Сравнение Инструментов

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?

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.

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. Kimi от Moonshot AI первой из китайских моделей вошла в элитную группу наравне с лучшими моделями мира – и остаётся лидером среди всех, доступных из России без VPN.

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?