ainews
Инженер проверил GPT-5.6 на 70-страничном пакете сварочной документации — и впервые поверил в AI-ассистентов
Инженер поручил GPT-5.6 Thinking High проверить 70-страничный пакет сварочной документации с десятками спецификаций, таблиц и кросс-ссылок. Модель 5 минут думала, а затем выдала детальный разбор каждой спецификации, нашла опечатки в символах переменных, параметры TIG, скопированные в строки SMAW, несуществующие номера документов и расхождения между таблицами — именно те мелкие ошибки, которые проскакивают через человеческие проверки.
Это пример реального применения GPT для задач, где нужна не скорость ответа, а глубина проверки. Если модель действительно находит ошибки, которые проскакивают через человеческие ревью, это меняет экономику комплаенс-процессов в инженерии и других областях с объёмной документацией.
GPT-5.6 справился с реальной инженерной задачей
Инженер решил проверить возможности GPT-5.6 Thinking High на задаче, далёкой от типичного «суммаризируй PDF». Речь о проверке 70-страничного пакета сварочной документации — десятки спецификаций процедур (WPS), записи квалификации (PQR), таблицы диапазонов, требования к материалам, толщинам, позициям сварки и стандарты RCC-M 2007 / ISO 15614-1.
Задача: проверить каждую спецификацию, каждую квалификацию, сверить диапазоны, найти несоответствия между таблицами и документами. Это не пересказ — это полноценный аудит с пересчётом параметров и поиском ошибок.
Что получилось
Модель думала ~5 минут, затем выдала детальный разбор:
- 17 PQR проверены индивидуально — для каждого пересчитаны диапазоны квалификации по толщине и диаметру, сверены с заявленными.
- 29 WPS проверены — каждая сопоставлена с поддерживающей PQR.
- Найдены тонкие несоответствия между разными частями документа:
Примеры находок:
- Несовпадение сварочных позиций — в двух WPS для ручного TIG-корня указана дополнительная позиция, отсутствующая в диапазоне PQR.
- Неправильная переменная — в WPS для углового шва использован символ e для угла ветви, хотя e уже занят под толщину. Нужен был α. Плюс неверное обозначение соединения.
- Параметры TIG в строках SMAW — в двух WPS, где часть шва делается TIG, а часть SMAW, в строках SMAW остались: защитный газ аргон, вольфрамовый электрод, диаметр электрода TIG и неправильная полярность. Типичная ошибка копипаста шаблонов.
- Опечатка в толщине образца — в одной таблице указано 4.17 мм, в другой месте верхний предел 9.42 мм, в самой PQR — 4.71 мм. GPT заметил: 4.71 × 2 = 9.42, значит опечатка именно в 4.17.
- Несуществующий номер WPS — сводная таблица ссылается на общий номер WPS, но в пакете есть только варианты с суффиксами. Общего документа нет. Плюс таблица описывает весь диапазон PQR, а реальные WPS ограничены конкретными размерами труб.
- «Углеродистая сталь» в PQR для нержавейки — PQR явно для аустенитной нержавеющей стали, но на странице квалификации написано «применимо к углеродистым сталям». Ошибка шаблона.
Почему это важно
Находки — не общие фразы, а конкретика:
- «Этот символ в WPS противоречит определению переменной в другом месте».
- «В этой строке SMAW остались параметры TIG».
- «Этот номер WPS из индекса не существует».
- «Это число в таблице противоречит PQR, и расчёт квалификации подтверждает, какое из них ошибочное».
Модель явно проходила документ как задачу, а не просто формировала общее понимание PDF.
Честность модели
GPT чётко разделил, что можно проверить (соответствие диапазонов, расчёты, кросс-ссылки), а что нет (отсутствующие протоколы испытаний, детальные записи сварки). Не додумывал, где данных нет.
Вывод автора: впервые модель действительно изменила его понимание того, на что способны LLM в реальной профессиональной работе со сложными структурированными документами.
Ключевые выводы
- GPT-5.6 Thinking High способен на детальный аудит сложных технических документов, а не только на поверхностное Q&A
- Модель находит тонкие несоответствия между разными частями документа — ошибки копипаста, неверные переменные, несуществующие ссылки
- Ключевое отличие от обычного саммари: модель «проходит документ как задачу», пересчитывает параметры и сверяет таблицы
- GPT честно разделяет, что может проверить по имеющимся данным, а где информации недостаточно — не додумывает
- Такие задачи требуют времени (~5 минут обработки), но результат сопоставим с работой специалиста по комплаенсу
Автор: Павел Заславский · Источник: reddit.com
**Это один из тех кейсов, после которых начинаешь верить в «AI-ассистентов» всерьёз.** Обычно, когда говорят «GPT помог с документами», речь о саммари или поиске по тексту. Тут другое: модель пересчитывала диапазоны квалификации, сверяла таблицы с исходными спецификациями, ловила ошибки копипаста в шаблонах — именно те мелочи, которые проскакивают через человеческие проверки, потому что скучно и муторно.
Да, она думала 5 минут. Но результат — как будто опытный инженер-комплаенс прошёлся по документу с калькулятором и маркером. **Ключевой момент: модель не выдавала общие фразы** вроде «проверьте соответствие стандартам», а конкретно указывала «в строке 12 WPS №7 стоит символ *e* для угла, хотя он уже занят под толщину, нужен *α*». Это меняет восприятие — от «умного поисковика» к «коллеге, который реально читает и думает». Вопрос теперь не «может ли GPT помочь с документами», а «готовы ли компании платить за вычисления, которые занимают минуты, но экономят дни ревью».
Комментарии