Решение математических задач с помощью ChatGPT: новый подход к обработке математических проблем

ChatGPT решает математические задачи двумя разными способами, и путать их дорого. Он либо пишет вычисление словами — тогда цифра может быть выдуманной, — либо запускает Python и считает по-настоящему. Вся разница между «сошлось» и «сдал преподавателю чужую ошибку» держится на этом различии и на проверке ответа, которую делаете вы, а не модель.

Если вы еще не начали карьеру в IT, приходите на наш бесплатный вебинар, чтобы узнать, как начать зарабатывать с помощью зерокодинга и нейросетей!

Спрос огромный. В материале OpenAI от 10 марта 2026 года сказано: «Еженедельно 140 миллионов человек используют ChatGPT, чтобы разбираться в математических и научных концепциях». Там же анонсированы интерактивные визуальные объяснения более чем для 70 ключевых концепций — «доступны по всему миру на всех тарифных планах».

Подборки на запрос ChatGPT math обычно заканчиваются на «вставьте условие — получите ответ». Этот разбор — о другом: какой режим включить, каким промптом заставить модель считать кодом, где она ломается предсказуемо и как за минуту убедиться, что ответ верный. Все числовые примеры пересчитаны вручную.

Что ChatGPT умеет с математикой в 2026 году

Старый тезис «нейросеть не показывает шаги и не уточняет условие» устарел. С 9 июля 2026 года в ChatGPT работает семейство GPT‑5.6 — флагман Sol, сбалансированная Terra и самая дешёвая Luna. 30 июля 2026 года OpenAI снизила стоимость Luna на 80%, а Terra на 20%.

Для математики важнее не название модели, а уровень рассуждения. В переключателе пять позиций, и справка OpenAI описывает их так:

• Instant — быстрые ответы на повседневные вопросы на GPT‑5.5 Instant. Режим по умолчанию.
• Medium, High и Extra High — стандартное, расширенное и максимальное доступное рассуждение, все три на GPT‑5.6 Sol.
• Pro — GPT‑5.6 Sol Pro для сложных задач и длительных сценариев.

Разница принципиальная: Instant отвечает первым правдоподобным текстом, режимы с рассуждением тратят время на перебор и самопроверку. На платных тарифах ChatGPT может сам поднять уровень до Medium на сложном запросе — это включается пунктом Configure в переключателе. И то, о чём подборки молчат: режимы рассуждения доступны не всем.

На Free и Go GPT‑5.6 Sol в обычных диалогах не выдают вовсе, незалогиненным — тем более. На Go отдельный режим Thinking включается кнопкой «+» в поле ввода: 10 сообщений каждые 5 часов, и работает он не на GPT‑5.6 Sol. Лимит Instant на Plus и Go — 160 сообщений каждые 3 часа, дальше диалог уходит на GPT‑5.5 Instant mini. А при исчерпании лимита рассуждения ChatGPT может продолжить на GPT‑5.4 Thinking mini: ответ придёт, но считать его будет другая модель. Актуальную таблицу доступа OpenAI держит в справке.

ОНЛАЙН-ПРАКТИКУМ

ЗАПУСК нейросети DEEPSEEK R1 ЛОКАЛЬНО НА СВОЕМ КОМПЬЮТЕРЕ

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
• Где и как применять? Потестируем модель после установки на разных задачах
• Как дообучить модель под себя?

Участвовать бесплатно

Написать вычисление и выполнить вычисление — не одно и то же

Языковая модель подбирает следующий фрагмент текста. Когда она «делит 1274 на 869», она не запускает деление — она порождает строку, похожую на результат деления. Обычно похожая строка совпадает с верной. Иногда нет, и ошибка выглядит так же уверенно, как правильный ответ.

Поэтому у OpenAI есть отдельный инструмент, который превращает текст в настоящее вычисление. В документации: «Инструмент Code Interpreter позволяет моделям писать и запускать код на Python в изолированной среде для решения сложных задач в таких областях, как анализ данных, программирование и математика». Справка ChatGPT говорит то же: «Для некоторых задач анализа данных ChatGPT пишет и запускает код на Python в среде Jupyter‑ноутбука с сохранением состояния».

Вывод: ответ кодом и ответ текстом — два разных уровня доверия. Первый воспроизводим, второй нет. Как отличить их в интерфейсе:

• есть блок кода, который модель выполнила, и результат под ним — считал интерпретатор;
• только текст и формулы, пусть и с подробным разбором по шагам, — считала модель, цифру нужно проверять;
• код показан, но не запущен, а «ответ приведён» — это по‑прежнему текст.

Нюанс: среда Python в ChatGPT изолирована и, по справке, «не может выполнять внешние веб‑запросы или обращения к API». Данные для расчёта нужно загрузить файлом или вписать в промпт — за курсом валюты она в интернет не сходит.

И строка из той же справки, которая стоит всей статьи: «Когда ChatGPT использует Python для анализа, просмотрите сгенерированный код, результаты и допущения, прежде чем полагаться на результат». Это инструкция производителя, а не осторожность обозревателя: даже честно посчитанный код может считать не то, что вы имели в виду — не тот столбец, не ту формулу, не то допущение об округлении.

Где модель врёт предсказуемо: пять классов ошибок

Ошибки нейросети в расчётах — не случайный шум, а несколько повторяющихся классов, и их измеряли. В препринте arXiv «The ORCA Benchmark: Evaluating Real-World Calculation Accuracy in Large Language Models» (ноябрь 2025) пять передовых систем — ChatGPT‑5, Gemini 2.5 Flash, Claude Sonnet 4.5, Grok 4 и DeepSeek V3.2 — прогнали через 500 задач на естественном языке из финансов, физики, здоровья и статистики, сверяя ответы с расчётным движком Omni. В абстракте: системы «достигли лишь 45–63% точности», а главные источники ошибок — округление (35%) и ошибки вычисления (33%). Сильнее модели показали себя в математике и инженерии, слабее — в физике и естественных науках.

Это один бенчмарк, а не приговор категории. Но он хорошо описывает, чего ждать. Пять мест, где ломается чаще всего:

1. Длинная арифметика без кода. Умножение многозначных чисел, суммы рядов, проценты в несколько шагов. Модель воспроизводит «форму» ответа с правильным порядком и правдоподобными первыми цифрами, а середина числа плывёт.
2. Округление. Самый частый класс в ORCA. Модель округляет промежуточный результат, дальше считает от округлённого — и расхождение на выходе уже заметное. Особенно больно в деньгах и в физике с единицами измерения.
3. Условие, прочитанное не полностью. Задача с двумя случаями, ограничением «при x > 0» или оговоркой в последнем предложении. Модель решает привычную версию — ту, что чаще встречалась в обучении.
4. Значения с картинки. Справка OpenAI предупреждает: ChatGPT «может ненадёжно извлекать точные значения из таблиц‑изображений, отсканированных файлов или файлов со сложной визуальной вёрсткой». Ошибка распознавания проходит через безупречное решение и портит ответ.
5. Символьные преобразования и доказательства. Формально верные с виду выкладки с пропущенным шагом. Ответ бывает правильным, а вывод к нему негодным — для учебной работы это хуже неверного ответа.

Общее у всех пяти: ошибка не выглядит как ошибка. Модель не понижает уверенность в тоне, когда ошибается. Поэтому вопрос не «доверять или нет», а какой процедурой проверять каждый ответ.

Промпты, которые заставляют считать, а не сочинять

Разница между «ChatGPT ошибся в арифметике» и «ChatGPT посчитал верно» чаще лежит не в модели, а в формулировке запроса.

1. Базовый: считать кодом, а не текстом. Пример системной инструкции для математики из документации OpenAI: «You are a personal math tutor. When asked a math question, write and run code using the python tool to answer the question». Модель знает Code Interpreter именно как «python tool» — этой формулировкой его и вызывают надёжнее всего.

2. Аудит чужого решения. Самый недооценённый сценарий: не решать, а искать ошибку.

Что убрать из промпта: «реши быстро», «просто дай ответ», «без лишних объяснений». Они отключают то, за счёт чего модель считает правильно, — развёрнутый вывод и промежуточные проверки.

Протокол проверки ответа: четыре хода за минуту

Четыре хода от самого дешёвого к самому дорогому; первого хватает в большинстве случаев.

Ход 1. Подстановка в исходное условие. Проверка не решения, а ответа: вернуть число в условие и убедиться, что равенство выполняется. Понимания метода не требует, поэтому доступна всегда.

Ход 2. Прикидка порядка. Округлите входные числа до одной значащей цифры и посчитайте в уме. Ответ модели отличается от прикидки в разы — ошибка есть. Пример: нужно 1274 × 869. Прикидка: 1300 × 870 = 1 131 000. Точное значение — 1 107 106: считаем 1274 × 800 = 1 019 200, затем 1274 × 69 = 87 906, складываем. Прикидка отличается от точного примерно на 2,2% — это норма. А вот ответ вида «110 710» или «11 071 060» она ловит мгновенно.

Ход 3. Обратное действие. Разложили на множители — раскройте скобки; взяли производную — проинтегрируйте; нашли процент — верните исходную величину. Пример: модель разложила x² − 5x − 14 на (x − 7)(x + 2). Раскрываем: x² + 2x − 7x − 14 = x² − 5x − 14. Сошлось. Тот же результат даёт подстановка корней 7 и −2 в исходный трёхчлен: 49 − 35 − 14 = 0 и 4 + 10 − 14 = 0.

Ход 4. Независимый пересчёт. Попросите пересчитать заново — в чистом диалоге и другой формулировкой. Просить «проверь себя» в том же окне почти бесполезно: модель видит свой предыдущий ответ и склонна его подтверждать. Ещё надёжнее сверить с инструментом другой природы: калькулятором, формулой в таблице, движком символьных вычислений.

Пункт 5 промпта №1 закрывает первый ход автоматически. Модель его не выполнила — считайте, что ответа нет.

Четыре разбора: задача, ответ, проверка

Числа пересчитаны вручную, повторить можно на бумаге.

Уравнение: подстановка закрывает вопрос за 15 секунд

Условие: 7x − 4 = 3x + 26. Решение: 7x − 3x = 26 + 4, значит 4x = 30 и x = 7,5.

Проверка подстановкой. Левая часть: 7 × 7,5 − 4 = 52,5 − 4 = 48,5. Правая: 3 × 7,5 + 26 = 22,5 + 26 = 48,5. Равенство выполняется — ответ верный. Дробный корень как раз тот случай, где модель без кода любит «дотянуть» ответ до красивого целого.

Проценты: каскад скидок — не сумма скидок

Условие: товар стоил 12 000 ₽, сначала подешевел на 20%, потом ещё на 15%. На сколько процентов он подешевел всего?

Очевидный и неверный ответ: 20 + 15 = 35%.

Верный счёт: 12 000 × 0,8 = 9 600 ₽ после первой скидки; 9 600 × 0,85 = 8 160 ₽ после второй. Итоговая скидка: (12 000 − 8 160) / 12 000 = 3 840 / 12 000 = 0,32, то есть 32%, а не 35%. По ответу «35%» цена вышла бы 12 000 × 0,65 = 7 800 ₽ — разница 360 ₽.

Проверка обратным действием: 12 000 × (1 − 0,32) = 12 000 × 0,68 = 8 160 ₽. Сошлось.

НДС: округление, из-за которого расходится вся таблица

Условие: в счёте 1 000 ₽ с НДС 20%. Какая сумма без НДС? Частая ошибка — посчитать 1 000 × 0,2 = 200 и вычесть: 800 ₽. Так считается НДС сверху, а не внутри суммы.

Верно: 1 000 / 1,2 = 833,3333… ≈ 833,33 ₽ без НДС, сам налог 1 000 − 833,33 = 166,67 ₽. Проверка: 833,33 + 166,67 = 1 000,00 ₽. Расхождение с неверным вариантом — 33,33 ₽ на каждой тысяче. Округление здесь и есть первая по частоте причина ошибок из ORCA — отсюда правило промпта: округлять только на последнем шаге.

Геометрия: формула Герона и почему ответ должен быть целым

Условие: найти площадь треугольника со сторонами 13, 14 и 15.

Полупериметр: (13 + 14 + 15) / 2 = 21. Формула Герона даёт корень из 21 × (21 − 13) × (21 − 14) × (21 − 15) = 21 × 8 × 7 × 6.

Считаем подкоренное выражение: 21 × 8 = 168, 168 × 7 = 1 176, 1 176 × 6 = 7 056. Корень из 7 056 равен 84 ровно, потому что 84 × 84 = 7 056.

Проверка вторым методом: у этого треугольника высота к стороне 14 равна 12, значит площадь = 14 × 12 / 2 = 84. Два независимых способа сошлись — ответ верный. А вот «примерно 84,3» означало бы, что модель извлекала корень приблизительно, а не заметила точный квадрат: дальше по задаче такое «почти» накапливается.

Что общего у всех четырёх разборов

Ни разу проверка не потребовала знать метод решения лучше модели. Подстановка, обратное действие, прикидка и второй способ — операции уровня арифметики. Поэтому они и работают: вы не соревнуетесь с нейросетью в решении, вы ловите её на несовпадении двух чисел, которые обязаны совпасть.

Задача с фото, таблицы и графики

Самый популярный сценарий — сфотографировать страницу учебника и отправить в чат. Он работает, но узкое место у него не в математике.

Все актуальные модели OpenAI принимают изображение на вход: у GPT‑5.6 Sol в документации в списке модальностей значатся текст и изображение. Распознать условие модель может — вопрос в точности, и справка ChatGPT сама предупреждает о ненадёжном извлечении значений из сканов и таблиц‑картинок. Цифру 8 она способна прочитать как 3, а показатель степени — потерять; дальше безупречное решение честно доводит эту ошибку до ответа.

Отсюда правило: после фото первым делом попросите продиктовать условие текстом и сверьте его с оригиналом. Тридцать секунд сверки снимают целый класс ошибок, который иначе не отличить от математической.

Поддерживаемые типы файлов для анализа данных: .xls, .xlsx и .csv, PDF, а также .json, .xml, .yaml, .txt и .md — набор зависит от модели, тарифа и настроек рабочего пространства. Для расчётов по таблице это лучший путь: значения приходят числами, а не пикселями.

С графиками благополучнее, чем в старых обзорах. ChatGPT строит статические графики как изображения, а для столбчатых, линейных, круговых и точечных диаграмм доступен интерактивный режим — кнопка «Switch to interactive chart». В марте 2026 года OpenAI добавила интерактивные визуальные объяснения более чем для 70 концепций: меняешь переменные — сразу видишь, как меняются графики и результат. Так что «нейросеть не умеет работать с графиками» сегодня неверно. Неверно и обратное: график наследует ошибки данных, из которых построен.

Когда доверять ответу, а когда перепроверять обязательно

«Доверие» здесь — вероятность получить верный ответ с первого раза при грамотном промпте, а не гарантия.

Последняя строка недооценена. Часто надёжнее просить не ответ, а программу, которая его считает: код можно прочитать, прогнать на контрольном примере и переиспользовать, а разовая цифра из чата не проверяется ничем. Как ставить задачу на код, разобрано отдельно.

Дата знаний модели. У GPT‑5.6 Sol в документации указан порог знаний 16 февраля 2026 года. На чистую математику это не влияет, но на задачах со ставками, нормативами и коэффициентами свежие данные нужно давать в промпте.

Второе мнение. Ход «независимый пересчёт» работает лучше всего, когда второй счёт делает система другой архитектуры; здесь пригодится сравнение рассуждающих и обычных моделей DeepSeek.

Готовитесь к экзаменам — посмотрите разбор нейросети для подготовки к экзаменам; нужен режим постоянного наставника — материал про ИИ‑тьютора. Интересны нейросети и хотите разобраться в их архитектуре? Рекомендуем записаться на курс «Нейросети: от принципов к практике» у нас на Зерокодере.

Частые вопросы

Может ли ChatGPT ошибиться в простой арифметике?

Да. Без вызова кода модель порождает результат вычисления как текст, а не выполняет само вычисление. В препринте arXiv «The ORCA Benchmark» (ноябрь 2025) пять передовых систем на 500 прикладных задачах показали 45–63% точности: 35% ошибок пришлось на округление, 33% — на ошибки вычисления. Лечится просьбой считать через python tool и проверкой ответа подстановкой.

Какой режим ChatGPT выбрать для математики?

Режим с рассуждением, а не Instant: Medium, High и Extra High на GPT‑5.6 Sol, а также Pro на GPT‑5.6 Sol Pro. По справке OpenAI, Medium и High доступны на Plus, Pro, Business и Enterprise; Extra High и Pro — на Pro, Business и Enterprise. На Free и Go GPT‑5.6 Sol в обычных диалогах не выдаётся.

Как заставить ChatGPT считать точно?

Попросить выполнить вычисления «python tool»: в документации OpenAI сказано, что модель знает Code Interpreter именно под этим именем, и такая формулировка вызывает его надёжнее всего. Инструмент пишет и запускает код на Python в изолированной среде — в ChatGPT это Jupyter‑ноутбук с сохранением состояния. Внешних веб‑запросов среда делать не может, поэтому данные нужно загрузить файлом или вписать в промпт.

Можно ли решать задачи по фотографии?

Можно: актуальные модели принимают изображение на вход. Но справка ChatGPT предупреждает, что сервис может ненадёжно извлекать точные значения из таблиц‑изображений, сканов и файлов со сложной вёрсткой, и рекомендует загружать таблицу или текстовый файл. Поэтому после фото сначала попросите продиктовать условие текстом и сверьте с оригиналом.

Как проверить ответ ChatGPT по математике?

Четырьмя ходами. Подставить ответ обратно в условие и убедиться, что равенство выполняется. Прикинуть порядок величины на округлённых числах. Выполнить обратное действие — раскрыть скобки, проинтегрировать, вернуть исходную величину. Если сомнения остались — пересчитать в новом диалоге другой формулировкой. OpenAI и сама рекомендует просматривать сгенерированный код, результаты и допущения, прежде чем полагаться на результат.

Коротко

ChatGPT в 2026 году — сильный помощник по математике при двух условиях. Первое: включён режим с рассуждением, а вычисления идут через Code Interpreter, то есть выполняются кодом, а не пересказываются текстом. Второе: ответ проверен подстановкой или прикидкой — это тридцать секунд работы.

Тезисы «не показывает шаги», «не уточняет условие», «не работает с графиками» продукту больше не соответствуют. Что осталось верным и подтверждается измерениями вроде бенчмарка ORCA: без кода модель ошибается в арифметике — и делает это уверенным тоном. Разница между «нейросеть решает задачи» и «нейросеть решает мои задачи правильно» — это привычка проверять.