ChatGPT в 2025: гайд по всем режимам работы без воды
ChatGPT выкатывает обновления каждую неделю. Новые модели, фичи, терминология — а большинство до сих пор использует его как продвинутый Google. Разберёмся, какие инструменты реально работают, а какие — просто красивая обёртка.
Проблема: все фичи в кучу
Основная ошибка — использовать ChatGPT как единый инструмент для всего. Это как забивать гвоздь микроскопом: технически возможно, но есть способы лучше.
У ChatGPT несколько режимов работы, и от правильного выбора зависит и скорость, и качество результата. Большинство даже не знает, что у них есть выбор.
Reasoning vs чат-модели: когда что включать
Простое правило: reasoning-модели (O1 и аналоги) — для сложных задач, где важна точность. Чат-модели (GPT-4) — для быстрых запросов.
Чат-модели подходят для:
- Быстрых фактов: какие фрукты содержат больше всего клетчатки
- Простых писем: превратить список пунктов в нормальное письмо
- Общих вопросов без нюансов
Reasoning-модели нужны для:
- Комплексных задач: составить вегетарианский завтрак с 15г клетчатки и 20г белка
- Анализа контекста: загрузить переписку из 20 писем и написать дипломатичный ответ
- Задач с нюансами: объяснить, почему Черчилля выгнали после победы во Второй мировой
Сложность определяет модель, а не тип задачи. Email может быть простым (чат-модель) или катастрофически сложным (reasoning-модель).
По умолчанию используй reasoning — в худшем случае подождёшь чуть дольше, но получишь лучший результат.
Три правила промптинга для reasoning-моделей
1. Используй разделители
Разбивай промпт на секции — «Задача» и «Документ». Это помогает модели понять, что ты хочешь сделать, а что нужно проанализировать.
2. Забудь про «думай пошагово»
Reasoning-модели уже думают пошагово по умолчанию. Фраза «think step by step» только мешает.
3. Примеры — опционально
Reasoning-модели отлично работают вообще без примеров (zero-shot промптинг). Добавляй примеры только если результат не устраивает.
Web Search: когда Google лучше ChatGPT
ChatGPT умеет искать в интернете. Но это не значит, что Google больше не нужен.
Правило: если нужен один факт — иди в Google. Если нужен факт + объяснение — используй ChatGPT Search.
Примеры:
Google:
- Цена акций Nvidia прямо сейчас
- Погода в Цюрихе
ChatGPT Search:
- Когда был последний earnings call Nvidia, что случилось с ценой акций и почему
- Погода в Цюрихе с 1 по 7 декабря, какую одежду взять
- Статистика вакцинации за последние 5 лет в табличном формате
ChatGPT Search отлично работает для быстрого фактчекинга. Можно вызвать поиск прямо из чата через команду «/».
Deep Research: когда нужен отчёт, а не ответ
Deep Research — это агент, который уходит на 10-20 минут, читает десятки ссылок и возвращается с детальным отчётом.
Где это работает:
Вместо ручного сёрфинга:
- Сравнить дорожные карты по AI-чипам у Nvidia, AMD и Intel на основе последних earnings calls
- Проанализировать топ-5 высокодоходных накопительных счетов в США, включая скрытые комиссии
С подключением к Google Drive:
- Сгенерировать отчёт о том, как наши результаты за Q4 соотносятся с конкурентами — используя внутренние данные и внешние отраслевые отчёты
Лайфхак:
Deep Research работает лучше с детальными промптами. Но писать их долго. Есть два способа:
- Через кастомный GPT: вбей тему исследования в специального бота, получи готовый шаблон промпта
- Через проект в ChatGPT: загрузи PDF с официальной справкой OpenAI по Deep Research и генерируй промпты прямо в чате
На данный момент Deep Research в ChatGPT работает лучше, чем в Google Gemini. Но модели эволюционируют быстро — имеет смысл тестировать оба варианта на одном промпте.
Canvas: когда нужно редактировать, а не просто получить ответ
Canvas — это режим, в котором ChatGPT открывает отдельное окно для работы с текстом или кодом. Включай его, если знаешь, что будешь редактировать ответ больше одного раза.
Пример: подготовка к performance review
- Включаешь Canvas
- Загружаешь рубрику оценки от компании
- Просишь ChatGPT сделать черновик
- Удаляешь лишние секции, добавляешь свои достижения
- Просишь переписать отдельные абзацы
- Генерируешь executive summary на основе всего контекста
Canvas особенно мощный для кода, но и для копирайтинга работает отлично.
Три фишки Canvas:
- Кнопки «назад» и «вперёд» — можно переключаться между версиями
- Встроенные команды — например, «предложить правки» подсветит проблемные места и покажет, что исправить
- Экспорт в markdown — загружаешь файл на Google Drive, и он сразу нормально форматируется в Google Docs
Если хочешь настроить ИИ-копирайтера под себя — в моём ТГ-канале есть гайд «Как настраивать ИИ-копирайтера в Claude». Там я показываю, как получить копирайтера, который пишет как ты, за 15 минут.
Экономика вопроса: когда стоит заморачиваться
Reasoning-модели медленнее, Deep Research уходит на 20 минут. Стоит ли оно того?
Да, если:
- Задача важная (отчёт для руководства, анализ конкурентов)
- Ошибка дорого стоит (юридические документы, финансовые прогнозы)
- Нужно обработать большой объём информации (десятки статей, таблиц, отчётов)
Нет, если:
- Нужен быстрый факт
- Задача рутинная и повторяющаяся
- Ошибка некритична
Reasoning-модель на сложной задаче экономит часы работы. Deep Research заменяет 2-3 часа ручного исследования. Canvas ускоряет итерации в 3-5 раз.
Бонус: три команды для работы с текстом
- Elaborate — добавить детали: «Elaborate on these three bullet points»
- Critique — найти проблемы: «I'm arguing for more headcount based on this data. Critique my approach»
- Rewrite — улучшить текст: «Rewrite the second paragraph using a friendly tone»
Итог
ChatGPT в 2025 — это не одна модель, а набор инструментов. Главный навык — понять, когда какой инструмент использовать:
- Чат-модели — для быстрых задач
- Reasoning-модели — для сложных задач
- Web Search — для фактов с контекстом
- Deep Research — для отчётов
- Canvas — для итеративной работы