ChatGPT составил допустимое расписание, нашёл минимальный ремонт с четырьмя изменениями и правильно распознал сценарий без решения. DeepSeek справился с исходной программой, но на следующих двух этапах предложил недопустимые варианты. При этом в объяснении ChatGPT к минимальному ремонту есть неточное утверждение, поэтому качество расписания и строгость аргумента мы оценивали отдельно.
Тест проведён 24 октября 2026 года: три задания, два сервиса, шесть первых ответов без регенераций и исправляющих запросов. В ChatGPT использовалась отображаемая модель GPT-6 с режимом Medium. Версия DeepSeek в интерфейсе не указана; DeepThink и Search выключены.
Программа конференции может выглядеть аккуратно и всё равно оказаться невыполнимой. Два выступления попали в одну аудиторию, у докладчика нет времени перейти между залами, а перенос одной сессии создал конфликт у общей группы слушателей. Поэтому при составлении расписания важны проверяемые условия и понятное правило, какие изменения считать лишними.
Для сравнения ChatGPT и DeepSeek мы подготовили учебную конференцию из 12 выступлений в трёх аудиториях. В ней нужно составить допустимую программу, исправить одну изменившуюся доступность с минимумом переносов и определить, когда условия уже невозможно выполнить. Во всех трёх случаях правильность можно проверить независимо от объяснения нейросети.
Похожая задача возникает у организатора небольшой конференции, внутреннего учебного дня или нескольких параллельных мастер-классов. У каждого выступления есть продолжительность, подходящие аудитории и доступность докладчика. Некоторые события нельзя ставить одновременно, потому что на них ждут одних и тех же участников. После изменения программы желательно сохранить как можно больше уже объявленных назначений.
В нашем примере стоимость изменения равна одному перенесённому выступлению. Если у него изменились и начало, и аудитория, оно всё равно считается один раз. Это удобная, но условная мера: в реальном мероприятии перенос ключевого доклада может быть дороже переноса небольшой секции. Такую разницу придётся заранее задать отдельными весами. Здесь её нет.
Все темы, докладчики и условия вымышлены. Конференция идёт с 09:00 до 13:00. Начала выступлений разрешены по десятиминутной сетке. Общий перерыв с 10:50 до 11:10 обязателен во всех трёх аудиториях.
| Условие | Как оно задано |
|---|---|
| Объём программы | 12 выступлений по 30, 40 или 50 минут; аудитории A, B и C |
| Подготовка аудитории | Между последовательными выступлениями в одном зале не менее 10 минут |
| Доступность | Всё выступление должно помещаться в указанное окно докладчика |
| Повторяющиеся докладчики | T02 и T11 ведёт один человек, T03 и T09 другой; между выступлениями одного человека нужно 10 минут |
| Общие слушатели | T02 не пересекается с T05, T03 не пересекается с T08 |
| Порядок выступлений | T09 заканчивается не позже начала T12; T07 заканчивается не позже начала T08 |
| Подходящие залы | Для каждого выступления задан исчерпывающий список разрешённых аудиторий |
Конец одного интервала может совпадать с началом другого, если для этой пары не задан дополнительный буфер. Например, для общей группы слушателей достаточно отсутствия пересечения. Для одной аудитории или одного докладчика остаётся требование десятиминутного промежутка. Общий перерыв может обеспечить такой промежуток; отдельный буфер до первого или после последнего выступления не нужен.
Эти детали задаются явно. Иначе два внешне разумных расписания могут опираться на разные предположения, и сравнивать ответы будет нечестно. Полный набор содержит точные длительности, окна и разрешённые аудитории для всех 12 ID.
Полные тексты трёх заданий и шесть нормализованных ответов приложены к редакционному пакету. Для каждого этапа сохранены все исходные условия. Указанные ниже контрольные решения подготовлены до запросов и моделям не передавались.
В первом задании нужен любой вариант программы, который выполняет все жёсткие условия. Мы не просим закончить конференцию как можно раньше, равномерно загрузить аудитории или свести число пауз к минимуму. Добавление такого критерия изменило бы задачу.
Проверка начинается с полноты: в ответе должны присутствовать все 12 ID ровно по одному разу. Затем для каждой строки сверяются начало, конец, длительность, разрешённый зал и доступность. После этого проверяются конфликты между строками, общий перерыв и порядок зависимых выступлений.
У этапа есть несколько допустимых решений. Расписание не обязано повторять контрольный образец. Если нейросеть выбрала другие часы или аудитории и не нарушила ни одного условия, такой результат засчитывается. Заявление «все ограничения учтены» само по себе ничего не подтверждает.
На первом этапе оба сервиса справились. Валидатор подтвердил все 12 назначений ChatGPT и все 12 назначений DeepSeek: ни одно жёсткое условие не нарушено. Расписания при этом разные. Например, ChatGPT поставил T05 в C с 09:00 до 09:40 и T10 в B с 10:00 до 10:50. DeepSeek оставил T05 в B с 09:00 до 09:40 и T10 в C с 09:40 до 10:30. Оба варианта разрешены.
Во втором задании оба сервиса получают одно и то же заранее подготовленное расписание. Результат первого этапа сюда не переносится. Это важно: ошибочное начальное расписание одной модели не должно делать её следующую задачу сложнее.
Меняется только доступность T01. Раньше это 50-минутное выступление можно было поставить между 09:00 и 10:50, теперь только между 09:50 и 10:50. Все остальные окна, длительности, ограничения и зависимости остаются прежними. Нужно выдать полную новую программу, назвать изменённые ID и объяснить, почему меньшего числа переносов недостаточно.
Контрольный минимум для нашего набора равен четырём изменённым выступлениям. Это эталон задачи, рассчитанный до ответов сервисов, а не результат ChatGPT или DeepSeek. Один допустимый ремонт выглядит так:
| ID | Было | Стало |
|---|---|---|
| T01 | A, 09:00–09:50 | A, 09:50–10:40 |
| T02 | A, 10:00–10:40 | A, 09:00–09:40 |
| T05 | B, 09:00–09:40 | B, 10:00–10:40 |
| T06 | B, 09:50–10:40 | B, 09:00–09:50 |
Остальные восемь выступлений в этом контрольном варианте сохраняют свои назначения. Четыре изменения получаются не случайно. Новое окно вынуждает перенести T01. Оно занимает время прежнего T02 в аудитории A, поэтому T02 придётся поставить раньше. Раннее T02 пересекается с прежним T05, а у этой пары общие слушатели.
После переноса T02 выступление T05 может начинаться не раньше 09:40 и не позже 10:10. В этот промежуток его 40 минут не помещаются ни в B при неизменном T06, ни в C при неизменном T10. Значит, помимо T01, T02 и T05 нужно изменить хотя бы ещё одно выступление. Показанный вариант достигает этой нижней границы, поэтому четыре изменения действительно минимальны.
Допустим и другой оптимальный вариант. Проверка не требует повторить именно этот список из четырёх ID. Важно соблюсти все условия и получить фактическую цену четыре. Если модель объявила три переноса, но создала конфликт или пропустила выступление, это не более удачная оптимизация.
ChatGPT выдал ровно такой допустимый ремонт: изменены T01, T02, T05 и T06, фактическая и заявленная цена равна четырём. Все остальные выступления сохранили время и аудиторию. По результату это оптимальное решение.
В доказательстве есть неточность. ChatGPT написал, что T02 обязательно должно переместиться на 09:00–09:40. Но при T01 с 10:00 до 10:50 допустим и вариант T02 с 09:10 до 09:50: между ними остаётся десятиминутный интервал. Мы проверили такой контрпример отдельно. Сам минимум четыре сохраняется, однако необходимость единственного старта T02 в 09:00 не доказана и фактически неверна. Поэтому правильный оптимальный результат здесь не означает безупречного объяснения.
В JSON DeepSeek изменено только T01: A, 09:50–10:40. T02 осталось в той же аудитории с 10:00 до 10:40. Получилось 40 минут одновременной занятости A. Поле move_count со значением 1 правильно описывает число изменённых строк, но не делает это расписание допустимым.
Внутри того же первого ответа DeepSeek заметил пересечение и несколько раз пересмотрел вариант в пояснении. Последнее предложение меняет T01 и T06 местами между аудиториями: T01 переносится в B на 09:50–10:40, T06 в A на 09:00–09:50. Мы проверили и эту позднюю версию, а не ограничились ранним JSON. Она тоже недопустима: T01 разрешено проводить только в A. Заключение о минимуме двух изменений опирается на запрещённую аудиторию.
Последний сценарий начинается заново с исходных условий. Для T01, T06 и T10 доступность заменяется на 09:50–10:50. Кроме того, T10 теперь разрешено только в A или B. Остальные условия сохраняются.
У этого варианта нет допустимого расписания. Каждое из трёх названных выступлений длится 50 минут, а общее окно составляет 60 минут. Вместе им доступны только две аудитории. В одной аудитории два таких выступления с обязательным промежутком требуют 50 + 10 + 50 = 110 минут. Поэтому за отведённый час две аудитории вместят не больше двух из трёх выступлений.
Это проверяемое противоречие, для которого не нужно разбирать оставшиеся девять сессий. Нейросеть должна назвать невозможность и объяснить её. Сократить доклад, отменить выступление, использовать запрещённую аудиторию или продлить конференцию можно предложить как отдельное изменение задания, но нельзя выдать за решение исходных условий.
Простое «расписание невозможно» показывает верное распознавание, однако не выполняет требование доказательства. При этом правильное объяснение не обязано совпадать с нашим дословно: достаточно другого конкретного и логически достаточного противоречия.
ChatGPT правильно сообщил, что решения нет. Он выделил T01, T06 и T10: каждое может начаться только в 09:50 или 10:00, поэтому все три неизбежно пересекаются. После назначения T01 в единственную разрешённую A двум оставшимся выступлениям пришлось бы одновременно занять B. Это достаточное доказательство, совпадающее с контрольным выводом по смыслу.
DeepSeek вместо невозможности вернул status: feasible и ещё одно расписание. В нём сразу несколько содержательных нарушений. Например, T06 стоит с 10:50 до 11:40, хотя его доступность заканчивается в 10:50 и в 10:50–11:10 действует общий перерыв. T12 заканчивается в 13:20 при закрытии конференции в 13:00.
| Фрагмент ответа DeepSeek | Нарушенное условие |
|---|---|
| T02 и T05 идут 09:00–09:40 | У этой пары общие слушатели, пересечение запрещено |
| T06 идёт 10:50–11:40 | Вне новой доступности и внутри общего перерыва |
| T03 в B до 12:00, T08 в B с 12:00 | Нет обязательных 10 минут между выступлениями в одном зале |
| T07 до 12:30, T08 с 12:00 | T07 должно закончиться не позже начала T08 |
| T12 заканчивается в 13:20 | Выход за день конференции и доступность до 13:00 |
Всего валидатор отметил десять нарушений проверок. Мы не считаем их десятью независимыми ошибками: один интервал может одновременно нарушать доступность и общий перерыв. Уже любого из приведённых конфликтов достаточно, чтобы отклонить расписание.
До внешних запросов мы закрепили входные данные, эталоны и правила проверки. Отдельная программа перебрала допустимые размещения по заданной сетке. Она нашла решение первого этапа, подтвердила отсутствие ремонта ценой от нуля до трёх и нашла вариант с четырьмя изменениями. Для третьего этапа перебор подтвердил невозможность.
Другая реализация проверяет уже готовое расписание: состав выступлений, интервалы, разрешённые аудитории, доступность, буферы, общих слушателей и зависимости. Она не использует поисковый код решателя. Перед сравнением контрольные ответы и искусственно испорченные варианты прошли 32 автоматические проверки. Это проверка нашего инструментария, не 32 испытания нейросетей и не сторонний аудит.
В серии получено шесть первых ответов: по одному на каждый из трёх этапов в каждом сервисе. Каждый запрос начинался в отдельном новом обсуждении. Текст задания внутри пары совпал побайтово; ответы другого сервиса и контрольные решения моделям не передавались. По журналу отправок регенераций и исправляющих подсказок не было.
| Условие серии | ChatGPT | DeepSeek |
|---|---|---|
| Дата | 24 октября 2026 | 24 октября 2026 |
| Отображаемая модель | GPT-6 | Точная версия не показана |
| Режим | Medium | DeepThink выключен |
| Поиск и внешние инструменты | В серии не использовались | Search выключен; внешние инструменты не использовались |
| Контекст | Новое обычное обсуждение на каждый этап | Новое обычное обсуждение на каждый этап |
| Полученные первые ответы | 3 из 3 | 3 из 3 |
Это подписи и состояния пользовательских интерфейсов, а не установленные версии серверных моделей. Память и персонализация аккаунтов полностью не исключены: мы не меняли настройки аккаунтов. Поэтому новые чаты снижают влияние предыдущего обсуждения, но не гарантируют одинаковый внутренний контекст двух продуктов. Тарифы и постоянные числовые квоты в этой серии не установлены; сравнения бесплатности и стоимости здесь нет.
Формат ответа проверяли отдельно от содержания. В одном ответе ChatGPT JSON был обёрнут в блок Markdown; ещё в двух кнопка копирования добавила HTML-обозначения пробелов и экранирование переносов строк. Мы убрали только это оформление и сверили полученные объекты с отображаемым текстом. Значения времени, аудиторий и списки ID не исправляли. Все шесть нормализованных ответов совпали с соответствующими отображаемыми JSON по содержанию.
У трёх этапов разные критерии успеха. Первый проверяет допустимость, второй добавляет минимальную цену изменений, третий требует распознать противоречие. Общий балл может скрыть важную разницу: сервис способен хорошо составить программу, но плохо объяснить невозможность или не найти минимальный ремонт. Поэтому результаты нужно рассматривать по этапам.
| Сервис и этап | Результат проверки | Объяснение |
|---|---|---|
| ChatGPT 1 | Допустимое расписание из 12 выступлений | Соответствует расписанию |
| DeepSeek 1 | Допустимое расписание из 12 выступлений | Соответствует расписанию |
| ChatGPT 2 | Допустимый ремонт с минимальной ценой 4 | Неточность о единственно возможном начале T02 |
| DeepSeek 2 | JSON с одним изменением недопустим; поздний вариант с двумя тоже | В первом варианте пересечение, в последнем запрещённая аудитория |
| ChatGPT 3 | Верно распознана невозможность | Достаточное доказательство |
| DeepSeek 3 | Выдано недопустимое расписание вместо невозможности | Доказательства невозможности нет |
Один ответ на этап не измеряет вероятность успеха на всех расписаниях. Наблюдения относятся к конкретным входам, сессиям и видимым режимам. Здесь нет проверки больших конференций, выгрузки в календарь, часовых поясов, рассылки участникам или автоматического внесения изменений. Такие возможности требуют отдельных задач.
Организатору остаётся практический порядок работы: сначала перечислить жёсткие ограничения, затем отдельно определить стоимость изменения и проверить полный результат. Для небольшой программы можно сверить таблицу вручную; при большом числе выступлений полезен формальный решатель или независимая программная проверка. Любой найденный конфликт нужно устранить до того, как объявлять расписание участникам.
В этой серии ChatGPT оказался полезнее для ремонта программы и диагностики невозможности. DeepSeek успешно составил исходное расписание, но не сохранил все ограничения в двух следующих заданиях. При этом даже правильное решение ChatGPT потребовало отдельной проверки рассуждения о минимальности. Практический вывод для организатора: передавать модели точные условия и оценивать полный результат, включая промежуточные утверждения, до объявления программы участникам.
В отдельном материале мы разбирали ChatGPT Pro и DeepSeek на шести коротких проверяемых задачах. Здесь другой предмет: не поиск ответа на одну логическую головоломку, а изменение прикладного расписания с сохранением назначений и объяснением несовместимых условий.
ChatGPT Pro или бесплатный DeepSeek на шести проверяемых задачах
Если исходные данные уже собраны в таблицу и нужно проверить расчёты, дубли и экспорт, пригодится отдельное сравнение нейросетей для работы с таблицами.
