в работе представлены результаты исследования возможностей анализа изображений, которые широкому кругу пользователей предоставляют два нейросетевых сервиса: ChatGPT-5 mini и DeepSeek-3.1 Thinking. Для этих сервисов в соответствии с новой методикой и на уникальной экспериментальной базе оценивалось качество формирования признаковых описаний и выявления аналогий при предъявлении всего четырех обучающих примеров для каждого из двух классов. В экспериментах из 93 предложенных уникальных и автоматически сгенерированных модифицированных тестов Бонгарда ChatGPT-5 mini успешно справился с 15 (16,1%), а DeepSeek-3.1 Thinking — с 17 (18,3%) тестами. Обосновывается утверждение, что, несмотря на несомненные достижения в области решения задачи обучения по малому числу примеров, современная технология контекстного обучения мультимодальных нейросетевых трансформеров имеет принципиальные ограничения.

we studied the image analysis capabilities of two widely used neural network services: ChatGPT-5 mini and DeepSeek-3.1 Thinking. We measured the quality of feature generation and analogy matching using a new methodology and a unique experimental framework that employed all four training examples for each of two classes. In experiments with 93 proposed sounds and automatically generated Modified Bongard Tests, ChatGPT-5 mini completed 15 (16.1%) tests, and DeepSeek-3.1 Thinking completed 17 (18.3%). These results demonstrate that, despite clear progress in few-shot learning, current multimodal neural network transformers still face fundamental limitations in contextual learning.