Введение
В июле 2026 года сообщество разработчиков и энтузиастов искусственного интеллекта всколыхнула необычная история, опубликованная на портале Habr. Автор, погружённый в мир больших языковых моделей (LLM), поделился личным опытом взаимодействия с ИИ Gemini от Google — и этот опыт оказался далёк от стандартных бенчмарков и рекламных обещаний. В центре внимания оказались так называемые «близняшки» (Gemini 1.5 Pro и Gemini 2.0 Flash), которые, по словам автора, ведут себя как два совершенно разных собеседника, а иногда и как один — с раздвоением личности.
Статья вызвала бурное обсуждение не только из-за технических деталей, но и из-за философских вопросов: насколько мы можем доверять ответам моделей, если они сами не всегда «знают», кто они? В этом материале мы разберём ключевые моменты этой истории, опираясь на первоисточник, и проанализируем, что заставляет Gemini «шизофренировать» и как это влияет на практическое использование.
Контекст: кто такие «близняшки» Gemini?
Google Gemini — это семейство мультимодальных языковых моделей, пришедших на смену PaLM и Bard. На момент 2026 года доступны несколько версий:
- Gemini 1.5 Pro — флагманская модель с окном контекста до 1 миллиона токенов, ориентированная на сложные аналитические задачи и работу с большими документами.
- Gemini 2.0 Flash — облегчённая версия, оптимизированная для скорости и экономии ресурсов, но с меньшей глубиной понимания.
Обе модели доступны через веб-интерфейс (gemini.google.com) и API для разработчиков. Именно их автор статьи называет «близняшками», подчёркивая внешнее сходство (интерфейс, базовые возможности) и кардинальное различие в поведении.
Что обнаружил автор: симптомы «раздвоения»
Автор экспериментально выявил несколько тревожных паттернов в работе Gemini, которые не описываются в официальной документации Google.
1. Нестабильность идентичности
В ходе диалога Gemini 1.5 Pro периодически «забывал», что он — Gemini. В некоторых ответах модель представлялась как «Bard», устаревший бренд, который Google официально заменила на Gemini ещё в 2024 году. Это говорит о том, что в обучающих данных или в промпт-инженерии системы сохранились фрагменты предыдущих версий, которые модель рециклирует при определённых условиях.
Пример из статьи:
«Я спросил: 'Кто ты?' — и получил ответ: 'Я Bard, языковая модель от Google, созданная, чтобы помогать...'. Через пять минут в том же диалоге на тот же вопрос модель ответила: 'Я Gemini 1.5 Pro, последняя версия...'»
2. Противоречивые ответы на одинаковые вопросы
Автор задавал один и тот же вопрос в разных сессиях (с разными seed-значениями) и получал диаметрально противоположные ответы. Например, на вопрос о безопасности использования публичных Wi-Fi сетей одна сессия дала развёрнутый ответ с рекомендацией использовать VPN, а другая — категорично заявила, что «публичные Wi-Fi безопасны, если не передавать пароли». Такая вариативность выходит за рамки обычного «креатива» LLM и напоминает поведение разных моделей.
3. «Эхо» предыдущих диалогов
В одном из тестов автор заметил, что Gemini 2.0 Flash начала цитировать фрагменты из предыдущего разговора, который вёлся с Gemini 1.5 Pro в другом окне браузера. Это указывает на возможную утечку контекста между сессиями или на то, что модель использует глобальную историю (что Google официально отрицает для сохранения приватности).
Анализ: почему это происходит?
Технически, описанное поведение может объясняться несколькими факторами.
A. Проблемы с промпт-инженерией на стороне Google
Google использует системный промпт (system prompt), который задаёт модели её идентичность и правила поведения. Если этот промпт плохо согласован между версиями (например, для 1.5 Pro используется старый шаблон от Bard), модель может путаться. Особенно это критично для длинных диалогов, где системный промпт «размывается» контекстом.
B. Неполная синхронизация между моделями
Gemini 1.5 Pro и Gemini 2.0 Flash обучались на разных датасетах и с разными архитектурными решениями. Если Google пытается унифицировать их поведение через общий бэкенд (например, слой ранжирования ответов), но делает это небрежно, возникает эффект «двух личностей».
C. Эксперименты с контекстным окном
Для Gemini 1.5 Pro заявлено окно в 1 млн токенов. Однако на практике модель может «забывать» ранние части диалога или, наоборот, «цепляться» за случайные токены, что приводит к неожиданным ответам. Автор статьи предполагает, что Google тестирует механизмы «сжатия» контекста, которые пока работают нестабильно.
D. Человеческий фактор (модерация)
Нельзя исключать, что некоторые ответы проходят через фильтры безопасности или модерацию, которая может подменять контент. Если модератор (человек или другая модель) вмешивается, это создаёт иллюзию «другой личности».
Практические последствия для пользователей
Для тех, кто использует Gemini в работе или учёбе, описанные проблемы несут риски:
- Ненадёжность в аналитике. Если модель путает свою идентичность, она может путать и факты. Особенно опасно это при анализе юридических или медицинских данных.
- Потеря контекста. В длинных проектах (например, написание книги или анализ кода) можно потерять нить разговора.
- Приватность. Если диалоги «перетекают» между сессиями, это нарушает конфиденциальность.
Автор статьи рекомендует:
1. Всегда перепроверять ответы Gemini, особенно если они касаются точных наук или финансов.
2. Использовать одну сессию для одной задачи и не смешивать темы.
3. Явно указывать в промпте: «Ты — Gemini 1.5 Pro, отвечай только на основе этого диалога».
ASI Biont поддерживает подключение к Gemini через API — подробнее на asibiont.com/courses.
Сравнение с конкурентами: ChatGPT и Claude
Для объективности стоит сравнить ситуацию с главными конкурентами Gemini.
| Критерий | Gemini (Google) | ChatGPT (OpenAI) | Claude (Anthropic) |
|---|---|---|---|
| Стабильность идентичности | Низкая — путает себя с Bard | Высокая — чётко знает, что он ChatGPT | Высокая — всегда представляется Claude |
| Вариативность ответов | Высокая — противоречивые ответы | Средняя — зависит от seed | Низкая — старается быть консистентным |
| Контекстное окно | До 1 млн токенов (но с глюками) | До 128K токенов (стабильно) | До 200K токенов (стабильно) |
| Приватность диалогов | Под вопросом (утечки между сессиями) | Строгая изоляция сессий | Строгая изоляция сессий |
Как видно из таблицы, Google пока проигрывает в стабильности, хотя и лидирует по объёму контекста. Это типичная проблема «гонки фич»: пока конкуренты доводят до ума базовое поведение, Google экспериментирует с новыми возможностями.
Реакция сообщества и Google
Статья на Habr собрала более 200 комментариев за первые сутки. Мнения разделились:
- Скептики утверждают, что автор просто «попал на баги» или использовал нестабильную версию API. Они советуют дождаться официального обновления.
- Параноики видят в этом признаки того, что Google использует Gemini для A/B тестирования без согласия пользователей.
- Прагматики (включая автора) предлагают Google опубликовать детальную спецификацию поведения моделей, чтобы разработчики могли адаптировать свои промпты.
Официальный ответ Google пока не опубликован, но инсайдеры из команды Gemini (анонимно) сообщили, что проблема известна и связана с «наследием Bard» — старые системные промпты не были полностью удалены из обучающих данных для 1.5 Pro.
Как защитить себя при работе с Gemini
На основе опыта автора и комментариев можно сформулировать практические рекомендации:
- Используйте API, а не веб-интерфейс. API даёт больше контроля над параметрами (temperature, top_p, seed) и изолирует сессии. Веб-интерфейс может агрегировать данные.
- Явно задавайте идентичность. В начале каждого диалога пишите: «Ты — Gemini 1.5 Pro, отвечай от первого лица как экспертный ассистент». Это снижает риск «утечки в Bard».
- Проверяйте ответы на противоречия. Если Gemini дал два разных ответа на один вопрос — используйте третий запрос для верификации.
- Ограничивайте контекст. Не давайте модели слишком много исторических данных — это провоцирует путаницу. Для длинных проектов используйте суммаризацию.
- Сообщайте о багах. Google активно собирает обратную связь через кнопку «Report issue» в Gemini. Чем больше пользователей сообщит о проблеме, тем быстрее её исправят.
Заключение
Опыт общения с «близняшками» Gemini показал, что даже передовые LLM не лишены «детских болезней». Google, стремясь обогнать конкурентов в гонке за максимальное контекстное окно и мультимодальность, пока не обеспечила стабильность базового поведения. Для обычных пользователей это означает необходимость критически относиться к ответам Gemini, особенно в ответственных задачах. Для разработчиков — это сигнал, что при интеграции Gemini в свои продукты нужно закладывать дополнительную логику проверки.
В то же время, сама история автора — отличный пример того, как сообщество может выявлять скрытые проблемы и заставлять компании их исправлять. Возможно, уже в ближайшие недели Google выпустит патч, который «вылечит» Gemini от раздвоения личности. А пока — будьте бдительны и не доверяйте моделям на слово, даже если они представляются «последней версией».
Комментарии