В марте мы разбирали, как устроены бенчмарки LLM – GPQA Diamond, SWE-bench, Chatbot Arena. В апреле протестировали 53 модели и обнаружили, что разница в качестве между топовыми моделями – десятые доли балла, а в цене – три порядка величины.
Теперь – следующий вопрос. Что если сами бенчмарки перестают работать?
Читать полностью
Большинство менеджеров выбирают модель ИИ так: берут самую дорогую из доступных. Логика понятная – дороже значит лучше. Так работало с корпоративным софтом последние двадцать лет.
Рынок ИИ-моделей в 2026 году устроен иначе. Стоимость одного запроса варьируется от $0,0001 до $0,17 – три порядка величины. А реальная разница в качестве между десятью лучшими моделями? 0,24 балла по пятибалльной шкале. Тем временем Wharton / GBK Collective фиксируют: треть корпоративных ИИ-проектов не выходит за рамки пилота. А Epoch AI показывает, что лишь 5,6% пользователей применяют ИИ по-настоящему глубоко.
Может, вопрос не в том, какая модель лучше, а в том, даёт ли переплата за премиум пропорционально лучший результат для типичных управленческих задач.
Мы проверили. Ответ оказался жёстче, чем ожидали.
Миллионы людей пользуются Алисой каждый день – не потому что выбирают, а потому что она бесплатна, встроена в Яндекс Браузер и работает без VPN. YandexGPT, модель под капотом Алисы – лучшая российская модель в нашем бенчмарке, но до GPT-5.4 ей далеко.
Можно ли получить от неё ответы, близкие к GPT, если научиться правильно спрашивать? Мы проверили это в эксперименте: десять техник промптинга, шесть управленческих задач, два независимых LLM-судьи. Короткий ответ: да, можно – но не все техники работают, а некоторые делают хуже.
Ниже – конкретные шаблоны, которые вы можете скопировать в чат прямо сейчас, и антипаттерны, которых стоит избегать.
GigaChat Ultra Thinking думает дольше и тратит больше вычислений. Управленческие задачи решает на 3,3% хуже, чем версия без рассуждений. Это не баг и не случайность – это паттерн, задокументированный академическими работами за последние два года.
На этой неделе Сбер представил GigaChat Ultra – новую флагманскую модель с режимом рассуждений (Thinking). Модель доступна бесплатно в веб-версии, мобильных приложениях и через Telegram-бот. Мы сразу добавили оба варианта в наше исследование AI-моделей для менеджеров: прогнали через все 32 сценария по единой методологии, оценили обоими LLM-судьями, сравнили с остальными 52 моделями.
Может ли открытая китайская модель конкурировать с закрытыми флагманами OpenAI и Anthropic? По данным нашего независимого тестирования – да. 27 января 2026 года пекинская компания Moonshot AI выпустила Kimi K2.5, и она вошла в элитную группу наравне с лучшими моделями мира. При этом Kimi – лидер среди всех моделей, доступных из России без VPN.
6 февраля 2026 года на платформе OpenRouter появилась анонимная модель «Pony Alpha» – бесплатная, без каких-либо подробностей о создателях. ИИ-сообщество немедленно начало её идентифицировать. Способности в программировании вплотную приближались к Claude Opus 4.5. На вопрос «кто ты?» модель отвечала: «Я GLM». Но когда её попросили написать веб-страницу с описанием себя – она написала: «I am Claude, created by Anthropic».
Мы провели масштабное исследование: 54 модели, оценки от двух независимых LLM-судей, 8 категорий управленческих задач. Это самый полный русскоязычный рейтинг AI для менеджеров на сегодня.
Вопрос остаётся тем же: какой AI реально работает для руководителя в России – без VPN, без костылей?
К марту 2026 года на рынке генеративного ИИ – десятки инструментов. Каждый производитель заявляет о лидерстве, а маркетинговые материалы соревнуются в громкости. Как менеджеру выбрать инструмент, который реально решает задачи?
К февралю 2026 года генеративный ИИ научился создавать не только текст, но и видео, изображения, музыку и презентации. Причём качество выросло настолько, что результат часто неотличим от работы профессионала.
Представьте, что вы выбираете служебный автомобиль для команды. Один дилер говорит: «Наша машина самая быстрая». Другой: «У нас лучший расход топлива». Третий: «Мы лидируем по безопасности». Все они правы – но каждый меряет своё. Без понимания того, что именно и как измеряется, вы не можете сравнить предложения объективно.