяцев на миграцию. Google переименовывает и перекраивает семейство Gemini почти каждый релиз. За каждым таким переключением стоит один и тот же практический вопрос: что происходит с человеком, который выстроил рабочий процесс вокруг конкретной модели, а её вдруг заменили другой или убрали совсем.

Что значит «выключить» агента

Под отключением скрываются как минимум три разных сценария, и путать их не стоит.

• Депрекация версии по API. Модель с конкретным идентификатором (например, снапшот с датой в названии) перестаёт отвечать на запросы. Разработчик получает предупреждение заранее и обязан переписать код на новый идентификатор.
• Замена модели в потребительском приложении. В ChatGPT, Gemini или Copilot старую модель тихо убирают из списка выбора. Пользователь продолжает работать, но отвечает уже другая система с другим характером.
• Закрытие продукта целиком. Отдельный агент или сервис перестаёт существовать вместе с историей диалогов, настройками и памятью.

Третий случай самый болезненный, но и первые два бьют по тем, кто отладил промпты под конкретное поведение.

Почему новая версия не всегда лучше старой для вас

Разработчики меряют прогресс бенчмарками: MMLU, GPQA, SWE-bench, математические и кодовые тесты. По этим метрикам свежая модель обычно обходит предшественницу. Но бенчмарк усредняет тысячи задач, а вы работаете с одной узкой.

Модель после обновления может лучше решать олимпиадную математику и при этом иначе форматировать ответы, стать многословнее, жёстче срабатывать на безобидные формулировки или потерять привычную интонацию. Если вы полгода подбирали промпт, который выдавал ровно тот стиль письма, что вам нужен, новая версия способна сломать его без предупреждения.

Прогресс модели по среднему баллу и её полезность для вашей конкретной задачи — это две разные величины, и они не обязаны двигаться в одну сторону.

Промпт как хрупкая настройка

Промпт-инжиниринг ^* — не универсальный навык, а подгонка под конкретную модель. Формулировка, которая заставляла GPT-4 давать структурированный ответ, на GPT-4o может дать другой результат просто потому, что модель по-другому реагирует на инструкции. Отсюда эффект: пользователь ощущает не «апгрейд», а поломку привычного инструмента.

^* Промпт-инжиниринг — подбор формулировок запроса так, чтобы модель стабильно выдавала нужный формат и качество ответа.

Память, история и контекст: что исчезает физически

Отдельная потеря — данные. У разных продуктов разная политика:

• История чатов обычно привязана к аккаунту, а не к модели, и переживает смену версии.
• Долговременная память (функция запоминания фактов о пользователе) может вести себя иначе после обновления или при переходе на другой продукт.
• Кастомные конфигурации вроде GPT-ов в ChatGPT или проектов зависят от того, поддерживает ли платформа их дальше.

При закрытии продукта целиком забирать данные нужно заранее. Возможность экспорта диалогов есть у большинства крупных сервисов, но искать её стоит до объявления о закрытии, а не после.

Как ведут себя крупные платформы

Подходы к депрекации различаются, и это стоит учитывать при выборе, на чём строить рабочий процесс.

Точные сроки и условия по каждой модели смотрите в актуальной документации платформы — они меняются, и приводить конкретные даты как вечную истину бессмысленно.

Кому это критично, а кому всё равно

Пострадают сильнее всего

• Разработчики продуктов на API. Смена идентификатора модели ломает продакшн. Без версионирования и тестов миграция превращается в аврал.
• Профессионалы с отлаженными промптами. Копирайтеры, аналитики, юристы, у которых есть библиотека проверенных запросов под конкретную модель.
• Те, кто выстроил рутину вокруг «характера» модели. Смена интонации ассистента ощущается как потеря коллеги, к которому привыкли.

Почти не заметят

• Случайные пользователи. Задать вопрос раз в неделю можно любой модели.
• Те, кто пишет промпты заново под каждую задачу и не полагается на заученные формулировки.
• Пользователи через агрегаторы, которые сами подбирают доступную модель под запрос.

Как снизить зависимость от одной модели

1. Версионируйте в коде. В API всегда указывайте конкретный снапшот, а не алиас вроде «latest», чтобы обновление не прилетело внезапно.
2. Держите промпты в отдельном хранилище. Библиотека формулировок с пометками, под какую модель они настроены, ускорит перенастройку.
3. Экспортируйте данные регулярно. Диалоги, память и конфигурации выгружайте, не дожидаясь новостей о закрытии.
4. Проверяйте новую версию на своих задачах. До того как отказаться от старой, прогоните типовые запросы через обе и сравните результат.
5. Не завязывайтесь на один сервис в критичных процессах. Если от ответа модели зависят деньги или сроки, держите запасной вариант.

Отключение агента — не сбой, а норма жизненного цикла продукта. Модели устаревают, дообучаются ^** и заменяются быстрее, чем пользователь успевает к ним привыкнуть. Единственная надёжная стратегия — относиться к любимому агенту как к инструменту, который однажды заменят, и заранее знать, что вы будете делать в этот день.

^** Дообучение — дополнительное обучение готовой модели на новых данных, чтобы изменить её поведение или добавить знания.