Какая самая умная нейросеть?

Однозначного ответа тут в принципе нет, и дело не в отсутствии данных, а в том, что «умная» — слишком общее слово для того, как эти модели устроены. Одна и та же нейросеть может быть сильнее конкурентов в математике и слабее в написании текстов, или наоборот.

Разработчики меряют качество бенчмарками — наборами задач с известным правильным ответом: MMLU проверяет общие знания по школьным и вузовским предметам, GPQA — сложные научные вопросы, есть отдельные тесты по математике и написанию кода. Ещё есть Chatbot Arena, где живые люди сравнивают ответы разных моделей вслепую и голосуют, какой лучше — это ближе к тому, как реально ощущается качество ответа в переписке.

Проблема в том, что расклад в этих таблицах меняется каждые несколько месяцев: выходит новая версия у одной компании, она вырывается вперёд по паре тестов, через некоторое время конкурент отвечает своим обновлением. Актуальный лидер почти наверняка уже не тот, что был полгода назад, поэтому называть конкретную модель «самой умной» раз и навсегда бессмысленно.

Практичнее поступить так: возьмите свою реальную задачу (например, тот же код или расчёт, который нужен вам постоянно) и прогоните её через 2-3 модели из известных семейств — GPT, Claude, Gemini, DeepSeek. Бесплатные версии есть у всех, и за 15-20 минут сравнения на своей задаче вы получите более полезный ответ, чем из любого рейтинга в интернете, потому что рейтинги меряют усреднённое качество, а вам нужен результат на конкретных ваших запросах.