Вопрос «какую модель выбрать» задают первым, а по важности он третий или четвёртый. Но ответить на него всё равно нужно, поэтому разберём по критериям, которые реально влияют на результат.
Оговорка про цифры. Версии моделей, размеры контекста и цены на API меняются раз в несколько месяцев — быстрее, чем обновляются статьи. Конкретные значения ниже стоит перепроверить на сайте провайдера. Что меняется медленно — это характер моделей и различия между экосистемами, о них и речь.
ChatGPT (OpenAI)
Сильные стороны. Самая большая экосистема: маркетплейс готовых ассистентов, широкая поддержка в сторонних инструментах, зрелая документация. Мультимодальность — текст, изображения, голос. Встроенное выполнение кода и работа с файлами. Больше всего специалистов на рынке умеет с ней работать.
Слабые места. Склонность к развёрнутым ответам там, где нужен короткий. Требует более жёсткой настройки, чтобы не додумывать за пределами предоставленных данных.
Когда брать: нужна широкая экосистема и готовые интеграции, задача мультимодальная, важна доступность специалистов.
Claude (Anthropic)
Сильные стороны. Строгое следование инструкциям — критично, когда агент должен отвечать только по вашей базе знаний и честно говорить «не знаю». Большое окно контекста: в один запрос помещается объёмный документ целиком. Хорошая работа с длинными текстами и структурированными данными.
Слабые места. Экосистема готовых интеграций меньше, чем у OpenAI.
Когда брать: клиентские сценарии, где цена неправильного ответа высока; работа с документами и регламентами; задачи, где важна предсказуемость поведения.
Мы используем Claude в большинстве проектов именно по первой причине: агент, который придумывает ответ, обходится дороже агента, который иногда говорит «уточню у коллеги».
Gemini (Google)
Сильные стороны. Нативная работа с экосистемой Google — Gmail, Docs, Sheets, Calendar. Самое большое окно контекста среди трёх. Как правило, самая низкая цена за объём и наличие бесплатного тарифа для небольших нагрузок.
Слабые места. Поведение менее предсказуемо между версиями, что заметно, когда промпты уже отлажены.
Когда брать: компания живёт в Google Workspace; нужно обрабатывать очень большие объёмы текста; бюджет на API — ограничивающий фактор.
Сводка по критериям
| Критерий | ChatGPT | Claude | Gemini |
|---|---|---|---|
| Следование инструкции | Хорошо | Лучше всех | Хорошо |
| Размер контекста | Большой | Большой | Наибольший |
| Готовые интеграции | Больше всех | Меньше | Сильно в экосистеме Google |
| Цена за объём | Средняя | Средняя | Обычно ниже |
| Мультимодальность | Наиболее полная | Текст и изображения | Полная |
| Русский и узбекский | Хорошо | Хорошо | Хорошо |
По языкам все три работают с русским уверенно. С узбекским — приемлемо у всех, но качество заметно ниже, чем на русском, у любой из них. Проверять это нужно на своих реальных запросах, а не по заявлениям в документации.
Что важнее выбора модели
Здесь главная мысль статьи. Разница в результате между тремя платформами на типовой бизнес-задаче меньше, чем разница между хорошей и плохой базой знаний на одной и той же модели.
Порядок влияния на результат примерно такой:
- Качество данных. Полная и актуальная база знаний решает больше, чем любой выбор модели.
- Формулировка инструкций. Что агент делает, чего не делает, когда передаёт человеку.
- Правильно выбранный процесс. Автоматизация не той задачи не спасается никакой моделью.
- Собственно модель.
Практический вывод: если проект не даёт результата, менять модель — последнее, что стоит пробовать. Сначала посмотрите на первые три пункта. В подавляющем большинстве случаев причина там.
Как обращаются с вашими данными
Пункт, который в сравнениях обычно опускают, а для бизнеса он часто решающий.
У всех трёх провайдеров есть режимы работы, при которых данные из API-запросов не используются для обучения моделей. Но условия отличаются между тарифами, и у потребительских версий они не такие, как у бизнес-тарифов и API.
Что проверить до начала: используются ли данные для обучения на вашем тарифе; сколько хранятся логи запросов; в какой юрисдикции обрабатываются данные; что записано в договоре, а не в блог-посте.
Это относится и к вашему подрядчику: спросите, что именно уходит в модель и что остаётся у вас.
А что с открытыми моделями
Вопрос возникает регулярно, поэтому коротко. Открытые модели, которые можно развернуть на своём сервере, — реальная опция, но не для первого проекта.
За: данные не покидают ваш контур совсем, нет зависимости от провайдера, при больших объёмах стоимость может оказаться ниже.
Против: нужны сервер с видеокартой и человек, который будет всё это обслуживать. На типовых бизнес-задачах качество обычно ниже, чем у ведущих коммерческих моделей, а разница особенно заметна на русском и тем более на узбекском. Экономика сходится только при действительно больших объёмах — при десятках долларов в месяц за API обсуждать собственный сервер бессмысленно.
Когда это оправдано: жёсткое требование не выпускать данные наружу — например, работа с медицинскими или банковскими данными. Тогда это не вопрос экономии, а вопрос допустимости, и считать надо иначе.
Частые вопросы
Можно ли использовать несколько моделей сразу?
Да, и в зрелых проектах так и делают: дешёвая и быстрая модель на простых шагах, более сильная — там, где цена ошибки выше. Это усложняет систему, поэтому начинать так не стоит — но переход возможен без переписывания всего.
Сложно ли поменять модель потом?
Если система спроектирована нормально, модель — заменяемая часть. База знаний, интеграции и логика остаются, меняется слой обращения к API и перепроверяются промпты. Это дни, а не недели. Стоит убедиться, что подрядчик не завязал всё на одного провайдера намертво.
Есть ли смысл в бесплатных тарифах?
Для экспериментов — да. Для рабочего агента нет: там ограничения по нагрузке и другие условия по данным. Разница в деньгах невелика, разница в предсказуемости существенна.
Сколько стоит эксплуатация?
Для типовых объёмов малого и среднего бизнеса — десятки долларов в месяц у любой из трёх. Стоимость модели редко бывает значимой статьёй; значимая — разработка. Разбор бюджетов в статье сколько стоит ИИ-автоматизация.
Что выбрать, если решать надо сегодня?
Работа с документами и клиентами, где важна точность, — Claude. Компания целиком в Google Workspace — Gemini. Нужна максимально широкая экосистема интеграций — ChatGPT. Ошибиться сложно: на типовой задаче все три дадут рабочий результат.
С чего начать
Не с выбора модели. Опишите процесс и соберите базу знаний — на это уйдёт несколько дней, и эта работа полезна независимо от того, что вы выберете. Выбор модели займёт полчаса, когда всё остальное готово.
Хотите разобрать задачу — мы делаем бесплатный аудит и говорим прямо, если автоматизировать пока нечего.