Языковая модель — это программа, которая предсказывает продолжение текста. Ей показывают начало, она подбирает наиболее вероятное следующее слово, потом следующее, и так до конца ответа. Никакого понимания, базы фактов и мышления внутри нет: есть очень большая статистика того, как в текстах обычно продолжаются фразы.
Это скучное определение полезнее любой метафоры про цифровой мозг, потому что из него сразу следует практика. Модель отлично справляется с задачами, где ответ вытекает из поданного текста: пересказать, вытащить поля, разложить обращения по темам, переформулировать. И она структурно ненадёжна там, где ответ должен быть точным фактом извне: номер договора, сумма из таблицы, пункт закона. Правдоподобное продолжение и правильное продолжение для неё — одно и то же.
Дальше — модельные расчёты по состоянию на сентябрь 2026 года при ставке инженера 3 000 ₽/час. Про то, как выбирать конкретную модель по шести критериям, у нас есть отдельный разбор с методикой замера; здесь — словарная статья: что это, что умеет, во что превращается в смете и что спросить у подрядчика.
Определение без метафор про мозг
Программа, обученная на огромном объёме текстов предсказывать продолжение. Бизнесу даёт работу с текстом в промышленных объёмах: разбор писем, выжимки из разговоров, классификация обращений, черновики документов. В смете превращается в две строки — разовую настройку под задачу и переменный месячный счёт за объём обработанного текста. Проверочный вопрос: какая именно модель используется и где физически обрабатываются наши данные?
Слово «нейросеть» шире: нейросети распознают лица, читают сканы, предсказывают спрос. Языковая модель — частный случай, который работает с текстом. Разница практическая: распознавание картинки и генерация текста живут в разных строках сметы и ломаются по-разному, и когда подрядчик называет одним словом «ИИ» и то и другое, обсуждать цену бессмысленно. Что стоит за остальными словами из этого ряда, разобрано в словаре терминов ИИ.
Из предсказания следует и главная неприятность. Модель никогда не отвечает «не знаю» по собственной инициативе: у неё нет механизма, который отличал бы известное от правдоподобного. Она всегда достраивает текст до конца, и если нужного факта во входных данных не было, достроит его сама — в том же уверенном тоне, что и правильный ответ. Поэтому во взрослых системах отказ от ответа делают явно: инструкцией, порогом уверенности и маршрутом «передаю человеку». Это не настройка на полчаса, а отдельная работа, которая должна быть в договоре строкой.
Что модель делает надёжно, что с оговорками и чего не делает
Это главная таблица статьи. Она не про качество конкретной модели, а про природу инструмента: в верхних строках ошибки редки и дёшевы, в нижних — редки, но дороги, а в последней — недопустимы в принципе.
| Задача | Насколько надёжно | Что обязательно рядом |
|---|---|---|
| Пересказ письма, разговора, длинного документа | Надёжно | Ничего, кроме выборочного контроля первое время |
| Извлечение полей: стороны, срок, сумма, реквизиты | Надёжно | Проверка формата: дата — датой, сумма — числом |
| Классификация обращений по темам | Надёжно при чётком списке тем и инструкции | Список тем, порог уверенности, маршрут для «не знаю» |
| Ответ по внутренним документам | Только с поиском по базе | Ссылки на источники в каждом ответе |
| Арифметика, сверка сумм, проценты | С обязательной проверкой | Считает калькулятор или система учёта, модель только формулирует |
| Точная ссылка на пункт закона, номер договора, артикул | С обязательной проверкой | Сверка со справочником, иначе номер будет правдоподобным и выдуманным |
| Юридический вывод, медицинское заключение, решение о деньгах | Не отдаётся модели | Решение принимает человек, модель готовит материал |
Три горизонтальные полосы одна под другой, сверху вниз, с разной насыщенностью тона. Верхняя подписана «Надёжно» и содержит подписи: «пересказ», «извлечение полей», «классификация обращений». Средняя подписана «Только с проверкой»: «арифметика», «ссылки на пункты и номера», «ответ по документам». Нижняя подписана «Не отдаётся модели»: «юридический вывод», «медицинское заключение», «решение о деньгах». Справа вдоль полос вертикальная стрелка с подписью «растёт цена одной незамеченной ошибки». Тонкие чертёжные линии, подписи по-русски.
Слово «надёжно» в этой таблице означает не «всегда правильно», а «доля ошибок измерима и укладывается в допустимую». На классификации обращений по десятку понятных тем рабочая система показывает 85–95 % совпадений с разметкой людей; остаток уходит человеку по порогу уверенности, и именно этот остаток надо проектировать, а не прятать. Ни один подрядчик не имеет права называть цифру точности до замера на ваших данных — до этого момента любые проценты в презентации относятся к чужим текстам.
Строка про ответы по документам — самая частая причина разочарования. Сама по себе модель ваших регламентов не знает и знать не может; чтобы она отвечала по ним, нужен поиск, который подкладывает ей нужные куски. Как это устроено и сколько стоит — в разборе про RAG и базу знаний.
Из чего выбирает российская компания на сентябрь 2026
Выбор есть, и он больше, чем кажется. Ниже — то, что реально доступно к оплате и внедрению из России на сентябрь 2026 года.
Сузить этот список до двух-трёх кандидатов помогают два вопроса-фильтра, которые отвечаются до всякого сравнения качества. Первый: можно ли отдавать эти данные во внешнее облако? Если нет — остаются только варианты на своём сервере, и половина списка отпадает сразу. Второй: нужен ли круглосуточный отклик за секунды или задержка в минуту терпима? От этого зависит и класс модели, и железо. Всё остальное — качество, цена, лимиты — сравнивается уже внутри оставшегося короткого списка и обязательно на ваших собственных примерах, а не по чужим рейтингам.
- Облачные российские: GigaChat 3 в вариантах Lite, Pro и Max, GigaChat 3.1 Ultra и корпоративная платформа GigaChat Enterprise; YandexGPT 5 и Yandex AI Studio с конструктором агентов и векторным хранилищем; Cotype Pro от МТС.
- Модели с открытыми весами от российских разработчиков: T-Lite и T-Pro. Разворачиваются на своём сервере, платы за обращения нет.
- Зарубежные открытые модели на своём железе: Qwen 3, Llama, DeepSeek, Mistral — обычно через Ollama, векторное хранилище рядом. Данные не покидают контур, и это главный аргумент по 152-ФЗ.
- Зарубежные API напрямую: прямая оплата из России недоступна, доступ идёт через посредников. Это ограничение и риск, а не рекомендация: зависимость от недоступного провайдера закладывать в архитектуру нельзя.
Если в текстах есть имена, телефоны, диагнозы или записи разговоров, вы обрабатываете персональные данные, и место обработки становится юридическим вопросом, а не техническим. Локальная модель на своём сервере в РФ снимает трансграничную передачу целиком — что для этого нужно и сколько стоит, разобрано в материале про локальную модель под 152-ФЗ.
Как модель попадает в смету: облако против своего сервера
У модели две строки расходов: разовая настройка под задачу и переменный месячный счёт. Вторая пугает заказчиков сильнее, чем стоит: на средних объёмах облачная модель — самая дешёвая часть системы. Модельный пример: помощник службы поддержки, 3 000 обращений в месяц, средний запрос 4 000 входных токенов и 400 выходных, цены 0,20 ₽ за 1 000 входных и 0,60 ₽ за 1 000 выходных.
Точка, где эти варианты сравниваются по деньгам, считается делением: 75 000 ₽ месячного минимума на 1,04 ₽ за обращение — это около 72 000 обращений в месяц. Ниже этого объёма свой сервер выбирают не ради экономии, а ради требований к данным, и в переговорах это стоит проговаривать прямо: покупается не дешевизна, а контроль над контуром. Подробнее про то, из чего вообще складывается счёт за текст, — в разборе что такое токен.
Двухосевой график. Ось X — обращения в месяц от 0 до 100 000, ось Y — расходы в рублях в месяц от 0 до 120 000. Сплошная наклонная линия «Облако» выходит из нуля и растёт линейно, подписана «1,04 ₽ за обращение». Горизонтальная штриховая линия «Свой сервер» проходит на уровне 75 000 ₽ с подписью «плюс 150 000 ₽ разово». Точка пересечения выделена и подписана «около 72 000 обращений в месяц». Слева от точки пересечения область подписана «облако дешевле». Тонкие чертёжные линии, подписи по-русски.
Три вопроса подрядчику, которые меняют смету
- 1Какая конкретно модель используется и в каком варианте? Ответ «мы работаем с ИИ» не годится: у GigaChat Lite и GigaChat Max разная цена и разное качество на одной и той же задаче, и это разные строки бюджета.
- 2Где физически обрабатываются наши данные и что записано в договоре про их использование? Ответ должен быть проверяемым: юрлицо провайдера, страна серверов, режим хранения запросов.
- 3Что произойдёт, если провайдер модели станет недоступен или поднимет цену вдвое? Правильный ответ — в системе есть слой, который отделяет её логику от конкретного провайдера, и смена занимает дни. Отсутствие такого слоя обходится в десятки часов переделки.
Четвёртый вопрос задают редко, а стоит он дороже остальных: как вы покажете, что модель стала работать хуже? Провайдер обновляет модель без вашего участия, и поведение может измениться в понедельник без единой правки в вашем коде. Без набора контрольных примеров и регулярного прогона это заметит клиент, а не вы.
Три задачи, для которых языковая модель — лишняя трата
Модель дорога не деньгами, а неопределённостью: она даёт разные ответы на один и тот же вход и требует проверки. Там, где задача решается однозначно, эта неопределённость — чистый убыток.
- Строгий расчёт по формуле. Скидка, пеня, стоимость доставки по весу и расстоянию — это арифметика. Формула в таблице считает без ошибок и бесплатно; модель посчитает почти правильно, и «почти» придётся ловить вручную.
- Поиск по точному значению. Артикул, номер накладной, ИНН, код маркировки ищутся обычным запросом к базе. Смысловой поиск здесь работает хуже точного и стоит дороже.
- Действие по неизменному регламенту из десяти условий. Если правила записаны и не меняются, это набор условий «если — то»: он дешевле в разработке, предсказуем и проверяется построчно. Где проходит граница между правилами и агентом, разобрано в отдельной статье.
И признак обратного: языковая модель уместна там, где вход неструктурирован и вариативен — живая речь клиента, произвольное письмо, разнородные документы от сотни поставщиков. Чем больше форм у входа, тем хуже справляются правила и тем очевиднее выигрыш модели.
Модель не знает фактов — она знает, как выглядят фразы, в которых факты обычно стоят. Поэтому она уверенно называет номер договора, которого не существует.
