Порог входа в работу с нейросетями за последние два года упал почти до нуля: чтобы получить ответ качества уровня платной подписки 2023 года, сегодня достаточно открытого браузера. Изменилось другое — выбор. Моделей стало столько, что вопрос «какую взять» стал сложнее вопроса «как пользоваться».

Что вообще происходит на рынке

Условно все модели делятся на две группы. Закрытые — доступны только через API их владельца, веса наружу не выкладываются. Открытые (open-weights) — веса можно скачать и запустить у себя: Qwen, DeepSeek, Llama, Mistral, Gemma, GLM, GPT-OSS.

Ключевой сдвиг 2025–2026 годов в том, что разрыв между этими группами сократился до уровня, когда для большинства повседневных задач он перестал ощущаться. Открытая модель на 30 миллиардов параметров сегодня решает то, для чего два года назад требовался самый дорогой закрытый API.

С чего начинать практически

Порядок, который экономит время:

• Шаг 1. Научиться формулировать запрос. Это даёт больший прирост качества, чем смена модели. Плохой промт превращает сильную модель в слабую, обратное не работает.
• Шаг 2. Понять, какие бывают типы моделей. Универсальные, кодовые, рассуждающие, мультиязычные, компактные — у каждого класса свои сильные стороны.
• Шаг 3. Подобрать две-три модели под свои задачи и перестать метаться. Постоянная смена инструмента съедает больше времени, чем выигрыш от «модели чуть получше».
• Шаг 4. Собрать личную библиотеку промтов. Формулировки, которые сработали, стоит сохранять — это ваш главный актив, а не подписка.

Как устроен этот раздел

Три ошибки, на которых теряют время

Первая — гнаться за самой большой моделью. Модель на 400 миллиардов параметров отвечает медленнее и стоит дороже, а на типовой задаче вроде переписывания текста разницы с моделью на 30 миллиардов вы не заметите.

Вторая — верить ответу без проверки. Модель уверенно выдаёт правдоподобное. Факты, цифры, ссылки и юридические формулировки проверяйте всегда, независимо от того, какая модель отвечала.

Третья — задавать вопрос одной строкой. «Напиши статью про ИИ» и «Напиши статью на 4000 знаков для читателей без технического бэкграунда, с примерами из практики, без вводных абзацев» — это два разных инструмента.

Что дальше

Если вы только начинаете — идите в подраздел «Для начинающих». Если уже пробовали и хотите выжимать больше — в «Промт-инжиниринг». Если выбираете модель под конкретную задачу — в «Сравнение моделей», а каталог с фильтрами по задачам, лицензиям и размеру лежит в разделе «Модели ИИ».

Проверить любую мысль из статей можно прямо здесь: виджет на сайте даёт доступ к нескольким моделям без регистрации.

Языковая модель — это программа, которая по началу текста предсказывает продолжение. Всё остальное — надстройки над этой механикой. Понимание этого одного факта снимает половину вопросов о том, почему нейросеть ведёт себя странно.

Как она работает на самом деле

Модель не хранит ответы и не ищет их в интернете. Во время обучения она прочитала огромный объём текста и вывела статистические закономерности: какие слова с какой вероятностью идут за какими. Когда вы задаёте вопрос, модель считает вероятности следующего фрагмента текста и выбирает подходящий. Потом ещё раз. И ещё — пока не сложится ответ.

Отсюда два прямых следствия. Первое: модель не знает, что она не знает — если правдоподобное продолжение существует, оно будет сгенерировано, даже если факта в реальности нет. Это и называют галлюцинацией. Второе: ответ зависит от формулировки, потому что вопрос — это и есть начало текста, которое модель продолжает.

Токены: чем на самом деле считается текст

Модель работает не с буквами и не со словами, а с токенами — кусками слов. В русском языке один токен — это примерно 2–3 символа, в английском ближе к 4. Слово «нейросеть» может разбиться на два-три токена.

Зачем это знать:

• Лимиты моделей считаются в токенах, а не в знаках. «128 тысяч токенов контекста» для русского текста — это примерно 300–350 тысяч знаков, книга среднего размера.
• Оплата API тоже считается в токенах, причём отдельно за ваш запрос и отдельно за ответ.
• Русский текст «дороже» английского примерно вдвое: тех же мыслей в токенах получается больше.

Контекст — это оперативная память диалога

Контекстное окно — сколько текста модель удерживает одновременно: вашу переписку, приложенные документы и собственный ответ. Когда окно заполняется, начало разговора выпадает — модель буквально забывает, о чём вы договорились в первых сообщениях.

Практический вывод: длинный диалог лучше начать заново, собрав важное в одно вводное сообщение, чем продолжать ветку на сорок реплик.

Параметры: почему 70B не всегда лучше 8B

Параметры — это настроечные коэффициенты внутри модели, их количество пишут в названии: 8B — восемь миллиардов, 70B — семьдесят. Больше параметров обычно значит лучше понимание сложных задач, но также:

При этом свежая модель на 30B часто обгоняет прошлогоднюю на 70B: качество обучающих данных и метод обучения значат не меньше размера.

Почему две модели отвечают по-разному

Разные обучающие данные, разная настройка на «полезность и безопасность», разные приоритеты разработчиков. Одна модель тренировалась на большом объёме кода и лучше пишет функции. Другая видела больше многоязычных текстов и точнее переводит. Третью специально учили рассуждать пошагово — она медленнее, но реже ошибается в задачах на логику.

Поэтому вопрос «какая модель лучшая» смысла не имеет. Имеет смысл вопрос «какая лучше для моей задачи».

Что попробовать прямо сейчас

1. Задайте один и тот же вопрос двум разным моделям в виджете сайта и сравните ответы.
2. Переформулируйте вопрос подробнее — с ролью, форматом и ограничениями — и посмотрите, насколько изменится результат.
3. Попросите модель объяснить ход своих рассуждений: часто в этом объяснении видно, где она свернула не туда.

Qwen3 от Alibaba и DeepSeek-V3.2 — два флагмана открытых моделей, и выбирают между ними чаще всего. Обе бесплатны для скачивания, обе доступны через API десятка провайдеров. Разница не в том, какая «умнее», а в том, под что каждая заточена.

Коротко: чем они отличаются по замыслу

Qwen3 — линейка от компактных моделей до крупных, с упором на многоязычность и гибкость. Существует в размерах под любое железо, включая версии, которые запускаются на ноутбуке.

DeepSeek-V3.2 — крупная модель архитектуры MoE (mixture of experts): параметров много, но на каждый запрос активируется лишь часть, поэтому она работает быстрее, чем можно ожидать от её размера. Исторически сильна в коде и математике.

Где выигрывает каждая

Русский язык: главное отличие для наших задач

DeepSeek по-русски пишет корректно, но формулировки заметно «переводные»: калькированный синтаксис, канцелярит, длинные цепочки существительных. Qwen3 в среднем ближе к живому языку. Для черновика, который потом редактируется, разница не критична. Для текста, который идёт читателю почти без правок, она ощутима.

Простая проверка: попросите обе модели переписать один и тот же абзац разговорным стилем. Разница видна за минуту и на ваших текстах, а не на чужих бенчмарках.

Скорость и стоимость

Обе модели у большинства провайдеров доступны в бесплатных режимах с ограничением по числу запросов. На практике узкое место не сама модель, а провайдер: одна и та же DeepSeek у разных поставщиков отвечает и за две секунды, и за минуту. Если скорость важна — выбирайте не модель, а быстрый инференс-провайдер.

Лицензии

Qwen3 распространяется под Apache 2.0, DeepSeek — под MIT. Обе лицензии разрешают коммерческое использование без роялти и без ограничений по размеру аудитории. Это заметное преимущество перед моделями с фирменными лицензиями, где условия оговаривают отдельно.

Практическая рекомендация

• Пишете код — начните с DeepSeek-V3.2, для узких задач посмотрите специализированные кодовые модели.
• Работаете с текстами на русском — Qwen3.
• Решаете задачи с рассуждением — DeepSeek или отдельная рассуждающая модель.
• Нужен локальный запуск — Qwen3 в размере, который влезает в вашу видеопамять.
• Смешанные задачи — держите обе и переключайтесь. Это бесплатно.

Как проверить самому

Возьмите три-пять своих реальных задач, а не абстрактных. Прогоните через обе модели с одинаковым промтом. Оцените по критериям, которые важны именно вам: точность, стиль, длина, скорость. Такой личный мини-бенчмарк полезнее любого рейтинга, потому что рейтинги измеряют средний случай, а вы работаете со своим.

Модель предсказывает текст по частям. Если попросить сразу назвать ответ, она выдаст первое статистически правдоподобное — и на задаче в несколько шагов часто промахнётся. Если попросить рассуждать вслух, промежуточные шаги становятся частью текста и опорой для следующих. Это и есть Chain of Thought, цепочка мыслей.

Как это выглядит на практике

Обычный запрос: «В магазине было 120 коробок, продали треть, потом привезли ещё 45. Сколько стало?»

С цепочкой мыслей: «Реши задачу пошагово. Сначала выпиши известные величины, затем выполни действия по одному, показывая расчёт, и только в конце дай итог отдельной строкой».

На простом примере разницы может не быть. Она проявляется там, где шагов пять и больше, есть условия и исключения, или задача требует сверки нескольких фактов между собой.

Формулировки, которые работают

• «Рассуждай пошагово, показывая промежуточные выводы».
• «Сначала разбери условие, затем предложи план решения, потом выполни его».
• «Перед ответом перечисли, какие данные нужны и каких не хватает».
• «Проверь свой ответ обратным ходом и скажи, сходится ли».

Последняя — самая недооценённая. Самопроверка ловит часть ошибок, которые модель допустила по невнимательности к условию.

Разбиение на явные этапы

Для сложных задач надёжнее не просить «думать», а задать структуру:

Проанализируй договор в три этапа. Этап 1: выпиши все обязательства сторон списком. Этап 2: отметь пункты с нечёткими формулировками. Этап 3: сформулируй риски для заказчика. Не переходи к следующему этапу, пока не закончил предыдущий.

Такой промт даёт воспроизводимый результат: структура ответа задана вами, а не выбрана моделью случайно.

Когда цепочка мыслей вредит

Если формат ответа важен, разделяйте: «Рассуждай в блоке РАЗБОР, затем выдай итог в блоке ОТВЕТ строго в формате JSON без комментариев».

Рассуждающие модели: когда просить не нужно

Отдельный класс моделей — DeepSeek-R1 и подобные — обучен рассуждать по умолчанию: они строят цепочку внутри себя, а вам показывают выжимку. Просить их «думать пошагово» бессмысленно, они и так это делают.

Важное следствие: скрытые рассуждения расходуют тот же лимит токенов, что и видимый ответ. Если поставить маленький лимит, модель может израсходовать его на размышления и оборвать ответ на полуслове. Для рассуждающих моделей лимит нужно закладывать с запасом.

Как измерить эффект

Возьмите десять задач, где раньше получали ошибки. Прогоните дважды: обычным запросом и с явной цепочкой мыслей. Считайте не «стало красивее», а долю правильных ответов. На логике и расчётах прирост обычно заметный, на пересказе и стилистике — почти нулевой. Это нормально: техника лечит конкретную болезнь, а не все сразу.

Главный вопрос локального запуска звучит так: влезет ли модель в видеопамять. Если влезает — работает быстро. Если нет — часть слоёв уходит в оперативную память, и скорость падает в разы. Считается это в уме, за минуту.

Формула на салфетке

Объём в гигабайтах примерно равен: число параметров в миллиардах × байт на параметр. Байт на параметр зависит от квантования — способа хранить веса с меньшей точностью:

К этому добавьте запас 15–25 % на кэш контекста и служебные структуры. Чем длиннее контекст, тем больше запас: на длинных документах кэш может занять несколько гигабайт сверх весов.

Что это значит для типичного железа

• 8 ГБ видеопамяти. Модели до 8B в 4-битном квантовании. Компактные Qwen3, Gemma, Phi. Для повседневных текстовых задач и простого кода хватает.
• 12–16 ГБ. Модели 12–14B в 4 битах комфортно, 32B — впритык и с коротким контекстом.
• 24 ГБ. Рабочая точка для 32B в 4 битах с приличным контекстом. Практический оптимум для домашней машины.
• 48 ГБ и больше. 70B в 4 битах. Дальше — территория нескольких карт и серверного железа.
• Только процессор. Запустится почти всё, что влезает в оперативную память, но скорость — единицы токенов в секунду. Годится для фоновых задач, не для диалога.

Сколько теряется в качестве при квантовании

Сжатие до 8 бит практически незаметно. До 4 бит — заметно на сложных рассуждениях и длинных цепочках, но приемлемо для большинства задач. Ниже 4 бит деградация становится очевидной: модель начинает путаться в инструкциях и терять нить.

Практическое правило: крупная модель в 4 битах обычно лучше мелкой без сжатия. 32B в 4 битах при 16 ГБ памяти даст более качественный результат, чем 8B в FP16 на том же железе.

Что ещё влияет на скорость

Когда локальный запуск оправдан

Оправдан: данные нельзя отправлять наружу; нужен предсказуемый расход без счёта за API; объёмная пакетная обработка, где важна не скорость, а цена; эксперименты с настройкой модели.

Не оправдан: нужны редкие запросы к самой сильной модели; нет подходящей видеокарты; ценна скорость ответа. В этих случаях API дешевле железа — и по деньгам, и по времени на настройку.

С чего начать проверку

Возьмите модель на 7–8B в 4-битном квантовании, запустите, замерьте скорость генерации на своей задаче. Если получилось больше 15–20 токенов в секунду — работать комфортно, можно пробовать модель крупнее. Если меньше — увеличивать размер бессмысленно, упрётесь в память.

Про ИИ в разработке пишут в двух крайностях: либо «заменит программистов», либо «генерирует мусор». Практика между ними и зависит от этапа работы. Разберём по шагам, где выигрыш измерим.

Где выигрыш реальный

Где выигрыш иллюзорный

Архитектура. Модель предложит общепринятое решение, не зная ваших ограничений: нагрузки, команды, легаси, сроков. Как источник вариантов — полезно. Как решение — нет.

Отладка в живой системе. Без доступа к состоянию, логам и данным модель угадывает. Гипотезы полезны, но проверять всё равно вам.

Крупная фича целиком. Чем больше объём за один заход, тем выше доля правок. На каком-то пороге проверка сгенерированного занимает больше времени, чем написание с нуля. Порог у каждого свой — его стоит нащупать опытом.

Что отличает тех, кто реально ускорился

• Дают контекст. Не «напиши функцию сортировки», а «вот структура данных, вот ограничения, вот стиль кодовой базы, напиши функцию, совместимую с этим».
• Просят маленькими кусками. Функция, а не модуль. Модуль, а не сервис.
• Всегда просят тесты. Сгенерированный код с тестами проверяется в разы быстрее.
• Не принимают код, который не понимают. Строка, смысл которой неясен, — это будущий инцидент.
• Используют модель как ревьюера. «Найди краевые случаи, которые я не обработал» часто полезнее, чем «напиши за меня».

Скрытая стоимость

Кода становится больше, а поддерживают его люди. Быстрая генерация склоняет к тому, чтобы написать новое вместо переиспользования существующего. Через несколько месяцев это выливается в дублирование и рост объёма поддержки.

Второй эффект касается новичков: если код всегда пишет модель, навык разбора чужого кода и отладки не нарастает. Здесь помогает простое правило — сначала своя версия, потом сравнение с предложением модели.

Практический рабочий цикл

1. Сформулируйте задачу текстом, будто объясняете коллеге. Половина неясностей всплывает уже здесь.
2. Попросите модель предложить два-три подхода и сравнить их. Выберите сами.
3. Реализуйте выбранный подход кусками, каждый — с тестами.
4. Прогоните готовый код через модель отдельным запросом на поиск проблем.
5. Прочитайте результат целиком. Если строка непонятна — либо разберитесь, либо перепишите.

Как измерить эффект у себя

Не «стало быстрее», а конкретика: сколько времени заняла задача, сколько правок понадобилось, сколько багов дошло до ревью. Две недели замеров дают понимание, на каких типах задач ваш выигрыш реальный, — и дальше вы применяете инструмент точечно, а не везде подряд.