Mass Intelligence

Mass Intelligence

Mass Intelligence

From GPT-5 to nano banana: everyone is getting access to powerful AI

От GPT-5 до nano banana: мощный ИИ становится доступен всем

More than a billion people use AI chatbots regularly. ChatGPT has over 700 million weekly users. Gemini and other leading AIs add hundreds of millions more. In my posts, I often focus on the advances that AI is making (for example, in the past few weeks, both OpenAI and Google AIs chatbots got gold medals in the International Math Olympiad), but that obscures a broader shift that's been building: we're entering an era of Mass Intelligence, where powerful AI is becoming as accessible as a Google search.

Более миллиарда людей регулярно пользуются ИИ-чатботами. У ChatGPT свыше 700 миллионов еженедельных пользователей. Gemini и другие ведущие ИИ добавляют ещё сотни миллионов. В своих публикациях я часто фокусируюсь на достижениях ИИ (например, за последние недели чатботы OpenAI и Google получили золотые медали на Международной математической олимпиаде), но это затмевает более широкий сдвиг, который назревал давно: мы вступаем в эпоху Mass Intelligence, где мощный ИИ становится таким же доступным, как поиск Google.

Until recently, free users of these systems (the overwhelming majority) had access only to older, smaller AI models that frequently made mistakes and had limited use for complex work. The best models, like Reasoners that can solve very hard problems and hallucinate much less often, required paying somewhere between $20 and $200 a month. And even then, you needed to know which model to pick and how to prompt it properly. But the economics and interfaces are changing rapidly, with fairly large consequences for how all of us work, learn, and think.

До недавнего времени бесплатные пользователи этих систем (подавляющее большинство) имели доступ только к более старым и небольшим моделям ИИ, которые часто ошибались и были малопригодны для сложной работы. Лучшие модели, такие как Reasoner-ы, способные решать очень сложные задачи и значительно реже галлюцинирующие, требовали оплаты от $20 до $200 в месяц. Да и тогда нужно было знать, какую модель выбрать и как правильно её промптить. Но экономика и интерфейсы стремительно меняются, и это будет иметь довольно серьёзные последствия для того, как все мы работаем, учимся и думаем.

Powerful AI is Getting Cheaper and Easier to Access

Мощный ИИ дешевеет и становится проще в доступе

There have been two barriers to accessing powerful AI for most users. The first was confusion. Few people knew to select an AI model. Even fewer knew that picking o3 from a menu in ChatGPT would get them access to an excellent Reasoner AI model, while picking 4o (which seems like a higher number) would give them something far less capable. According to OpenAI, less than 7% of paying customers selected o3 on a regular basis, meaning even power users were missing out on what Reasoners could do.

Для большинства пользователей было два барьера на пути к мощному ИИ. Первый — путаница. Мало кто знал, как выбрать модель. Ещё меньше людей понимали, что выбор o3 из меню в ChatGPT даёт доступ к отличной Reasoner-модели, тогда как выбор 4o (число вроде бы больше) даст нечто гораздо менее способное. По данным OpenAI, менее 7% платных клиентов регулярно выбирали o3, а значит, даже продвинутые пользователи упускали возможности Reasoner-ов.

Another factor was cost. Because the best models are expensive, free users were often not given access to them, or else given very limited access. Google led the way in giving some free access to its best models, but OpenAI stated that almost none of its free customers had regular access to reasoning models prior to the launch of GPT-5.

Другим фактором была стоимость. Поскольку лучшие модели дороги, бесплатным пользователям часто к ним вообще не давали доступа или давали очень ограниченный. Google задал тон, открыв частичный бесплатный доступ к своим лучшим моделям, но OpenAI заявляла, что почти никто из её бесплатных клиентов не имел регулярного доступа к рассуждающим моделям до запуска GPT-5.

GPT-5 was supposed to solve both of these problems, which is partially why its debut was so messy and confusing. GPT-5 is actually two things. It was the overall name for a family of quite different models, from the weaker GPT-5 Nano to the powerful GPT-5 Pro. It was also the name given to the tool that picked which model to use and how much computing power the AI should use to solve your problem. When you are writing to “GPT-5” you are actually talking to a router that is supposed to automatically decide whether your problem can be solved by a smaller, faster model or needs to go to a more powerful Reasoner.

GPT-5 должен был решить обе эти проблемы — отчасти поэтому его дебют получился таким сумбурным и запутанным. На самом деле GPT-5 — это две вещи сразу. Это общее название для семейства весьма разных моделей, от более слабой GPT-5 Nano до мощной GPT-5 Pro. И это же название инструмента, который выбирает, какую модель использовать и сколько вычислительной мощности ИИ должен потратить на вашу задачу. Когда вы пишете «GPT-5», вы на самом деле общаетесь с маршрутизатором, который должен автоматически решать, может ли вашу задачу решить меньшая и более быстрая модель или её нужно отправить к более мощному Reasoner-у.

You could see how this was supposed to expand access to powerful AI to more users: if you just wanted to chat, GPT-5 was supposed to use its weaker specialized chat models; if you were trying to solve a math problem, GPT-5 was supposed to send you to its slower, more expensive GPT-5 Thinking model. This would save money and give more people access to the best AIs. But the rollout had issues. This practice wasn’t well explained and the router did not work well at first. The result is that one person using GPT-5 got a very smart answer while another got a bad one. Despite these issues, OpenAI reported early success. Within a few days of launch, the percentage of paying customers who had used a Reasoner went from 7% to 24% and the number of free customers using the most powerful models went from almost zero to 7%.

Можно понять, как это должно было расширить доступ к мощному ИИ для большего числа пользователей: если вы просто хотите поболтать, GPT-5 должен был задействовать свои более слабые специализированные чат-модели; если вы пытаетесь решить математическую задачу, GPT-5 должен был отправить вас к более медленной и дорогой модели GPT-5 Thinking. Это сэкономило бы деньги и дало бы большему числу людей доступ к лучшим ИИ. Но запуск не обошёлся без проблем. Эту схему плохо объяснили, а маршрутизатор поначалу работал плохо. В итоге один человек, пользуясь GPT-5, получал очень умный ответ, а другой — плохой. Несмотря на эти проблемы, OpenAI отчиталась о ранних успехах. За считанные дни после запуска доля платных клиентов, обращавшихся к Reasoner-у, выросла с 7% до 24%, а число бесплатных пользователей самых мощных моделей подскочило с почти нуля до 7%.

Part of this change is driven by the fact that smarter models are getting dramatically more efficient to run. This graph shows how fast this trend has played out, mapping the capability of AI on the y-axis and the logarithmically decreasing costs on the x-axis. When GPT-4 came out it was around $50 to work with a million tokens (a token is roughly a word), now it costs around 14 cents per million tokens to use GPT-5 nano, a much more capable model than the original GPT-4.

Отчасти этот сдвиг обусловлен тем, что более умные модели становятся радикально эффективнее в эксплуатации. Этот график показывает, как быстро разворачивается тренд: по оси Y — возможности ИИ, а по оси X — логарифмически снижающаяся стоимость. Когда вышла GPT-4, обработка миллиона токенов (токен — это примерно слово) стоила около $50, теперь GPT-5 nano стоит около 14 центов за миллион токенов и при этом гораздо способнее, чем оригинальная GPT-4.

This efficiency gain isn't just financial, it's also environmental. Google has reported that energy efficiency per prompt has improved by 33x in the last year alone. The marginal energy used by a standard prompt from a modern LLM in 2025 is relatively established at this point, from both independent tests and official announcements. It is roughly 0.0003 kWh, the same energy use as 8-10 seconds of streaming Netflix or the equivalent of a Google search in 2008 (interestingly, image creation seems to use a similar amount of energy as a text prompt)1. How much water these models use per prompt is less clear but ranges from a few drops to a fifth of a shot glass (.25mL to 5mL+), depending on the definitions of water use (here is the low water argument and the high water argument).

Этот выигрыш в эффективности не только финансовый, но и экологический. Google сообщил, что энергоэффективность на один промпт выросла в 33 раза только за прошедший год. Предельный расход энергии на стандартный запрос современной LLM в 2025 году к этому моменту довольно хорошо установлен — как по независимым тестам, так и по официальным заявлениям. Это примерно 0,0003 кВт·ч — столько же энергии, сколько уходит на 8–10 секунд стриминга Netflix, или эквивалент одного поискового запроса Google в 2008 году (любопытно, что генерация изображения, по-видимому, потребляет примерно столько же энергии, что и текстовый промпт)1. Сколько воды тратят эти модели на один промпт — менее ясно, оценки варьируются от нескольких капель до одной пятой рюмки (от 0,25 мл до 5 мл и больше), в зависимости от определения «расхода воды» (вот аргумент в пользу низкого расхода и аргумент в пользу высокого расхода).

These improvements mean that even as AI gets more powerful, it's also becoming viable to give to more people. The marginal cost of serving each additional user has collapsed, which means more business models, like ad support, become possible. Free users can now run prompts that would have cost dollars just two years ago. This is how a billion people suddenly get access to powerful AIs: not through some grand democratization initiative, but because the economics finally make it possible.

Эти улучшения означают, что, даже становясь мощнее, ИИ одновременно становится пригоден для раздачи большему числу людей. Предельная стоимость обслуживания каждого дополнительного пользователя обрушилась, а значит, становятся возможны новые бизнес-модели — например, поддержка за счёт рекламы. Бесплатные пользователи теперь могут запускать промпты, которые ещё два года назад обошлись бы в доллары. Именно так миллиард людей внезапно получает доступ к мощному ИИ: не благодаря какой-то великой инициативе по демократизации, а потому, что экономика наконец-то это позволила.

Powerful AI is Getting Easy to Use

Мощный ИИ становится проще в использовании

Getting access to a powerful AI is not enough, people need to actually use it to get things done. Using AI well used to be a pretty challenging process which involved crafting a prompt using techniques like chain-of-thought along with learning tips and tricks to get the most out of your AI. In a recent series of experiments, however, we have discovered that these techniques don’t really help anymore. Powerful AI models are just getting better at doing what you ask them to or even figuring out what you want and going beyond what you ask (and no, threatening them or being nice to them does not seem to help on average).

Получить доступ к мощному ИИ недостаточно — людям нужно реально использовать его, чтобы что-то с его помощью делать. Раньше пользоваться ИИ по-настоящему хорошо было довольно сложным занятием: приходилось выстраивать промпт с помощью таких приёмов, как chain-of-thought, и заучивать всевозможные подсказки и трюки. Однако в недавней серии экспериментов мы обнаружили, что эти техники, по сути, больше не помогают. Мощные модели ИИ становятся всё лучше в том, чтобы делать то, что вы просите, или даже угадывать ваши намерения и идти дальше того, о чём вы попросили (и нет, угрожать им или быть с ними вежливыми, в среднем не помогает).

And it isn’t just text models that are becoming cheaper and easier to use. Google released a new image model with the code name “nano banana” and the much more boring official name Gemini 2.5 Flash Image Generator. In addition to being excellent (though better at editing images than creating new ones), it is also cheap enough that free users can access it. And, unlike previous generations of AI image generators, it follows instructions in plain language very well.

И дешевле и проще в использовании становятся не только текстовые модели. Google выпустил новую модель для изображений с кодовым именем «nano banana» и куда более скучным официальным названием Gemini 2.5 Flash Image Generator. Помимо того, что она прекрасна (хотя редактирование изображений ей удаётся лучше, чем создание новых), она ещё и достаточно дёшева, чтобы её получили бесплатные пользователи. И, в отличие от прошлых поколений ИИ-генераторов изображений, она очень хорошо следует инструкциям на обычном языке.

As an example of both its power and ease of use, I uploaded an iconic (and copyright free) image of the Apollo 11 astronauts and a random picture of a sparkly tuxedo and gave it the simplest prompts: “dress Neil Armstrong on the left in this tuxedo”

В качестве примера её мощности и простоты использования я загрузил культовую (и свободную от копирайта) фотографию астронавтов Apollo 11 и случайную картинку блестящего смокинга и дал самые простые инструкции: «dress Neil Armstrong on the left in this tuxedo» (одень Neil Armstrong слева в этот смокинг).

Here is what it gave me a few seconds later:

Вот что она выдала через несколько секунд:

There are issues that someone with an expert eye would spot, but it is still impressive to see the realistic folds of the tuxedo and how it is blended into the scene (the NASA pin on the lapel was a nice touch). There is still a lot of randomness in the process that makes AI image editing unsuitable for many professional applications, but for most people, this represents a huge leap in not just what they can do, but how easy it is to do it.

Есть детали, которые заметит наметанный глаз, но всё равно впечатляюще видеть реалистичные складки смокинга и то, как он вписан в сцену (значок NASA на лацкане — приятная деталь). В процессе всё ещё много случайности, из-за чего редактирование изображений с помощью ИИ непригодно для многих профессиональных задач, но для большинства людей это огромный скачок не только в том, что они могут сделать, но и в том, насколько легко это делается.

And we can go further: “now show a photograph where neil armstrong and buzz aldrin, in the same outfits, are sitting in their seats in a modern airplane, neil looks relaxed and is leaning back, playing a trumpet, buzz seems nervous and is holding a hamburger, in the middle seat is a realistic otter sitting in a seat and using a laptop.”

И можно пойти дальше: «now show a photograph where neil armstrong and buzz aldrin, in the same outfits, are sitting in their seats in a modern airplane, neil looks relaxed and is leaning back, playing a trumpet, buzz seems nervous and is holding a hamburger, in the middle seat is a realistic otter sitting in a seat and using a laptop.» (а теперь покажи фотографию, где Neil Armstrong и Buzz Aldrin в тех же костюмах сидят в креслах современного самолёта; Neil расслаблен, откинулся назад и играет на трубе, Buzz нервничает и держит гамбургер, а на среднем месте сидит реалистичная выдра и работает на ноутбуке).

This is many things: A pretty impressive output from the AI (look at the expressions, and how it preserved Buzz’s ring and Neil’s lapel pin). A distortion of a famous moment in history made possible by AI. And a potential warning about how weird things are going to get when these sorts of technologies are used widely.

Это многое сразу: довольно впечатляющий результат от ИИ (взгляните на выражения лиц и на то, как сохранены кольцо Buzz и значок на лацкане Neil). Искажение знаменитого момента в истории, ставшее возможным благодаря ИИ. И своего рода предупреждение о том, насколько странными станут вещи, когда такие технологии получат массовое распространение.

The Weirdness of Mass Intelligence

Странности эпохи Mass Intelligence

When powerful AI is in the hands of a billion people, a lot of things are going to happen at once. A lot of things are already happening at once.

Когда мощный ИИ попадает в руки миллиарда людей, одновременно начинает происходить очень многое. Многое уже происходит одновременно.

Some people have intense relationships with AI models while other people are being saved from loneliness. AI models may be causing mental breakdowns and dangerous behavior for some while being used to diagnose the diseases of others. It is being used to write obituaries and create scriptures and cheat on homework and launch new ventures and thousands of other unexpected uses. These uses, and both the problems and benefits, are likely to only multiply as AI systems get more powerful.

У одних людей напряжённые отношения с ИИ-моделями, других ИИ спасает от одиночества. ИИ-модели могут провоцировать у одних психические срывы и опасное поведение, и при этом помогать диагностировать заболевания у других. Их используют, чтобы писать некрологи и создавать священные тексты, списывать домашку и запускать новые компании, и для тысяч других неожиданных целей. Эти применения, а также проблемы и выгоды от них, скорее всего, будут только множиться по мере того, как ИИ-системы становятся мощнее.

And while Google's AI image generator has guardrails to limit misuse, as well as invisible watermarks to identify AI images, I expect much less restrictive AI image generators will likely get close to nano banana in quality in the coming months.

И хотя у ИИ-генератора изображений Google есть защитные ограждения для борьбы со злоупотреблениями, а также невидимые водяные знаки для идентификации сгенерированных изображений, я ожидаю, что в ближайшие месяцы куда менее ограниченные генераторы изображений приблизятся по качеству к nano banana.

The AI companies (whether you believe their commitments to safety or not) seem to be as unable to absorb all of this as the rest of us are. When a billion people have access to advanced AI, we've entered what we might call the era of Mass Intelligence. Every institution we have — schools, hospitals, courts, companies, governments — was built for a world where intelligence was scarce and expensive. Now every profession, every institution, every community has to figure out how to thrive with Mass Intelligence. How do we harness a billion people using AI while managing the chaos that comes with it? How do we rebuild trust when anyone can fabricate anything? How do we preserve what's valuable about human expertise while democratizing access to knowledge?

Компании, занимающиеся ИИ (верите вы в их обязательства по безопасности или нет), похоже, переварить всё это так же не способны, как и все мы. Когда миллиард людей получает доступ к продвинутому ИИ, мы вступаем в то, что можно назвать эпохой Mass Intelligence. Каждый институт, что у нас есть, — школы, больницы, суды, компании, правительства — был построен для мира, где интеллект был дефицитом и стоил дорого. Теперь каждой профессии, каждому институту, каждому сообществу придётся разбираться, как процветать в условиях Mass Intelligence. Как обуздать миллиард людей, использующих ИИ, и при этом справиться с хаосом, который с этим придёт? Как восстановить доверие, когда кто угодно может сфабриковать что угодно? Как сохранить то ценное, что есть в человеческой экспертизе, демократизировав при этом доступ к знаниям?

So here we are. Powerful AI is cheap enough to give away, easy enough that you don't need a manual, and capable enough to outperform humans at a range of intellectual tasks. A flood of opportunities and problems are about to show up in classrooms, courtrooms, and boardrooms around the world. The Mass Intelligence era is what happens when you give a billion people access to an unprecedented set of tools and see what they do with it. We are about to find out what that is like.

Так вот, мы здесь. Мощный ИИ достаточно дёшев, чтобы раздавать его бесплатно, достаточно прост, чтобы обходиться без инструкции, и достаточно способен, чтобы превосходить людей в целом ряде интеллектуальных задач. Поток возможностей и проблем вот-вот хлынет в классы, залы судов и кабинеты руководства по всему миру. Эпоха Mass Intelligence — это то, что происходит, когда вы даёте миллиарду людей доступ к беспрецедентному набору инструментов и смотрите, что они с ним делают. Мы вот-вот узнаем, каково это.

Share

Поделиться

This is the energy required to answer a standard prompt. It does not take into account the energy needed to train AI models, which is a one-time process that is very energy intensive. We do not know how much energy is used to create a modern model, but it was estimated that training GPT-4 took a little above 500,000 kWh, about 18 hours of a Boeing 737 in flight.

Это энергия, необходимая для ответа на стандартный запрос. Она не учитывает энергию на обучение моделей ИИ — разовый, но крайне энергоёмкий процесс. Сколько энергии уходит на создание современной модели, мы не знаем, но обучение GPT-4 оценивалось примерно в 500 000 с лишним кВт·ч — это около 18 часов полёта Boeing 737.