Wiki · Нейросети и AI-поиск

LLM (большая языковая модель)

5 мин чтенияОбновлено 10.10.2026Автор: Евгений Баев

LLM (Large Language Model, большая языковая модель) – это нейросеть, которую обучили на огромном объёме текстов предсказывать следующий фрагмент текста. На LLM работают ИИ-ассистенты вроде ChatGPT, Claude, YandexGPT и GigaChat.

В разговорах с подрядчиками слова «нейросеть», «ИИ», «GPT» и «модель» часто смешивают. LLM – общее название технологии, а GPT, Claude и GigaChat конкретные модели разных компаний. Если понять, как такая модель устроена, становится ясно, почему она пишет гладко и уверенно и почему при этом может ошибаться.

Как LLM собирает ответ из токенов

Модель не хранит готовые ответы. Она видит текст как цепочку токенов (кусочков слов) и на каждом шаге выбирает, какой токен вероятнее всего пойдёт дальше. Так, токен за токеном, складывается ответ. Условный пример, реальное деление зависит от модели:

«Купить диван в Красноярске»
→ [Куп][ить][ диван][ в][ Крас][ноя][рск][е]

Почти все современные LLM построены на архитектуре «трансформер», которую исследователи Google описали в 2017 году. «Большой» модель называют из-за числа параметров (их миллиарды) и объёма текстов, на которых её учили.

Сколько текста модель видит за раз, задаёт контекстное окно. Оно тоже измеряется в токенах. У старших моделей Claude, например, на октябрь 2026 года окно до 1 млн токенов: в один запрос помещается толстый договор или выгрузка за год.

Как обучают большую языковую модель LLM: предобучение на текстах, дообучение на диалогах, настройка по оценкам людей и генерация ответа по токенам — Как появляется большая языковая модель

Что LLM умеет, а в чём ошибается

Писать, сокращать и переводить тексты, менять стиль.
Разбирать документы: найти в договоре сроки, вытащить реквизиты из счёта.
Сортировать входящие заявки и письма по темам.
Писать и проверять программный код.
Гарантировать точность фактов. Модель может уверенно выдумать цифру, цитату или ссылку, это называют галлюцинацией.
Знать то, что случилось после даты обучения, если ей не дали поиск или ваши документы.

Какие бывают LLM

Группа	Примеры	Как подключают
Зарубежные закрытые	GPT (OpenAI), Claude (Anthropic)	Чат или API разработчика модели
Российские	YandexGPT и Alice AI LLM (Яндекс), GigaChat (Сбер)	Чат или API в облаке разработчика
Открытые	Qwen, DeepSeek, gpt-oss	Свой сервер или облако, например Yandex AI Studio

Сравнивать их по принципу «какая умнее» бесполезно: модели обновляются несколько раз в год, и результат зависит от задачи. Выбирают по тесту на своих примерах, условиям работы с данными и доступности в стране. Двум зарубежным моделям посвящены отдельные статьи: ChatGPT и Claude. На октябрь 2026 года Россия не входит в списки поддерживаемых стран ни у OpenAI, ни у Anthropic.

Виды больших языковых моделей: зарубежные закрытые GPT и Claude, российские YandexGPT и GigaChat, открытые Qwen, DeepSeek и gpt-oss — Какие бывают LLM

Локальные LLM

Открытые модели можно скачать и запустить на своём сервере. Тогда документы и переписка не уходят к внешнему сервису, а работа не зависит от чужих условий доступа. Цена вопроса другая: нужны серверы с видеокартами и специалист, который их поддерживает. Небольшие открытые модели хорошо справляются с простыми задачами вроде сортировки заявок, а для сложных рассуждений обычно берут модели покрупнее. Есть и промежуточный вариант: открытые модели в российском облаке. В Yandex AI Studio на октябрь 2026 года доступны, например, Qwen, DeepSeek и gpt-oss.

Как бизнес использует LLM

Самый простой вариант: сотрудники работают в чате ассистента. Подробнее о таких сервисах в статье ИИ-ассистенты. Следующий шаг: модель подключают через API к сайту или CRM, и она отвечает клиентам по вашей базе знаний. Этот подход называют RAG: система сначала находит нужные фрагменты в документах компании и только потом передаёт их модели.

Схема RAG: большая языковая модель сначала получает фрагменты из базы знаний компании и отвечает со ссылкой на документ — Как LLM отвечает по документам компании

Ещё шаг дальше идут агенты: модель сама вызывает инструменты. Она может найти новые заявки на площадках, завести по ним сделки в CRM и подготовить черновик ответа менеджеру. Сами мы работаем с Claude и GPT над кодом, текстами и данными Метрики, и итог любой такой работы проверяет человек.

LLM изменили и поиск: Яндекс и Google показывают ответы нейросети прямо в выдаче, об этом статья AI Overview и Нейро. Как сделать сайт источником для таких ответов, разбираем в статье GEO.

Что спросить у подрядчика

Если вам предлагают внедрить «нейросеть», попросите ответить на несколько вопросов письменно:

Какая модель используется и чья она: зарубежная, российская или открытая на своём сервере?
Какие данные уходят в модель и где их обрабатывают?
Можно ли заменить модель без переделки всей системы?
Как проверяют качество ответов и кто разбирает ошибки?

Почему внедрение LLM не даёт эффекта

Ждать от модели точности справочника. Ответы с цифрами, ценами и ссылками на законы проверяет человек.
Выбирать модель по рейтингам и новостям. Решает тест на ваших реальных письмах, заявках и документах.
Отправлять персональные данные клиентов во внешнюю модель, не оценив требования закона 152-ФЗ.
Не мерить результат. До запуска запишите, сколько времени уходит на задачу сейчас, иначе эффект внедрения не с чем сравнить.

Подобрать LLM под задачу, подключить её к сайту, CRM или базе знаний и настроить проверку ответов помогаем при внедрении ИИ в бизнес. Если нужен помощник, который сам выполняет шаги процесса, смотрите создание ИИ-агентов. Чтобы сайт попадал в ответы нейросетей в поиске, работаем с ним в SEO-продвижении.

Выбор, обучение и запуск LLM

Какая LLM лучше: GPT, Claude или GigaChat?

Лучшей для всех задач нет: новые версии выходят по нескольку раз в год, и вчерашний рейтинг быстро устаревает. Сравнивают на своих данных: берут реальные письма, заявки и документы, прогоняют через две-три модели и смотрят на точность и скорость. Российской компании стоит учесть и доступ: GPT и Claude официально в России не работают.

Почему LLM уверенно придумывает факты?

Она подбирает самое вероятное продолжение текста, а не достаёт ответ из базы. Если точных данных нет, модель тем же уверенным тоном сочинит правдоподобную цифру, цитату или ссылку. Поиск и доступ к вашим документам снижают число таких ошибок, но проверку человеком не отменяют.

Чем LLM отличается от ИИ-агента?

LLM только пишет текст в ответ на запрос. Агент – это программа вокруг модели, которая сама вызывает инструменты: ищет в базе, создаёт сделку в CRM, отправляет письмо. Модель решает, какой шаг сделать дальше, а программа его выполняет.

Что нужно, чтобы запустить LLM на своём сервере?

Открытая модель, сервер с видеокартами и специалист, который будет его поддерживать. Из моделей подойдут, например, Qwen, DeepSeek или gpt-oss. Для сортировки заявок и других простых задач хватит небольшой модели, для сложных рассуждений нужна крупнее и железо мощнее. Если своего сервера нет, те же модели можно взять в российском облаке.

Как научить LLM отвечать по документам компании?

Чаще всего модель не обучают, а подключают к базе знаний через RAG: система находит нужные куски документов и передаёт их модели вместе с вопросом. Если нужен особый стиль или формат ответов, готовую модель дообучают на ваших примерах, такую возможность дают, например, в Yandex AI Studio. Учить свою LLM с нуля бизнесу незачем.

Как LLM связана с ML и нейросетями вообще?

Это вложенные понятия. Машинным обучением (ML) называют все методы, которые учатся на данных, нейросети один из них, а LLM это нейросеть, обученная на текстах. Сеть для распознавания фото или синтеза речи тоже нейросеть, но не LLM.

Когда появились большие языковые модели?

Основа появилась в 2017 году: тогда в Google описали архитектуру «трансформер», на которой построены почти все нынешние модели. Массово о LLM заговорили после 30 ноября 2022 года, когда OpenAI открыла ChatGPT.

Какие LLM официально работают в России?

Российские YandexGPT и Alice AI LLM от Яндекса и GigaChat от Сбера: их используют в чате и подключают по API в облаке разработчика. Ещё вариант: открытые модели вроде Qwen, DeepSeek и gpt-oss на своём сервере или в Yandex AI Studio. У OpenAI и Anthropic, разработчиков GPT и Claude, России в списках поддерживаемых стран на октябрь 2026 года нет.

Источники