Калибровка уверенности LLM: «думай глубже» не помогает, а «я уверен на 95%» — это ложь

95%-й доверительный интервал от LLM — реальность туда попадает в 9–44% случаев. В 2–10 раз хуже обещанного — и у всех моделей так, от слабых до топовых. Модель не считает вероятности — она генерирует текст, который звучит как уверенная оценка. Это объясняет, почему «дай мне диапазон с 95% уверенностью» выдаёт аккуратное, но почти бесполезное число. Единственный реальный рычаг — размер модели, а не глубина рассуждений. Включение расширенного мышления не просто не помогает — иногда делает хуже.