Оксана Борух • МАКС для бизнеса

Почему ChatGPT, Claude и Gemini путаются в длинных чатах

Коротко:
Длинная переписка перегружает контекст: перед каждым ответом модель заново учитывает всю доступную историю, включая старые версии и лишние реплики. Из-за этого она может путать правки и терять важные условия. Готовые результаты лучше сохранять, а новые задачи начинать в отдельном чате или проекте.
Изображение
Почему ChatGPT, Claude и Gemini путаются в длинных чатах

В четверг читатели этого канала выбирали, какую из трёх рабочих ситуаций с нейросетями разобрать в пятницу.

Голосование завершилось ничьей, поэтому вышли сразу два поста:
🧠 что перегружает переписку;
🎯 когда причина не в модели, а в самой постановке задачи.

Сегодня продолжу эту тему.

Разберём, почему даже короткое «спасибо, ты умница» в длинном рабочем диалоге заставляет нейросеть снова обработать всю накопленную историю.

Отказываться от этого не предлагаю. Но важно понимать механику - что происходит после каждого сообщения.

Нейросеть не помнит разговор так, как человек. Перед новым ответом она снова просматривает доступную историю: ваши сообщения, свои ответы, файлы, исправления, старые версии и правила.

На пятидесятом сообщении перед ней лежит уже не один вопрос, а весь накопившийся разговор.

Получается так:
вы написали три слова — «спасибо, ты умница»,
а нейросеть снова просмотрела историю работы от первого «привет» до последней правки.

Сначала в переписке одна страница. Потом десять, тридцать или больше. Само сообщение короткое. Но для ответа требуется учесть всё, что накопилось до него.

У рабочего чата есть предел
Представьте стол, на котором лежат материалы для работы.
Пока там несколько листов, нужное легко найти. Затем добавляются сообщения, файлы, черновики, исправления и забракованные варианты.

Размер такого стола называется окном контекста.
У Claude, ChatGPT и Gemini он разный.

В Нейроклубе на мастер-классе «Контекст-инжиниринг: как экономить лимиты и подписки» объём контекста перевели из токенов в более понятный ориентир — страницы обычного текста.

Примерно так:
— Claude — около двухсот страниц;
— ChatGPT на быстрой модели — около тридцати страниц, у «думающих» моделей больше;
— у Gemini окно самой модели большое, но в приложении пользователю доступна только его часть.

Точные числа меняются вместе с моделями, тарифами и настройками.

Главное здесь другое:
у одной нейросети стол больше, у другой меньше. Бесконечного стола нет ни у одной.

Почему ответы становятся хуже

Вместе с полезными вводными нейросеть видит прежние версии, отвергнутые заголовки, изменённые правила, приветствия и благодарности.

Чем объёмнее история, тем быстрее расходуется лимит и тем выше риск, что модель вернёт старый вариант, смешает несколько редакций или потеряет важное уточнение.

Она не саботирует работу. Перед ней накопилось слишком много материала.

Когда я в восторге от итога работы - благодарю нейросеть. Но готовый результат сохраняю отдельно, завершённый диалог закрываю, а следующую задачу начинаю в новом чате или проекте. Кстати, вы работаете в нейросетях с проектами? Это оказывается, удобно

А для вас этот пост стал открытием?

Благодарите нейросеть, а потом недоумеваете, почему она начинает зависать и путаться?
Продолжим разговор в ЧАТЕ⬇️

А также можете написать лично мне для помощи в настройке нейросетей

Рекомендации

Недавно я поймала себя на интересной мысли.

Нейросеть отвечает плохо: когда причина не в модели

Как создать единый визуальный стиль для соцсетей с помощью нейросети

Почему один клиент смотрит на диплом, а другой — на результат