Обзор на Хабре от Александра Фролова (Нетология) подробно освещает путь развития больших языковых моделей (LLM) — от символических подходов 1950-х до трансформеров и мультимодальных агентов. Ключевой вехой стал прорыв 2017 года с архитектурой Transformer (статья "Attention is All You Need"), на которой базируются современные модели вроде GPT, BERT, Claude и Gemini.

В статье рассмотрены методы reasoning (рассуждение), RAG (генерация с внешней памятью) и концепция LLM-агентов — автономных моделей, способных выполнять действия, обращаться к API и выполнять сложные задачи. Фролов анализирует международный ландшафт: от OpenAI и Google до DeepSeek и Alibaba в Китае, а также российских игроков — GigaChat и YandexGPT. Российские модели уступают по масштабам, но адаптированы к языковым и культурным особенностям.

Особое внимание уделено перспективам: в 2025 году агенты осваивают интерфейсы, в 2026 — становятся полноценными R&D-помощниками, а к 2027 — достигают автономности, превосходя человека в скорости и точности. Статья заканчивается призывом использовать LLM не как угрозу, а как усиление для специалистов, особенно в продуктах, обучении и автоматизации.