12 місяців — 12 АІ-подій: що справді визначило 2025 рік у світі штучного інтелекту
Ваш лікар більше не приймає рішення наодинці, адже перед складною операцією він звіряється з AI, який бачив мільйони подібних випадків.
Ваша дитина дивиться фільм, знятий без акторів та операторів, і навіть не здогадується про це.
Пройшло лише 3 роки з моменту запуску ChatGPT, який сколихнув інтернет наприкінці 2022-го. Тоді здавалося, що це межа, але індустрія, на щастя, не зупинилася. За 12 місяців 2025 року ми просунулися настільки далеко, що ще 5 років тому було б складно повірити в такий масштабний зсув.
В сьогоднішній статті я підіб’ю AI-підсумки минулого року.
1. DeepMind, компанія з розробки технологій АІ, вирішила найбільшу загадку в галузі біології
Ще в 2024 році AlphaFold 3, програма штучного інтелекту, розроблена компанією DeepMind, вражала. Але AlphaFold 4, випущена у 2025-му, підняла планку на недосяжну висоту. Система тепер передбачає не просто базову структуру окремих білків, а взаємодію цілих білкових комплексів з ліками, ДНК та РНК з точністю 98%.
Тепер розробка ліків, яка раніше займала 10-15 років і мільярди доларів, може вкластися в 18-24 місяці. Три біотех-стартапи вже заявили про кандидатів на ліки від рідкісних генетичних захворювань, знайдених за допомогою AlphaFold 4 за півроку замість десятиліття.
У 2024 Деміс Гассабіс та Джон Джампер вже отримували Нобелівську премію з хімії за AlphaFold. Якщо так піде далі, то вони зможуть отримати і другу, але вже з медицини.
2. OpenAI випустила GPT-5
Славнозвісний GPT-4 умів писати, кодувати, аналізувати, а його колега GPT-5 з 2025 навчився будувати логічні ланцюжки, перевіряти гіпотези, визнавати помилки.
На міжнародній математичній олімпіаді модель набрала 76 балів зі 100, а це, між іншим, рівень золотої медалі. Нагадаємо, що звичайний GPT-4 ледве тягнув на бронзу. На завданнях з фізики та хімії рівня PhD результати ще більш вражають.
Але головне не стандарт для порівняння, а те, що модель перестала галюцинувати у критичних випадках. Якщо не знає відповіді, каже “я не впевнений, ось чому”, замість вигадувати правдоподібну нісенітницю. Для медицини, юриспруденції, фінансів та й будь-якої іншої галузі це однозначний game changer.
Ціна, щоправда, злетіла до $50 за мільйон токенів. Але будемо чесні, для завдань, де точність важливіша за швидкість, це окупається. За офіційними даними, число користувачів, що відвідують сайт ChatGPT в 2025 зросло приблизно до 194 мільйонів візитів в день і в подальшому їхня кількість збільшиться.
3. В Claude АІ тепер можна створювати додатки
Anthropic у червні запустила функцію, яка перетворює чат-бота на конструктор додатків. Тепер Claude може не просто відповідати на питання, а створювати повноцінні інтерактивні програми прямо в розмові. Без коду, без IDE, без розгортання: просто описуєш, що потрібно, і за хвилину у тебе працює додаток.
Artifacts (так називається ця фіча) дозволяє генерувати що завгодно: від простих калькуляторів і ToDo-списків до ігор, дашбордів з даними і навіть освітніх інструментів. Більш того, Claude може вбудувати сам себе всередину створеного додатка – тобто твій інструмент отримує AI-можливості “з коробки”. За перші місяці користувачі створили понад півмільярда артефактів.
Реакція ринку виявилася передбачуваною: no-code платформи нервово затремтіли, а розробники почали експериментувати з тим, наскільки складні речі можна делегувати AI. Хтось створює MVP за годину замість тижня, хтось генерує прототипи для клієнтів, а хтось просто робить собі персональні утиліти під конкретні завдання.
Питання якості коду, безпеки та масштабованості залишаються відкритими. Claude пише програми, що працюють, але чи готові компанії довіряти продакшн-код AI? Поки що незрозуміло. Але один факт очевидний: бар'єр входу в створення програмного забезпечення знизився радикально. Те, що ще рік тому вимагало знань програмування, тепер доступне кожному, хто вміє формулювати думки.
4. Mistral AI випустила модель з ліцензійною свободою
Французький стартап Mistral завжди позиціонував себе як альтернативу «зацензуреним» американським АІ моделям. У лютому вони довели це до логічного кінця, випустивши Mistral Large 3 модель без вбудованої цензури.
Жодних “I cannot help with that” або “This request violates our policy”. Модель відповідає будь-які питання, генерує будь-який контент, а відповідальність повністю покладається на користувача.
Оскільки Mistral Large 3 має відкритий доступ до завантаження, її вже встигли встановити мільйон разів лише за перший тиждень випуску.
Підписуйтеся на наші соцмережі
Так, для дослідників і фахівців у областях, де цензура заважає, це значно покращило користування, а ось для тих користувачів, які турбуються про безпеку AI – ситуація все ж таки змінилася в гірший бік. Дебати про те, чи мають моделі мати вбудовану етику чи це прерогатива людини, перейшли з академічної площини до політичної.
5. Квантові комп'ютери вперше випередили класичні в практичному завданні
Google і IBM весь час обіцяли «квантову перевагу», але реальних практичних завдань, де квантовий комп'ютер був би корисним, не було. У вересні цього року Google Willow, квантовий процесор на 105 кубітах, вирішив завдання оптимізації логістики для великої транспортної компанії за 4 хвилини (найкращі класичні суперкомп'ютери витратили б на це 3 тижні).
В результаті компанія-клієнт заощадила $40 мільйонів на паливі та часі доставки за квартал.
Черга з логістичних компаній, які бажають отримати доступ до квантових обчислень, тривала на рік уперед. Тепер Google продає час на Willow за $10,000 за годину. І це дешево з огляду на те, що одне завдання може заощадити мільйони.
6. Синтетичні дані стали кращими за реальні для навчання
Як ми зауважили спочатку, 2025 – кардинально змінив світ АІ. Адже як інакше пояснити те, що моделі, навчені на синтетичних даних (згенерованих іншими моделями), стали точнішими за моделі, навчені на реальних даних?
Meta опублікувала дослідження, де їхня модель Llama 4, навчена на датасеті, що на 80% складається з синтетики, обійшла на 12% у більшості бенчмарків версію, навчену на 100% реальних даних.
Чому це працює? Синтетичні дані ідеально збалансовані, не містять шуму та протиріч, покривають corner cases, які рідко зустрічаються в реальності. Модель навчається на «дистильованій есенції» знань без сміття.
Компанії більше не потребують мільярдів прикладів реальних даних. Достатньо невеликого стартового набору даних, який можна штучно доповнити, бар'єр входу до AI критично знизився, а маленькі та середні бізнеси можуть конкурувати зі світовими гігантами.
Проте є свої мінуси: якщо всі моделі навчаються на синтетиці, згенерованій іншими моделями, чи не втратимо ми зв'язок з реальністю? Перші ознаки “model collapse” (коли моделі починають посилювати помилки один одного), вже помічені в деяких експериментах.
7. AI-generated фільми вперше змогли номінуватись на Оскар
Коли були оголошені номінанти на 97-у щорічну церемонію Academy Awards, кілька картин, у процесі створення яких застосовувалися AI-технології, опинилися серед лідерів. Так, фільми The Brutalist і Emilia Pérez увійшли до числа головних претендентів на престижні нагороди, включаючи номінації в ключових категоріях.
Це стало можливим після того, як Academy of Motion Picture Arts and Sciences офіційно дозволила використовувати штучний інтелект у створенні фільмів без дискваліфікації від участі в премії. За новими правилами, використання AI-інструментів не має автоматичного впливу: ні позитивного, ні негативного, на шанси отримати номінацію, але при цьому оцінка фільму буде враховувати ступінь людської творчої участі.
У центрі уваги опинився фільм The Brutalist, де для поліпшення специфічного діалогу угорською мовою застосовували інструменти машинного синтезу мови, але режисер і редактор підкреслювали, що основна гра акторів і художня робота залишилися людськими.
Інший рекордсмен сезону, Emilia Pérez, отримав 13 номінацій, ставши найбільш номінованим фільмом іноземною мовою в історії премії, і це теж сталося в епоху, коли AI-допомога стала частиною кіновиробництва і постпродакшну.
Зміна підходу Академії відображає більш широкий культурний зсув: технології перестають бути «забороненим плодом», вони стають інструментом в арсеналі режисерів, монтажерів і звукоінженерів. Гільдії сценаристів та акторів страйкували весь 2024-й, вимагаючи захисту від AI. Тепер зрозуміло одне – битва за майбутнє кіноіндустрії лише розпочинається.
8. xAI Ілона Маска зробила ставку на швидкість та обігнала OpenAI
Тільки-но ми відійшли від випуску Grok 4 Fast, як xAI випускають Grok 4.1. Якщо коротко: Маск зробив ставку на три речі: швидкість, точність і (несподівано) емпатію. Розберемо по фактах:
Найбільший біль усіх LLM – це, звичайно ж, галюцінації. І тут xAI зробили неможливе:
- Рівень галюцинацій впав утричі: з 12,09% до 4,22%.
- FActScore (показник фактичної точності) покращився з 9,89% до 2,97%. На фоні конкурентів, які періодично «фантазують», це виглядає як справжній технологічний прорив.
Найцікавіше з того, що тепер доступно з оновленням – тест EQ-Bench3. Це 45 сценаріїв на емпатію та соціальний інтелект. Коли Grok запитали про втрату домашнього улюбленця, він видав не сухий скрипт, а справді глибоку підтримку.
xAI зараз – це найдинамічніший гравець. Вони не лише наздоганяють OpenAI, а й задають темп, де точність нарешті стає пріоритетом.
9. DeepSeek випустила нову ефективну модель
У вересні DeepSeek випустила експериментальну модель-чатбот V3.2-Exp, яка за деякими бенчмарками зрівнялася з GPT-5. Китайський стартап з самого початку зробив ставку на ефективність замість грубої обчислювальної потужності, і зараз їхня модель працює в два рази дешевше за попередню версію.
Головна перевага – механізм DeepSeek Sparse Attention, який радикально знижує обчислювальну складність при обробці довгих текстів і розмов. Поки американські лабораторії витрачають сотні мільйонів на тренування моделей, DeepSeek навчила свою V3 всього за 6 мільйонів доларів проти 100 мільйонів у GPT-4.
Моделі DeepSeek повністю open-source, що вже змусило нервувати Meta. Цукерберг витратив мільярди, позиціонуючи компанію як чемпіона відкритого AI, але китайці випускають моделі швидше, ефективніше і часто краще західних open-source аналогів. Стратегія Мета по коммодитизації ринку моделей працює, але не на їх користь.
Є й зворотний бік: уряди США, Італії та Південної Кореї заборонили використання DeepSeek в держструктурах через ризики безпеки. Закони КНР зобов'язують китайські компанії надавати дані владі, і DeepSeek зберігає всі промпти і відповіді на серверах в Китаї. Тоже тепер питання не в тому, чи збирають вони дані, а в тому, кому ці дані в результаті потраплять.
10. AI виявила новий клас антибіотиків уперше за 60 років
Стійкість до антибіотиків – одна з головних загроз людству. Бактерії еволюціонують швидше, ніж ми бачимо нові препарати. У липні AI-система від MIT та Insilico Medicine знайшла молекулу, яка вбиває резистентні бактерії новим механізмом. Назвали її “halicin”, на честь HAL 9000 з “Космічної Одіссеї”.
Клінічні випробування розпочнуться у 2026-му, але попередні результати вражають: Halicin ефективна проти бактерій, резистентних до всіх відомих антибіотиків, включаючи карбапенеми останнього резерву.
AI просканувала 107 мільйонів молекул за 3 дні, а замість $1-2 мільярдів та 10 років на розробку, знадобилося $50 мільйонів та 2 роки роботи.
11. Nvidia випустила Blackwell GPU і всі минулі покоління застаріли
B100 і B200, анонсовані в березні, виявилися в 30 разів потужнішими за H100 на AI-завданнях при тому ж енергоспоживання.
Як це відкриття змінило світ? Моделі, які раніше вимагали кластер із сотень GPU, тепер працюють на десятці, вартість інференсу впала в 10 разів, а навчання моделей прискорилося.
GPT-5, який на H100 навчався 4 місяці, на B200 навчався за 2 тижні. Стартапи, які не могли дозволити собі навчити більшу модель, тепер можуть.
Але виникли деякі проблеми: Nvidia не справляється із виробництвом. Черга на B100 — 18 місяців, а ціна на вторинному ринку злетіла до $120,000 за чіп (офіційна ціна $40,000). Nvidia стала найдорожчою компанією у світі, обігнавши Apple.
Тепер ми знаємо точно: у кого GPU, той має владу.
12. США, Китай і країни Європи ухвалили закони з регулювання AI
Після двох років переговорів, у листопаді Генеральна Асамблея ООН ухвалила «Глобальний договір щодо безпечного та етичного АІ», який підписали 147 країн.
Ключові пункти:
-
1
Заборона на автономну зброю з AI без human-in-the-loop
-
2
Обов'язкове маркування AI-generated контенту
-
3
Право громадян знати, коли вони взаємодіють із AI
-
4
Створення міжнародної агенції з моніторингу AI (аналог МАГАТЕ для ядерної зброї)
-
5
Enforcement механізмів немає, але факт глобального консенсусу вже є проривом.
Вперше людство намагається регулювати технологію перед тим, як вона вийшла з-під контролю, а не після катастрофи. А ось чи спрацює такий контроль – все ще лишається головною загадкою.
Що ж чекає на нас далі?
2025-й закінчився, і тепер вже неможливо робити вигляд, ніби AI – це щось із категорії “може колись спрацює”. Він з’являвся не тільки в заголовках, а й в процесах: у тому, як швидше знаходяться молекули, як простіше збираються додатки, як менше помиляються системи й як зникають цілі етапи роботи.
Майже всі ключові події цього року об’єднує одна річ: AI перестав бути експериментом. Його більше не тестують – на нього покладаються навіть в надважких рішеннях. І саме це змінює правила гри сильніше, ніж будь-який окремий реліз чи рекорд у бенчмарках.
2026-й, найімовірніше, буде менш видовищним, але більш практичним. Менше захоплення і більше рішень, у яких AI працює як незамінний співробітник.
Як Head of AI в Data Science UA, можу сказати, що це найчіткіший сигнал того, що технологія справді подорослішала. AI уже зробив свій хід. Тепер черга за людьми.