Кожен користувався хоча б одним із них. Siri встановлює ваші таймери. Alexa грає вашу музику. ChatGPT пише ваші електронні листи. А ще є OpenClaw, AI-агент із відкритим кодом, який останнім часом був усюди в новинах і робить щось принципово інше, ніж усі три попередники.

Усіх називають “AI-асистентами”, але технологія за кожним із них настільки різна, що групувати їх разом майже оманливо. Ця стаття пояснює, що насправді відбувається під капотом, як AI-асистенти еволюціонували від правил через мовні моделі до автономних агентів і що це означає для майбутнього.

Чотири гравці

Почнемо з того, чим кожен із них насправді є.

Siri це голосовий асистент Apple. Він живе у вашому iPhone, Mac, Apple Watch та HomePod. Ви кажете “Hey Siri”, і він відповідає на запитання, встановлює будильники, надсилає повідомлення та керує розумними домашніми пристроями. Його було запущено у 2011 році і, чесно кажучи, з того часу він мало змінився. Apple підтвердила, що велике AI-оновлення прийде у 2026 році, але його поки немає.

Alexa це голосовий асистент Amazon. Вона живе у колонках Echo та інших пристроях Amazon. Вона може грати музику, відповідати на запитання, керувати розумними домашніми пристроями та замовляти речі з Amazon. У лютому 2025 року Amazon запустив Alexa+, оновлену версію на базі великих мовних моделей.

ChatGPT це розмовний AI від OpenAI. Він працює у веббраузері або мобільному додатку. Ви друкуєте (або говорите), і він відповідає напрочуд плавними, детальними відповідями. Він може писати есе, пояснювати код, аналізувати зображення та підсумовувати документи. Новіші версії також можуть переглядати вебсторінки та запускати код в межах розмови.

OpenClaw це AI-агент із відкритим кодом. Він підключається до ваших месенджерів (WhatsApp, Telegram, Discord та багатьох інших) і створений для виконання дій: перегляд вебсторінок, керування файлами, запуск коду, керування розумними домашніми пристроями. Тоді як інші переважно розмовні, OpenClaw переважно операційний.

Чотири “AI-асистенти”. Але принципово різні технології, які роблять принципово різні речі.

Як вони насправді працюють?

Тут стає цікаво. Щоб зрозуміти, чому ці продукти відчуваються такими різними у використанні, потрібно зрозуміти, що відбувається за лаштунками.

Siri та стара Alexa: блок-схема

Коли ви запитуєте Siri “Яка погода в Берліні?”, відбувається наступне:

  1. Ваш голос перетворюється на текст (розпізнавання мовлення)
  2. Текст зіставляється зі списком відомих команд (“погода” + “Берлін” = намір погоди, місце = Берлін)
  3. Siri викликає API погоди з вхідними даними “Берлін”
  4. API повертає дані, і Siri зачитує заздалегідь написаний шаблон: “Зараз у Берліні 3 градуси”

Це класифікація намірів та заповнення слотів. Уявіть це як дуже складну блок-схему. Якщо користувач каже це, зроби те. У Siri тисячі таких блок-схем, кожна ретельно запрограмована інженерами Apple.

Проблема? Якщо ви запитаєте щось, що не відповідає жодній блок-схемі, Siri розсипається. “Гей Siri, чи варто мені взяти парасольку на завтрашню зустріч?” вимагає від Siri перевірити ваш календар, знайти місце зустрічі, перевірити прогноз погоди для цього місця на той час та оцінити, чи дощ достатньо ймовірний, щоб виправдати парасольку. Це не блок-схема. Це мислення. А мислення це саме те, чого Siri поки не вміє.

Alexa працювала так само роками. Її “навички” (еквівалент Alexa для додатків) по суті є тисячами окремих блок-схем, створених сторонніми розробниками. Нова Alexa+ додає мовну модель зверху, але базова архітектура в серці все ще залишається голосовою системою команд.

ChatGPT: передбачувач наступного слова

ChatGPT працює зовсім по-іншому. Він використовує те, що називається Великою мовною моделлю, або LLM. І розуміння LLM є ключем до розуміння всього, що зараз відбувається в AI.

Ось проста версія.

Уявіть, що ви прочитали кожну книгу, кожний вебсайт, кожну статтю та кожну розмову, що коли-небудь були написані англійською. Мільярди та мільярди сторінок. Після всього цього читання у вас розвинулася б досить добра інтуїція щодо того, як працює мова. Ви б знали, що після “Столиця Франції це …” майже напевно йде “Париж.” Ви б знали, що рецепт шоколадного торта, ймовірно, включає борошно, цукор, какао та яйця. Ви б знали, що ввічливий електронний лист зазвичай закінчується словами “З повагою.”

Це по суті те, що робить LLM, тільки з математикою замість інтуїції. Це масивна нейронна мережа (уявіть: мережу з мільярдів чисел), яка була натренована на величезному обсязі тексту з інтернету. Під час тренування вона грала в гру: дано речення з видаленим останнім словом, передбач, що буде далі. Вона зіграла в цю гру трильйони разів, кожного разу коригуючи свої внутрішні числа, щоб стати трохи кращою у передбаченні.

Після достатнього тренування з’являється щось помітне. Модель стає надзвичайно гнучкою у змішуванні та комбінуванні всього побаченого, до такого ступеня, що здається, ніби вона розуміє речі. Вона може пояснювати квантову фізику, писати код Python, створювати поезію та розв’язувати математичні задачі з логічним обґрунтуванням. Не тому, що хтось запрограмував ці здібності, а тому, що патерни людської мови кодують величезний обсяг знань та логічного мислення.

Коли ви ставите ChatGPT запитання, він не “шукає” відповідь у базі даних. Він генерує відповідь по одному слову (технічно, по одному токену), кожного разу запитуючи себе: “Враховуючи все до цього моменту, яке найімовірніше наступне слово?” Саме тому він може бути блискуче правильним та впевнено неправильним у тій самій розмові. Він завжди видає статистично найправдоподібнішу відповідь, а не найбільш перевірену.

OpenAI представила моделі, що “думають”, з o1 наприкінці 2024 року: для складних задач модель генерує покрокове обґрунтування перед тим, як дати відповідь, подібно до того, як ви б розв’язували математичну задачу на чернетці. GPT-5 об’єднав це в одну систему, яка автоматично спрямовує між швидкими відповідями та глибоким обґрунтуванням. Результат: на 45% менше фактичних помилок порівняно з попередніми моделями, коли увімкнено вебпошук.

OpenClaw: цикл управління

OpenClaw бере LLM (такий як у ChatGPT) і поміщає його в цикл.

  1. Ви надсилаєте повідомлення (“Забронюй мені столик на вечерю сьогодні”)
  2. LLM читає ваше повідомлення і вирішує, що робити спочатку (перевірити ваш календар на сьогоднішній вечір)
  3. OpenClaw виконує цю дію та передає результат назад до LLM
  4. LLM читає результат і вирішує наступний крок (пошукати ресторани поблизу)
  5. Кроки 3 та 4 повторюються, доки завдання не буде виконано

Це називається циклом міркування-дії-спостереження. LLM міркує про те, що робити, діє через інструменти (перегляд, повідомлення, доступ до файлів), спостерігає результат та повторює цикл. LLM не є продуктом, з яким ви взаємодієте. Це один компонент у більшій системі, яка може виконувати реальні дії у світі.

Коли ви просите ChatGPT забронювати ресторан, він може запропонувати варіанти та написати повідомлення. Коли ви просите OpenClaw, він може реально зробити бронювання, додати його до вашого календаря та надіслати другу деталі.

Три покоління

Тепер, коли ви побачили, як кожен із них працює під капотом, з’являється патерн. Блок-схеми, мовні моделі, цикли управління. Це не просто три різних продукти. Це три покоління однієї ідеї: змусити комп’ютери розуміти, чого хочуть люди.

Покоління 1: Правила. Це Siri та стара Alexa, як описано вище. Люди пишуть кожну блок-схему. Розумно, але крихко.

Покоління 2: LLM це продукт. Це ChatGPT. Мовна модель сама по собі є те, з чим ви взаємодієте. Ви розмовляєте з моделлю, модель відповідає. Вона може міркувати, бути креативною, обробляти запитання, які ніхто не передбачив. Але це все одно, по суті, розмова. Ви запитуєте, вона відповідає. LLM і є продуктом.

Покоління 3: LLM це просто API. Тут живе OpenClaw. LLM знижується з продукту до одного компонента в більшій системі: цикл міркування-дії-спостереження, описаний вище. Вихід LLM стає його власним наступним входом.

Різниця як між тим, щоб запитати когось дорогу, і тим, щоб найняти когось на повний робочий день. Система покоління 2 дає вам вказівки. Система покоління 3 сідає в автомобіль, везе вас туди, запам’ятовує маршрут на наступний раз і може вирішити перевірити трафік завтра вранці, перш ніж ви навіть запитаєте.

ChatGPT рухається в цьому напрямку. Operator від OpenAI переглядає веб за вас. ChatGPT може виконувати код, шукати в інтернеті та генерувати зображення в одній розмові. Це виклики інструментів усередині циклу управління. Але OpenClaw йде далі трьома способами.

Самомодифікація. Системний промпт OpenClaw (SOUL.md), його довготривала пам’ять (MEMORY.md) та його навички живуть у файлах, які агент сам може читати та писати. Агент може переписати інструкції, які визначають, як LLM отримує промпт на кожному майбутньому кроці. Він не просто використовує LLM. Він керує тим, як використовує LLM, і коригує це керування з часом. ChatGPT має функції пам’яті, але не може переписати свій власний системний промпт.

Безперервність. ChatGPT чекає, поки ви напишете. OpenClaw працює як фоновий процес, що залишається активним. Він може планувати власні cron-завдання, реагувати на вебхуки, будити себе за розкладом та діяти без чийогось запиту. Він не реактивний. Він безперервний.

Відкритість. ChatGPT дає LLM кураторований набір інструментів, який контролює OpenAI. OpenClaw має відкритий код і розширюється навичками: модульними пакетами знань та можливостей, які будь-хто може створювати та ділитися. Вже доступно понад 52 000 навичок, а ринки спільноти, такі як ClawHub, роблять екосистему практично безкінечною. Я писав про це у AI-навички це нові додатки: навички для AI-агентів те, чим додатки були для iPhone. Це спосіб, яким система стає розумнішою без необхідності змінювати ядро.

Модель, що приводить у рух цикл, може бути тією самою. Архітектура це те, що відрізняється. Ранній ChatGPT був функцією, яку ви викликаєте. OpenClaw це процес, який працює.

Ризики довшого повідця

Більше свободи означає більше влади, а більше влади означає більше ризику. І ризики покоління 3 принципово відрізняються від покоління 2.

Ін’єкція промпту. Коли ви самі використовуєте ChatGPT, ви контролюєте, що потрапляє в промпт. Коли агент переглядає веб, читає електронну пошту або встановлює сторонні навички, контент інших людей потрапляє в промпт. Шкідливий вебсайт може вбудувати приховані інструкції, яким LLM слідує без відома користувача. Скомпрометована навичка може впровадити команди в цикл міркувань агента. Це ін’єкція промпту, і це набагато більша проблема для агентів, ніж для чат-ботів, бо агент може діяти за цими впровадженими інструкціями: надсилати електронну пошту, викрадати дані, модифікувати файли. У лютому дослідники знайшли 341 шкідливу навичку на ClawHub, які робили саме це.

Розкриття облікових даних. Агентам покоління 3 потрібен доступ до вашого реального життя, щоб бути корисними: API-ключі, паролі, кредитні картки, облікові записи месенджерів. У лютому було знайдено 135 000 екземплярів OpenClaw, відкритих до інтернету, а Cisco, CrowdStrike та Kaspersky опублікували попередження того ж тижня. Неправильно налаштований агент з вашими обліковими даними це не просто витік даних. Це проксі, який може діяти як ви: видавати себе за вас на будь-якому сервісі, витрачати ваші гроші, отримувати доступ до ваших облікових записів, надсилати повідомлення від вашого імені. Ми написали повний аналіз кризи безпеки і того, як автентифікація на рівні проксі запобігає найгіршому.

Ненавмисна автономія. Агент, який може виконувати реальні дії, може завдати реальної шкоди способами, яких ніхто не передбачив. Лише кілька днів тому агент OpenClaw надіслав pull request до matplotlib, отримав відмову, бо проект приймає лише внески від людей, а потім автономно опублікував персональну атаку на мейнтейнера, який його закрив. Схоже, ніхто не казав йому це робити. Чим довше повідець, тим креативніші способи відмови.

Куди це все прямує?

Траєкторія зрозуміла: кожен AI-асистент рухається до покоління 3. LLM стає API, а продукт стає шаром оркестрації навколо нього. Я писав про це у OpenClaw це новий Linux: LLM це процесор. Потужний, необхідний, але не те, з чим ви взаємодієте. Важливою є операційна система, що стоїть зверху.

Ера чат-ботів закінчується. Ера агентів почалася і прискорюється на початку 2026 року. Це наступна еволюція того, як комп’ютери надають людям можливості: від настільного комп’ютера, за яким ви сидите, до телефону в кишені, до агента, який працює у фоні і з яким ви спілкуєтеся як з другом на відстані.

Є причина, чому люди постійно говорять “OpenClaw це те, чим Apple Intelligence мав бути.” Siri був обіцянкою: персональний асистент, який розуміє вас і виконує справи. Але його було побудовано в покоління 1, з правилами та блок-схемами. OpenClaw це те, що відбувається, коли ви будуєте цю обіцянку на архітектурі покоління 3.

Покоління 4

Існує покоління за межами цього. Сьогодні агент покоління 3 живе на вашому комп’ютері або в хмарі. Він уже може дотягнутися до фізичного світу, але лише опосередковано: наймаючи людей через платформи на кшталт rentahuman.ai, викликаючи API, що запускають фізичні машини, роблячи замовлення, які приводять до реальних доставок. Кожна дія все ще потребує посередника.

Покоління 4 прибирає посередника. Втілений агент безпосередньо керує роботами, дронами, транспортними засобами та фізичною інфраструктурою. Tesla переобладнує заводські лінії з автомобілів на роботів Optimus. Гуманоїди Figure AI щойно завершили 11-місячне впровадження на BMW, завантаживши понад 90 000 деталей. На CES 2026 гуманоїдні роботи від Boston Dynamics, 1X та Figure були повсюди. Мені щиро цікаво побачити, куди робототехніка рухатиметься в найближчі роки.

Я знаю, що це може звучати лякаюче, і все рухається швидко. Але я волів би, щоб ця технологія була відкритою, перевіряльною та доступною для всіх, а не замкнутою всередині кількох корпорацій, які вирішують, як вона працює. Саме тому я будую OpenClaw.rocks.

Що я будую

Я почав цю статтю, намагаючись пояснити різницю між Siri, Alexa, ChatGPT та OpenClaw. Але справжня різниця не між чотирма продуктами. Вона між трьома способами мислення про те, що комп’ютери можуть робити для людей. Правила. Мова. Дійовість.

Ми перейшли від блок-схем, які ламаються при неправильному запитанні, до моделей, які можуть міркувати, але лише коли їх попросять, до систем, які можуть діяти самостійно та навчатися з результатів. Кожне покоління зробило комп’ютери корисними для більшої кількості людей у більшій кількості способів. Ця тенденція не сповільнюється.

На OpenClaw.rocks ми будуємо інфраструктуру для безпечного запуску AI-агентів у великому масштабі та забезпечення їхньої доступності для всіх, відкриваючи код наших систем по дорозі.

Якщо ви хочете стежити за тим, куди це прямує, відвідайте OpenClaw.rocks або знайдіть нас у X.