ChatGPT vs OpenAI o3 2026: универсал против reasoning-флагмана

Подписчик платит $20 в ChatGPT Plus и видит в выпадашке моделей сразу шесть строк: GPT-5.3 Instant, GPT-5.4 Thinking, GPT-5.4 mini, o3, o3-mini, o4-mini. Половина пользователей жмёт первую попавшуюся и не понимает, почему «иногда ИИ умнее, иногда тупее». Этот раздел — карта, чтобы перестать угадывать.

OpenAI ведёт две параллельные линейки. Первая — GPT-серия: дефолт GPT-5.3 Instant, опциональный GPT-5.4 Thinking для платных тарифов, премиум GPT-5.4 Pro на $200/мес и $100/мес тарифах. Это universal frontier assistant: широкий стек умений, мультимодальность из коробки, агентные функции в один клик. Вторая линейка — o-series: o3-mini (31 января 2025), o3 + o4-mini (16 апреля 2025), o3-pro (10 июня 2025). Это reasoning-модели через reinforcement learning: модель сначала «думает» в скрытых токенах, потом отдаёт ответ. На GPQA Diamond o3 показывает 87,7% — PhD-уровень научных вопросов, на Codeforces Elo 2727 — уровень топовых олимпиадников.

Главное — обе линейки уживаются под одной подпиской. Plus за $20 даёт доступ к o3 и o4-mini с лимитами; Pro $200 разблокирует o3-pro и unlimited GPT-5.4 Thinking; Free фактически выдаёт только GPT-5.3 Instant. Точные лимиты OpenAI меняет регулярно и официальных цифр по o-series не публикует — это data gap.

На графике ниже видно, как мы раскладываем обе модели по двум осям: «широта возможностей» и «глубина reasoning».

Из карты видно, что сервисы не накладываются: они закрывают разные углы. ChatGPT забирает «всё, что не reasoning»: тексты, картинки, видео, голос, агенты, поиск, документы. o3 — то самое, чего у ChatGPT нет: глубокая логика и доказательные цепочки на сложных задачах.

Полезно сразу зафиксировать: у o-series нет собственного UI вне ChatGPT и нет собственных тарифов. Это модель внутри уже знакомого продукта. Поэтому весь дальнейший разговор — не «какую подписку купить», а «какой переключатель в чате выбрать под задачу».

Аналитик готовит DCF-модель на 12 листов с тремя сценариями и пятнадцатью допущениями. От GPT-5.3 Instant он получает правдоподобную, но местами ошибочную цепочку. Тот же запрос на o3 идёт 47 секунд — и возвращается с разобранными промежуточными шагами и явной пометкой, где данные неполные. Это вторая модель, она «думает». На рассуждениях у o3 фора, которую ChatGPT в дефолте не закрывает.

Reasoning — главный параметр, по которому o3 разводится с GPT-серией. Цифры из dossier: GPQA Diamond 87,7% (PhD-уровень), AIME 2024 87,3% у o3-mini high effort, Codeforces Elo 2727. На ARC-AGI o3 показал «three times the accuracy of o1». В ChatGPT за тот же класс задач отвечает GPT-5.4 Thinking — родственный подход через GPT-серию. Статус роутинга между «Thinking» и «o3» внутри ChatGPT-5.4 публично не раскрывается (data gap).

Важно не путать reasoning с базовой эрудицией. GPT-5.4 в Thinking-режиме показал заметное снижение галлюцинаций — OpenAI заявляет 33% улучшение vs GPT-5.2 и 18% меньше ответов с любыми ошибками. Это работает на широких знаниях. Но когда задача требует многошаговой логики — доказательство теоремы, разбор кодовой базы с непредсказуемыми ветвлениями, спор с собственным первым ответом — o3 объективно глубже.

На графике ниже — четыре ключевых reasoning-бенчмарка.

Из графика следует простой вывод: на чистом reasoning o3 уверенно впереди по трём из трёх профильных бенчмарков. ChatGPT-серия выигрывает только там, где задача требует широты и операционных навыков — Computer Use и SWE-bench Pro в стандарт-режиме.

Оговорка по бенчмаркам: OpenAI публикует цифры на «high effort», а в ChatGPT-чате с лимитами реальный effort часто ниже — в апреле 2026 OpenAI сама подкрутила дефолтное thinking time вниз. Фактический бенчмарк на Plus может оказаться скромнее заявленного; на Pro $200 effort держится heavy.

Бэкендер сидит над PR в 18 файлах, который тимлид вернул с пометкой «логика ломается на трёх кейсах из истории Slack-обсуждений». В голове два пути: попросить ChatGPT с GPT-5.4 в Codex-стеке или загнать репозиторий в reasoning-модель и подождать пару минут. Выбор стоит десятков долларов API в месяц и часа разницы во времени.

SWE-bench — главный отраслевой тест на реальные GitHub-задачи. Расклад из dossiers: o3 — 71,7% SWE-bench Verified, GPT-5.4 — 57,7% SWE-bench Pro Standard и 54,38% у GPT-5.4 mini. Прямое сравнение нечестное — это разные сабсеты бенчмарка (Verified vs Pro Standard), но направление однозначное: reasoning-режим лучше справляется с задачами, где надо удерживать в голове больше двух-трёх файлов и логические связи между ними.

Зато у ChatGPT в плюсе — операционная обвязка. Codex как отдельный продукт на developers.openai.com/codex — это агентный CLI и IDE-расширение, которые работают поверх GPT-5.4 и доступны в Plus, Pro и Business. Computer Use в GPT-5.4 набирает 75% на OSWorld-Verified — это про автономную работу с десктопом, открывание сайтов, заполнение форм, запуск команд. o3 такой обвязки из коробки не имеет; его tool use ограничен function calling и инструментами ChatGPT-чата.

На графике ниже — раскладка по бенчмарку SWE-bench Verified, который OpenAI публикует напрямую для o3.

На картинке хорошо видно: даже урезанная o3-mini в high effort близка к GPT-5.4 Pro Standard в коде. Это нетипичная картина: у обычных моделей mini-вариант проигрывает старшей флагман-модели на 20+ пунктов, а в reasoning-линейке разрыв сжимается.

В ежедневной работе инструменты дополняют друг друга. Codex CLI и IDE-расширение — для autocomplete, тестов, небольших скриптов; там важнее latency. o3 — для разбора чужой кодовой базы, сложных рефакторингов, багов уровня «воспроизводится только в проде по средам». На рутинных PR'ах reasoning-модель тратит время и токены впустую.

Маркетолог в Москве пишет лонгрид к новогодней кампании. Включает русский интерфейс ChatGPT, получает приличный текст с парой калек — «поскольку», «в то же время», «более того» — и идёт править вручную. Переключается на o3 ради «более умной» версии — а ответ читается ещё суше, потому что русский язык в RL-обучении o-series не приоритет.

Из dossier chatgpt.md: русский у GPT-серии — 8/10. Хороший уровень в разговорной и деловой лексике, заметные кальки с английского в сложных стилистических задачах. ChatGPT поддерживает 95+ языков, и русский — один из десятка приоритетных, на нём сервис активно тестируется и оптимизируется. В русскоязычных обсуждениях на Habr и vc.ru ChatGPT остаётся базовым выбором для копирайтеров и маркетологов, которые работают на VPN.

В dossier openai-o3.md русский язык явно помечен 7/10: «наследует уровень GPT-4 в base language ability; для reasoning-задач на русском работает прилично, но русский — не приоритет в RL-обучении OpenAI». Это и есть ключевая разница: o-series училась рассуждать, и львиная доля reasoning-датасета — математика, код, наука. Русский там присутствует, но как побочный сигнал. Официальных русскоязычных бенчмарков для o3 OpenAI не публикует — это data gap, и мы фиксируем его честно.

На картинке ниже — типовая редакционная оценка для трёх задач: рерайт делового письма, литературный рерайт, технический writing.

В технических текстах разница исчезает — обе модели одинаково сухо переводят техническую логику. В литературе ChatGPT с GPT-5.4 живее: меньше калек, лучше идиоматика. В деловом письме оба справляются — там важнее структура и факты, а не стиль.

Для русскоязычной аудитории есть и другой вектор — нативные русские модели YandexGPT и GigaChat. Они обучены на русском с нуля и в стилистических задачах выигрывают у обоих сервисов OpenAI. Но в reasoning и сложном кодинге всё равно проигрывают o3 — это разные классы.

Юрист загружает 220-страничный M&A-договор и просит найти несоответствия между разделами 4, 11 и приложением Б. В ChatGPT Plus файл не помещается целиком — модель видит 128K токенов, это примерно 250 страниц текста, но с учётом служебных токенов реальная вместимость меньше. В o3 контекст в чате наследуется от тарифа, в API точные цифры публично не задокументированы.

Из dossier chatgpt.md: контекст 128K токенов для Plus и Pro, ограниченный на Free. В API GPT-5.4 поддерживает 272K стандартно и до 1M опционально, максимальный output — 128K (922K input / 128K output). У o3 контекст в API публично не задокументирован — data gap. Через чат обе модели наследуют 128K на Plus, удвоенное окно — на Pro $200.

На реальных длинных документах ChatGPT с GPT-5.4 выручает Deep Research — многошаговый режим, который сам ходит по веб-источникам и собирает ответы по частям. У o3 Deep Research доступен в том же ChatGPT-окне; модель решает то же, но через chain-of-thought, что часто работает точнее на «найти противоречия», но медленнее на «суммаризируй». Реальная точность на 1M контексте у GPT-серии и у o3 — публично не сравнивалась бенчмарками типа MRCR; для подобных задач Anthropic Claude Opus 4.7 с MRCR v2 78,3% на 1M остаётся отраслевым лидером.

На графике ниже — что реально вмещается в контекст и что нет.

Картина асимметричная: у ChatGPT для длинного контекста есть публичные цифры и опциональный 1M в API. У o3 параметры не публикуются — если в pipeline критичен контекст больше 200K, под GPT-5.4 можно планировать архитектуру, под o3 придётся тестировать вручную.

Для документов в 50–200 страниц обе модели в ChatGPT работают одинаково. На 200–500 страницах решает Pro $200 с удвоенным окном или API GPT-5.4. На 500+ страницах честный совет — переходить на Claude с 1M контекстом и MRCR-подтверждением точности на длинных входах.

Контент-менеджер пишет пост, делает картинку через DALL-E, прикручивает 15-секундное видео из Sora 2, а финал начитывает голосом в Voice Mode — всё в одной вкладке ChatGPT за $20/мес. Тот же пользователь переключается на o3 «для умной редактуры» — и обнаруживает, что у reasoning-модели из мультимодальности есть только vision на вход. Это разные классы.

Из dossier chatgpt.md: ChatGPT — самый широкий стек мультимодальности в категории. Текст и документы (PDF, DOCX, XLSX), вход и генерация изображений через DALL-E, ImageGen Thinking на платных тарифах, видео через Sora 2 с функцией cameo (вставка себя в видео), голосовой режим ChatGPT Voice как замена Advanced Voice Mode с сентября 2025, Record Mode для записи и суммаризации митингов.

Из dossier openai-o3.md: o3 — текст и vision, остального нет. У o3-mini vision не было; у o4-mini multimodal на 2026-05 «требует уточнения» (data gap). Генерации картинок, видео, голоса у o-series нет. Vision у o3 работает в reasoning-режиме — разбор диаграммы или графика в составе цепочки рассуждений.

На графике ниже — раскладка мультимодальных возможностей.

Из таблицы видно, что у o3 одна точка соприкосновения с ChatGPT — vision на вход. Всё остальное — голос, видео, картинки на выход — про универсал. Это важная деталь: если ваша задача требует одного только текста и логики, преимущество ChatGPT по мультимодальности нулевое, и платить за неё не нужно. Но если в неделе встречаются хотя бы два кадра картинки или один сценарий видеоролика, обвязка ChatGPT превращается в обязательный инструмент.

Стоит сразу отделить мультимодальность от reasoning. У o3 vision встроен в цепочку рассуждений, что особенно ценно для разбора графиков, формул, инженерных схем. ChatGPT с DALL-E делает обратное — генерирует красивый, но не reasoning-точный визуал. Для научной диаграммы o3 разберёт правильнее; для постера к продукту — DALL-E лучше.

Стартапер хочет, чтобы ИИ сам открыл сайт банка, скачал выписку, разнёс её по табличке Google Sheets и прислал отчёт в Slack. Без агента — час ручной работы, с агентом — пять минут запуска и кофе. Главный вопрос — какая модель тянет такие пайплайны, и какие лимиты её душат.

Из dossier chatgpt.md: GPT-5.4 — первая general-purpose модель OpenAI с нативным Computer Use. Score 75% на OSWorld-Verified против 47,3% у GPT-5.2 и 72,4% у среднего человека. Это значит, что в стандартизированных задачах с десктопом модель уже обгоняет среднего пользователя. Доступен Agent Mode на Plus, Pro и Business. Codex как отдельный продукт для агентного кодинга — на тех же тарифах. Лимит на Business критичный: 40 сообщений Agent Mode на пользователя в месяц — узкое место для серьёзного агентного workflow.

Из dossier openai-o3.md: у o3 нет нативного Computer Use. Tool use есть через function calling, web search, code interpreter — но всё это работает внутри ChatGPT-окна, а не «открой браузер, нажми кнопку, проверь результат». На сложных задачах с компьютером o3 может рассуждать про действия, но не выполнять их.

На картинке ниже — раскладка по двум осям: точность на агентных задачах и доступные тарифы.

Цифры однозначные: на агентных задачах ChatGPT с GPT-5.4 — единственная разумная опция в паре. У o3 эта дверь закрыта по дизайну. Для RPA, парсинга сайтов, заполнения форм это даёт ChatGPT решающий перевес.

Есть оговорка про лимит Business 40 Agent-сообщений в месяц. Для команды из 10 человек это 400 запусков агента в месяц на всю команду — мало, если хотя бы пара процессов хочет работать ежедневно. Для серьёзной автоматизации придётся переходить на Enterprise или комбинировать с собственными скриптами. У o3 этого вопроса нет, потому что Agent Mode у него нет вовсе.

Журналист готовит материал к утренней публикации и просит ИИ проверить три цифры — выручка компании за квартал, дата отставки CEO, имя покупателя на сделке. Без поиска ИИ может сочинить. С поиском — приносит ссылки, и фактчекинг занимает 5 минут вместо 30.

Из dossier chatgpt.md: есть Web Search и Deep Research — многошаговый режим, который сам ходит по источникам и собирает ответ с цитатами. Лимиты: Plus — 10/мес, Pro $200 — 250, Business — generous. Базовый Deep Research доступен и на Free / Go.

В dossier openai-o3.md поиск как отдельная фича не выделен — o3 наследует инструменты ChatGPT-окна. То есть Web Search и Deep Research работают и поверх o3, но качество результата зависит от того, как модель встраивает результаты поиска в свою цепочку рассуждений. На сложных аналитических запросах reasoning-обвязка часто даёт более последовательный ответ; на быстрых fact-check запросах reasoning-overhead — лишний и бесполезный.

Главный конкурент по поиску с цитированием в категории — Perplexity, у которого search-движок встроен в основу продукта; ChatGPT Search появился позже и пока проигрывает по чистоте цитат. В нашей редакции мы держим обе подписки и используем Perplexity для быстрых исследований, ChatGPT — для глубоких многошаговых проверок через Deep Research.

Десять Deep Research в месяц на Plus — маловато для журналиста или аналитика-ежедневника. Для нерегулярного режима — нормально. Pro $200 окупается ровно в момент, когда десятка Plus заканчивается за первую неделю.

По чистому fact-check на быстрые вопросы оба сервиса OpenAI уступают специализированному Perplexity, у которого источник встроен в каждый ответ. Но по глубине разбора темы, где нужно собрать данные из 5–7 источников и удержать цепочку анализа, ChatGPT с Deep Research остаётся силён, особенно если переключить на o3 в финале и попросить «оцени противоречия в собранных источниках».

Менеджер пишет сорок коротких писем в день. Каждая лишняя секунда ответа — это лишняя минута за день и лишний час за неделю. Reasoning-модели «думают» десятки секунд до минут; универсальные модели отдают первый токен почти сразу. Эта подтема — про осознанный выбор баланса между скоростью и качеством.

Из dossier chatgpt.md: GPT-5.3 Instant заявлена как «workhorse для повседневной работы», публичных бенчмарков TTFT в миллисекундах OpenAI не публикует (data gap). Из dossier openai-o3.md: o3 и o3-pro медленнее по дизайну, типичный ответ — десятки секунд до минут на сложной задаче. o3-mini быстрее, но всё ещё reasoning-режим. o4-mini оптимизирована на скорость и стоимость. TTFT для reasoning-моделей неинформативен — модель сначала «думает» в скрытых токенах, поэтому первый видимый токен задерживается на всё время мышления.

На практике разница ощущается так. Запрос «перепиши этот абзац без штампов» GPT-5.3 Instant обрабатывает за 1–2 секунды видимого ответа. Та же задача на o3 — десятки секунд, потому что модель «честно» проходит цепочку. Запрос «найди ошибку в этом коде на 200 строк с тремя зависимостями» GPT-5.3 решит за 5 секунд, но может ошибиться; o3 потратит 40 секунд и попадёт точнее. Это не «одна модель лучше» — это разная стоимость одной секунды.

Из графика видно: разница в порядок величины. Это не «чуть медленнее», это другая категория. И именно поэтому для interactive чата, autocomplete в коде, голосовых ответов reasoning-модели просто не работают — пользователь не готов ждать минуту за каждым ответом.

Есть нюанс по тарифу: на Pro $200 у ChatGPT есть dedicated GPU slice — отдельный кусок инфраструктуры без задержек при пиковой нагрузке. На Plus в часы пик может ощущаться очередь даже на GPT-5.3 Instant. Для тех, кому скорость критична как метрика, это аргумент за Pro.

Маркетинг-директор смотрит шесть строк цен на странице OpenAI и не понимает, за что платит. Free, Go $8, Plus $20, Pro $100, Pro $200, Business $20–25/seat, Enterprise по запросу. Этот раздел — про сухую раскладку, какие тарифы дают доступ к o3 и где экономика реально окупается.

Точная карта тарифов из dossier chatgpt.md: Free $0 (с рекламой в США, AU, NZ, CA с февраля 2026; ~10 сообщений GPT-5.3 за 5 часов); Go $8/мес (до 160 сообщений GPT-5.3 за 3 часа, без Sora, Codex, Agent Mode); Plus $20/мес (GPT-5.3 unlimited, GPT-5.4 Thinking 80/3 часа, Deep Research 10/мес, Sora, Codex, Agent Mode); Pro $100 с 9 апреля 2026 (GPT-5.4 Pro, o1 Pro mode, 5x usage от Plus); Pro $200 (20x usage от Plus, 250 Deep Research/мес, удвоенное контекстное окно); Business $20–25/seat от 2 мест (60+ интеграций, SSO); Enterprise custom.

Из dossier openai-o3.md: o3 доступен на Plus, Pro и Enterprise. o3-pro — только на Pro $200. Точные лимиты сообщений по o-series OpenAI меняет регулярно и официально не публикует — это data gap. Free фактически не даёт reasoning-моделей.

За год Plus превращается в $240 ≈ 21 600 ₽ по курсу ЦБ на дату обзора. Pro $100 — $1200, Pro $200 — $2400. Business при 5 местах — $1500. Enterprise — от $60/seat при 150 местах, что даёт от $108 000 в год за организацию.

Из таблицы хорошо видно, что точка входа в reasoning одинакова для обоих сервисов — Plus за $20. Дальше платёж растёт линейно, и Pro $200 берётся осознанно, когда usage Plus упирается в лимиты или нужны 20-кратные квоты и удвоенное контекстное окно.

Ключевая особенность пары — нет необходимости платить дважды. Это и есть главный экономический аргумент за пакет OpenAI: одна подписка, обе модели в одном окне. Если бы пришлось брать o3 у отдельного провайдера (как DeepSeek-R1, например), пара подписок стала бы ощутимо дороже даже при сходной функциональности.

Стартап подключает ИИ в продукт через API: предположительно 8 миллионов токенов input и 2 миллиона output в день. На GPT-5.4 Standard это $20 в день за input и $30 за output — около $1500/мес. На o3 та же нагрузка обходится в разы дороже из-за «invisible» reasoning токенов. Эта подтема — про честную математику API-расходов.

Из dossier chatgpt.md: GPT-5.4 Standard — $2,50/$15 за 1M токенов input/output. GPT-5.4 mini — $0,40/$1,60 (примерно 6x дешевле). GPT-5.4 Pro — $30/$180 (12x дороже Standard). Из dossier openai-o3.md: о3 ориентировочно $10/$40 за 1M токенов по публикациям 2025 года; точные актуальные цены на 2026-05-12 — data gap, потому что platform.openai.com выдал 403 при проверке. o4-mini существенно дешевле, o3-pro — премиум-цена. На уровне порядков: o3 примерно в 4 раза дороже GPT-5.4 Standard по input и в 2,7 раза — по output.

Главная скрытая стоимость reasoning-моделей — это thinking tokens. Модель генерирует невидимые рассуждения до видимого ответа, и эти токены оплачиваются как output. На сложной задаче с high effort thinking может выйти 5–20x токенов по сравнению с обычным ответом. То есть итоговый счёт на o3 за «сложный запрос» может оказаться не в 2,7 раза, а в 10–15 раз выше, чем за тот же запрос на GPT-5.4 Standard.

Картина для продуктового решения такая. Если в pipeline 95% запросов — это «обычные» задачи (классификация, краткие ответы, генерация описаний), GPT-5.4 Standard, а ещё лучше mini, дают ту же экономику, что и любые универсальные LLM. Если 95% запросов — это сложные многошаговые рассуждения, экономика на o3 «взрывается»: бюджет уходит на thinking tokens, и проект превращается в высокомаржинальный или нежизнеспособный.

Гибрид часто выигрывает: GPT-5.4 mini на первой стадии (классификация запроса), переключение на o3 только для подмножества «сложных» запросов. Этот паттерн снижает суммарную стоимость на порядок, при этом качество на ключевых задачах остаётся высоким.

Бухгалтер компании в Москве хочет оплатить корпоративный аккаунт ChatGPT. Открывает chatgpt.com — IP заблокирован, открывает с VPN — нужна зарубежная карта. Просит финдиректора — финдиректор отказывает, потому что юристы видят 152-ФЗ красным флагом. Это типичный сценарий, и он касается обеих моделей пары, потому что у них один разработчик и одна юрисдикция.

Из dossier chatgpt.md: прямого доступа без VPN нет — OpenAI блокирует трафик с российских IP. Оплата российскими картами невозможна официально; работают серые схемы — зарубежные карты, посредники (ProxyAPI, chatapp.ru), подарочные карты iTunes/Google Play для мобильных подписок, корпоративная оплата через юр.лицо за рубежом. Локализация под РФ ограниченная: русский интерфейс есть, поддержка только на английском. Юридического присутствия в России нет. На 152-ФЗ — не соответствует: обработка персональных данных идёт на серверах OpenAI за пределами РФ.

Из dossier openai-o3.md: всё наследуется от ChatGPT. o3 не имеет отдельной инфраструктуры в РФ; доступ — через тот же VPN и ту же зарубежную карту. Никаких самостоятельных обходов нет.

Этот блок — критический фильтр для российского B2B. Использование ChatGPT в российской компании, обрабатывающей персональные данные граждан РФ, формально нарушает закон, даже если технически удалось подключиться. Альтернативы — GigaChat и YandexGPT: единственные легально доступные ассистенты с прямым доступом, оплатой рублями и 152-ФЗ-сертификацией. По чистым reasoning-бенчмаркам они проигрывают o3, но за легальностью покрывают огромную долю задач.

По всем четырём критериям модели идентичны — это одна юрисдикция и одна корпоративная политика. Различия начинают играть роль только в нюансах: какой посредник дешевле, как настроить VPN для рабочей машины, как оформить оплату через зарубежное юр.лицо. Это всё одинаковая логистика для обеих моделей.

Для российского читателя ключевой вывод: пара ChatGPT vs o3 — это «вне РФ» в обоих случаях. Если законность работы с ПДн критична, нужно либо двигаться к российским сервисам, либо разворачивать open-weight reasoning-модель типа DeepSeek-R1 в своём периметре.

У пары есть зоны, где универсал ChatGPT с GPT-5.3/5.4 объективно сильнее reasoning-модели. Это случаи, где задача либо широкая (много модальностей), либо требует скорости, либо плохо ложится в chain-of-thought.

Первый сценарий — создание контента под публикацию. Маркетолог пишет 15 постов в неделю с картинками. ChatGPT в одном окне даёт текст GPT-5.4, картинку DALL-E, видео Sora 2 и голосовую читку. o3 здесь бесполезен: ни картинок, ни видео, ни голоса. На годе сценарии это сотни сэкономленных часов на переключении между сервисами.

Второй сценарий — автоматизация рутины с десктопом и сайтами. GPT-5.4 Computer Use на OSWorld-Verified показывает 75% — это автономная работа с интерфейсом, открывание сайтов, заполнение форм. o3 эту задачу делает только через function calling и tools-обвязку, без нативного Computer Use. Для классической RPA-задачи разница в производительности — раз в десять.

Третий сценарий — голосовой ассистент в дороге. ChatGPT Voice работает в мобильном приложении в режиме разговора. o3 голосового режима не имеет. Условный таксист, который диктует список покупок, спрашивает про погоду или просит подсказать рецепт — это сценарий ChatGPT, а не reasoning-модели.

Четвёртый сценарий — интерактивный чат-бот. Когда нужно отвечать на вопросы пользователей в реальном времени, latency решает. GPT-5.3 Instant отдаёт первый токен через ~1–2 секунды; o3 «думает» десятки секунд. Для UX чат-бота на сайте reasoning-модель неприменима.

Пятый сценарий — работа со скриншотами интерфейсов. Тестировщик загружает 20 скриншотов с багами и просит ChatGPT суммаризировать паттерны. GPT-5.4 видит картинки, понимает контекст, выдаёт быстро. o3 vision тоже умеет, но reasoning-режим тратит время на «глубокий разбор» каждого скриншота, что для массовых задач избыточно.

Общий паттерн пяти сценариев: широта возможностей и скорость. ChatGPT выигрывает там, где либо нужно делать много разного в одном окне, либо нужно делать быстро. Reasoning-режим в этих профилях — лишний overhead без выгоды.

На наших проектах в редакции мы заметили: чем «массовее» задача и чем чаще пользователь её повторяет, тем выгоднее ChatGPT с дефолтной GPT-5.3 Instant. o3 — это «снайпер для одного выстрела», а не «автомат для пулемётной очереди».

Зеркальный раздел: где o3 объективно сильнее ChatGPT-дефолта и где переключение в reasoning-режим окупается даже с учётом потери времени.

Первый сценарий — решение олимпиадной или PhD-уровневой задачи. AIME 2024 у o3-mini high effort — 87,3%, GPQA Diamond у o3 — 87,7%. Эти бенчмарки именно про задачи, которые средний студент-аспирант разбирает часами. На GPT-5.3 Instant попытка решить такую задачу даст правдоподобный, но часто ошибочный ответ. o3 даст медленный, но корректный.

Второй сценарий — сложный coding-рефакторинг с многими файлами. SWE-bench Verified — 71,7% у o3 против 57,7% у GPT-5.4 Pro Standard. Это разница между «модель закрыла семь из десяти реальных PR» и «закрыла шесть из десяти». На большом проекте каждый дополнительный закрытый баг — это часы сэкономленного времени разработчика. Codeforces Elo 2727 — это уровень, на котором программируют топ-200 мирового рейтинга соревновательного программирования.

Третий сценарий — финансовое моделирование с длинными цепочками допущений. Аналитик строит DCF на 8 листов с 12 ключевыми переменными. GPT-5.4 в Thinking-режиме справится, но иногда «забудет» допущение из листа 3 при расчёте на листе 7. o3 удерживает цепочку лучше — это прямое следствие RL-тренировки на math/logic.

Четвёртый сценарий — научный paper-review. Студент-аспирант загружает статью с математической диаграммой и просит разобрать. o3 с vision разберёт диаграмму в составе reasoning-цепочки: что значит каждый элемент, какие предпосылки, в чём логика выводов. GPT-5.4 даст более поверхностный комментарий, потому что reasoning-overhead в дефолте отключён.

Пятый сценарий — спор с собственным ответом. Когда задача такая, что у самого пользователя нет уверенности, что ответ модели верный, reasoning-модель показывает промежуточные шаги. Это даёт возможность поймать ошибку в логике, а не доверять чёрному ящику.

Общий паттерн: глубина рассуждений и точность на сложных задачах. o3 выигрывает там, где ошибка дороже секунды ожидания, а пользователь готов терпеть медлительность ради верного ответа. Это «снайпер», как мы уже говорили — один выстрел, но точный.

Есть важная оговорка: reasoning-режим не делает любую задачу лучше. В креативных задачах (литературный рерайт, маркетинговая копирайтинг), в эмоциональных переписках, в beat-by-beat подачах reasoning-модели часто звучат суше и хуже non-reasoning. Это прямое наблюдение из dossier openai-o3.md и совпадает с нашим опытом — для творческой работы возвращаемся в GPT-5.4 Standard.

Сводим всё предыдущее в адресные рекомендации. Пять реальных профилей читателей, которых мы встречаем в комментариях, на vc.ru и Habr — для каждого однозначный совет, какую модель ставить дефолтом и когда переключаться.

На пяти профилях видна закономерность: дефолт почти всегда ChatGPT, переключение на o3 — точечное. Только один профиль (финансовый аналитик с reasoning-задачами в основе работы) делает o3 первичной моделью. Это совпадает с общей картиной: o3 — это не «лучший ChatGPT», а специализированный инструмент в наборе.

Главное открытие этой пары — модели не конкурируют, а складываются в гибридный workflow. В одной подписке Plus или Pro пользователь получает оба инструмента и может строить пайплайны, где каждая часть задачи идёт к подходящей модели.

Первый гибрид — research → reasoning. Используем Deep Research на GPT-5.4 для сбора сырых данных из 5–7 источников. Потом переключаем модель на o3 и просим: «оцени противоречия между этими источниками, найди слабые места в логике автора, сформулируй контр-аргументы». Первая фаза быстрая и широкая, вторая медленная и глубокая. В нашей редакции этот паттерн заменил пару часов ручной работы над аналитической статьёй.

Второй гибрид — код + ревью. Codex генерирует первый драфт PR в GPT-5.4. Потом тот же запрос идёт в o3 с промптом «найди в этом коде потенциальные проблемы, edge cases, нарушения паттернов проекта». GPT-5.4 ускоряет написание, o3 повышает качество ревью. Бэкендер в нашей знакомой команде так сократил среднее количество правок от тимлида с 4 до 1,5 за PR.

Третий гибрид — создание контента + проверка фактов. ChatGPT с DALL-E делает текст и картинку для поста. Отдельным запросом на o3 проверяем фактологию текста — особенно цифры, имена, даты. На сложных темах reasoning-режим ловит две-три неточности в каждом материале.

Четвёртый гибрид — агент + reasoning-валидация. Agent Mode на GPT-5.4 запускает рутину (например, собирает данные из таблиц). Перед финальным действием — отправкой отчёта, изменением в базе — данные прогоняются через o3 с промптом «оцени, нет ли аномалий, всё ли согласуется». Это паттерн «autopilot + co-pilot» — автомат делает, reasoning проверяет.

Из схемы понятно главное: ChatGPT и o3 не борются за место в подписке, они закрывают разные ступени одного pipeline. Тариф Plus за $20 — это и есть «обе модели в одном окне», и переключение между ними занимает один клик. По сравнению с альтернативой держать ChatGPT для широты + DeepSeek-R1 для reasoning отдельно, OpenAI-стек существенно проще в эксплуатации.

Минимальная цена гибрида — $20/мес. На наших задачах в редакции этот паттерн полностью заместил отдельные подписки на специализированные инструменты и стал рабочей основой для исследовательских материалов.