Важнейшие провайдеры ИИ в сравнении

Следующая таблица показывает десять самых известных провайдеров ИИ в прямом сравнении. Процентные значения сознательно упрощены и описывают наглядную оценку по четырём критериям: насколько легко пользоваться предложением без предварительных знаний? Насколько дружественно оно к защите данных с точки зрения немецкого пользователя? Каково соотношение цены и качества? И насколько широка функциональность (текст, изображение, речь, видео и другое)?

Эти значения — упрощённая, редакционная оценка для общей ориентации, а не научное измерение и не юридическая консультация. При коммерческом использовании с чувствительными данными всегда следует проверять соответствующую статью о провайдере и актуальные условия договора.

Что означают четыре критерия

Простота

Как быстро разбирается человек без технических знаний? Большинство крупных провайдеров показывают здесь схожий результат, поскольку базовый принцип — ввести вопрос, получить ответ — почти не отличается.

Дружественность к защите данных/GDPR

Здесь проявляются самые большие различия. Решающее значение имеет прежде всего то, где расположена компания и где находятся серверы: провайдеры с местонахождением в Европейском союзе, такие как Mistral AI, не должны полагаться на международные дополнительные соглашения, тогда как американские провайдеры зависят от EU-US Data Privacy Framework или типовых договорных положений. У провайдеров с серверами за пределами ЕС или США, например в Китае, требуется особая осторожность с персональными или коммерчески чувствительными данными.

Цена-качество

Сколько функциональности получаешь за вложенные деньги? Бесплатные или очень выгодные предложения, такие как Meta AI или DeepSeek, естественно показывают здесь хороший результат, даже если требуют компромиссов в другом.

Функциональность

Насколько широко предложение — только текстовые ответы или дополнительно изображение, речь, видео и способность самостоятельно выполнять многоэтапные задачи?

Десять провайдеров в коротком обзоре

OpenAI — ChatGPT

Самое известное название в области искусственного интеллекта. ChatGPT охватывает текст, изображение, речь и видео в одном продукте и развивается OpenAI с короткими интервалами. Все подробности о ценах и защите данных — в статье о провайдере OpenAI, отдельные версии моделей объясняет страница о моделях ChatGPT.

Anthropic — Claude

Anthropic была основана бывшими сотрудниками OpenAI с особым фокусом на безопасность. Claude считается особенно надёжным при работе с длинными текстами и документами. Подробнее в статье о провайдере Anthropic и на странице о моделях Claude.

Google — Gemini

Gemini глубоко встроен в Gmail, Google Docs и поиск и особенно удобен для всех, кто и без того живёт в экосистеме Google. Подробности в статье о провайдере Google и на странице о моделях Gemini.

Microsoft — Copilot

Copilot напрямую встроен в Windows, Word, Excel, Outlook и Teams и поэтому особенно силён в классической офисной повседневности. Подробнее в статье о провайдере Microsoft и на странице о моделях Copilot.

xAI — Grok

Grok тесно связан с платформой X и поэтому особенно актуален, когда речь идёт об актуальных на сегодня темах. Подробности в статье о провайдере xAI и на странице о моделях Grok.

Meta — Meta AI и Llama

Meta AI бесплатно встроен прямо в WhatsApp, Instagram и Facebook и финансируется за счёт рекламы, а не подписки. Техническая основа Llama к тому же может эксплуатироваться самостоятельно. Подробнее в статье о провайдере Meta и на странице о моделях Llama.

DeepSeek

Китайский провайдер убеждает очень выгодными ценами и высокой производительностью в задачах логики и программирования, но из-за расположения серверов в Китае критически проверяется немецкими органами защиты данных. Подробности, включая все модели (V3, R1, V4), в статье о DeepSeek.

Mistral AI

Французская компания — важнейший собственный европейский ответ на американские и китайские концерны ИИ и особенно выигрывает в защите данных, поскольку можно выбрать серверы в ЕС. Подробнее, включая все модели (Large, Medium, Small), в статье о Mistral AI.

Perplexity AI

Perplexity работает скорее как машина ответов, чем как классический чат-бот: каждое утверждение подтверждается указанием источника. Подробности в статье о провайдере Perplexity и на странице о моделях Perplexity.

Moonshot AI — Kimi

Kimi — чат-бот китайской компании Moonshot AI, ставший международно известным благодаря открыто доступной модели Kimi K2, особенно сильной в программистских и агентных задачах. Как и у DeepSeek, при стандартном использовании данные попадают на серверы в Китае. Подробности в статье о провайдере Kimi и на странице о моделях Kimi.

Какой провайдер кому подходит?

Часто задаваемые вопросы о моделях ИИ

Какая разница между провайдером ИИ и моделью ИИ?

Провайдер — это компания, например OpenAI или Google. Модель — это собственно технология за ней, встроенная в один или несколько продуктов — у OpenAI продукт называется ChatGPT, а лежащие в основе модели носят собственные названия, такие как GPT-5.6.

Какой ИИ самый лучший?

На это нельзя ответить однозначно. В зависимости от задачи, бюджета и требований к защите данных разные провайдеры показывают разные результаты — сравнительная таблица выше служит первичной ориентацией, а связанные отдельные статьи дают подробности.

Разрешены ли все эти провайдеры ИИ в Германии?

В принципе да, общего запрета не существует для ни одного из названных провайдеров. Однако у отдельных провайдеров с расположением сервера за пределами ЕС требуется особая осторожность с персональными или коммерчески чувствительными данными — подробности об этом указаны в соответствующей статье о провайдере.

Должен ли я всегда платить за хорошие результаты?

Нет. Несколько провайдеров предлагают пригодные бесплатные версии, например Meta AI, DeepSeek, Kimi или базовые версии ChatGPT, Gemini и Copilot. Для регулярного или более требовательного использования обычно оправдана выгодная начальная подписка.

Какое отношение это имеет к Lukinski?

Как компания в сфере недвижимости, мы сами интенсивно занимаемся искусственным интеллектом — например, с Lukinski AI, нашим собственным, размещённым в Германии ИИ-ассистентом для вопросов недвижимости. Этот кластер дополнительно систематизирует крупных, универсальных провайдеров ИИ, чтобы вы могли принять обоснованное решение независимо от нашего собственного предложения.

От исследовательской модели к тяжеловесу: серия Kimi K2

Kimi K2: техническая основа

Первоначальная версия Kimi K2 была представлена в июле 2025 года и подробно описана в техническом отчёте («Kimi K2: Open Agentic Intelligence»). Технически это так называемая модель Mixture-of-Experts (MoE): вместо единой, постоянно активной нейронной сети модель состоит из множества специализированных подсетей («экспертов»), из которых для каждого запроса фактически активируется лишь небольшая часть. У Kimi K2, по данным Moonshot AI, в общей сложности около триллиона параметров, из которых при каждом отдельном запросе фактически используется около 32 миллиардов. Модель распределена по 384 экспертам, из которых на каждый текстовый фрагмент целенаправленно выбираются 8, дополненные всегда активным «общим» экспертом.

Эта структура объясняет, почему Kimi K2, несмотря на свой огромный общий размер, может эксплуатироваться сравнительно экономично: не нужно просчитывать весь триллион параметров для каждого запроса, а только небольшую, выбранную часть. Модель, по данным Moonshot AI, обучалась с помощью специально разработанного метода оптимизации (MuonClip), который должен улучшать стабильность обучения у таких крупных моделей MoE. Первоначальная базовая версия предлагала контекстное окно в 128 000 токенов, опубликованная одновременно версия Instruct (для диалогов и инструкций) была расширена до 256 000 токенов.

Kimi K2 Thinking: размышление и действие в одной модели

Осенью 2025 года, по совпадающим сообщениям в ноябре 2025 года, Moonshot AI представила с «Kimi K2 Thinking» вариант, дополнительно включающий подробное, многоэтапное размышление перед собственно ответом и способный уже во время процесса размышления вызывать инструменты (например, веб-поиск или калькулятор). По доступным данным тестов, модель достигла на известном программистском тесте «SWE-Bench Verified» значения около 71 процента и в тестовых сценариях смогла самостоятельно выполнить несколько сотен последовательных вызовов инструментов для решения сложных, длительных задач. Тем самым Moonshot AI целенаправленно позиционировала себя в области так называемых агентных моделей, которые не просто отвечают, а самостоятельно планируют и выполняют многоэтапные задачи.

Развитие в 2026 году: K2.5, K2.6 и K3

В течение 2026 года Moonshot AI выпустила ещё несколько уровней развития. По совпадающим, но не всегда единообразным источникам, появились K2.5, а в апреле 2026 года K2.6 с расширенным до 256 000 токенов контекстным окном и улучшенными программистскими способностями, за которыми последовал специализированный на программистских задачах вариант под названием K2.7 Code. В июле 2026 года наконец появился Kimi K3, который, по данным производителя, обладает контекстным окном, увеличенным до примерно 1 миллиона токенов, и нативной обработкой изображений (Vision) — по данным Moonshot AI, в четыре раза больше контекстного окна K2.6. По поводу точного размера параметров K3 в разных источниках циркулируют разные данные (иногда в диапазоне примерно от двух до трёх триллионов общих параметров); единое, официально окончательное число на данный момент невозможно подтвердить с полной уверенностью, поэтому здесь сознательно говорится о порядке величины, а не о точном числе.

Что технически и стратегически отличает модели Kimi?

Открытые веса с коммерческим условием

Moonshot AI публикует веса моделей K2 и последующих версий под самостоятельно сформулированной, модифицированной лицензией MIT. В сущности, это очень свободная лицензия с открытым исходным кодом, разрешающая и коммерческое использование. Особенность: тому, кто управляет продуктом или сервисом на базе моделей с более чем 100 миллионами активных пользователей в месяц или более чем 20 миллионами долларов США месячного дохода, необходимо видимо отображать указание «Kimi K2» в собственном интерфейсе. Для подавляющего большинства меньших и средних случаев применения — в том числе из сферы недвижимости — этот пункт практически не применяется, но он показывает, что «открытость» у Kimi не совсем безусловна.

Агентные возможности и большое контекстное окно

Стратегический фокус моделей Kimi чётко направлен на так называемые агентные возможности: возможность самостоятельно обрабатывать многоэтапные задачи с использованием инструментов, доступом в интернет и выполнением кода, а не просто отвечать на отдельные вопросы. В сочетании с очень большим контекстным окном — у K3 около миллиона токенов — благодаря этому можно обрабатывать очень объёмные наборы документов за один проход, например несколько сотен страниц договорной документации или большую коллекцию документов по объектам.

Важно запомнить: большое контекстное окно позволяет считывать очень много документов одновременно — но это не заменяет тщательную проверку результата, поскольку даже большое контекстное окно не защищает от ошибок или упущений в результате.

Примеры применения из практики

1. Автоматизированное обобщение больших массивов документов

Специалист в управляющей компании мог бы через API считать за один проход несколько сотен расчётов эксплуатационных расходов или протоколов собраний собственников, чтобы автоматически отмечать особенности — например, необычно высокие статьи расходов. Большое контекстное окно K2.6 или K3 технически делает это возможным без необходимости заранее разбивать документы на множество мелких частей.

2. Черновик и вёрстка экспозе

В агентном режиме риелтор может поручить создать первую, многостраничную черновую версию экспозе объекта, включая простое веб-представление, которая затем вручную проверяется редакционно и сверяется с реальными, юридически обязывающими данными объекта.

3. Поддержка программирования для внутренних инструментов

Поскольку модели Kimi особенно хорошо показывают себя в тестах по программистским задачам, некоторые ИТ-отделы компаний в сфере недвижимости используют Kimi для помощи в создании небольших внутренних скриптов автоматизации, например для сверки списков арендной платы между двумя программными системами.

4. Исследование и наблюдение за рынком

С помощью функции веб-браузинга агентного режима модель можно использовать для постоянного наблюдения за публично доступными рыночными данными, например для обобщения динамики процентных ставок или общедоступных отчётов о рынке недвижимости — важно здесь работать исключительно с публично доступными, неперсональными источниками.

5. Многоязычная коммуникация

При международных портфелях недвижимости финансовый специалист может использовать Kimi для перевода стандартных писем или резюме между несколькими языками — однако здесь также действует ранее описанное ограничение в отношении персональных данных.

Важно запомнить: чем больше объём данных, обрабатываемых моделью за один проход, тем важнее вопрос, где именно эти данные находятся во время обработки — производительность и защита данных — два отдельных вопроса, на которые нужно ответить оба.

FAQ о моделях Kimi

Какая разница между Kimi K2 и Kimi K2 Thinking?

Kimi K2 — это первоначальная базовая модель, Kimi K2 Thinking — представленный в ноябре 2025 года вариант, который перед ответом включает более подробное, многоэтапное размышление с использованием инструментов и благодаря этому лучше показывает себя в сложных задачах.

Насколько велико контекстное окно текущих моделей?

Модели серии K2 обычно предлагают контекст в 256 000 токенов, представленная в июле 2026 года Kimi K3 указывается с примерно одним миллионом токенов.

Действительно ли модели Kimi с открытым исходным кодом?

Веса моделей открыто доступны и публикуются под модифицированной, очень свободной лицензией MIT. Особенность — обязанность указания авторства для очень крупных коммерческих приложений (более 100 миллионов пользователей или 20 миллионов долларов США месячного дохода).

Подходят ли модели для программистских задач?

Да, серия Kimi K2 и особенно специализированный вариант K2.7 Code сравнительно хорошо показывают себя в публичных тестах по программированию и часто используются для кодинг-агентов.

Могу ли я самостоятельно запускать модели вместо использования сайта Kimi?

Да, поскольку веса публикуются открыто, их можно запускать через различных облачных провайдеров или на собственном оборудовании. Однако это требует технических специальных знаний и достаточной вычислительной мощности, поскольку речь идёт о очень крупных моделях.

Базовую информацию о компании Moonshot AI, о ценах и защите данных вы найдёте на нашей странице провайдера. Сравнение всех десяти провайдеров ИИ в кластере доступно на обзорной странице.

Семейство моделей Grok в обзоре

Grok 3 — предыдущее поколение

Grok 3 долгое время был главной моделью xAI и теперь составляет основу бесплатного уровня. Он справляется с базовыми задачами чат-бота — отвечает на вопросы, формулирует тексты, проводит простые исследования — но имеет значительно меньшее контекстное окно и меньшую точность при сложных, многоэтапных задачах, чем более новые модели.

Grok 4 и Grok 4 Heavy

Grok 4 был следующим большим шагом и принёс значительно лучшие результаты в логическом мышлении и более сложных вопросах. Вариант Grok 4 Heavy идёт ещё дальше: при сложных задачах он использует несколько параллельных процессов размышления и сравнивает результаты, прежде чем выдать ответ. Это делает Grok 4 Heavy медленнее и значительно дороже, но зато и надёжнее при сложных задачах — например, математических расчётах или многоэтапном анализе.

Grok 4.1 Fast — быстро и дёшево

Для задач, где важны прежде всего скорость и низкая стоимость — например, автоматический ответ на множество коротких запросов в приложении, — xAI предлагает с Grok 4.1 Fast упрощённый, но очень быстрый и дешёвый вариант. Содержательная глубина ниже, но для простых, повторяющихся задач этого обычно достаточно.

Grok 4.20 — огромное контекстное окно и технология множественных агентов

С Grok 4.20 xAI в начале 2026 года представила модель, которая внутри работает с несколькими специализированными «ролями», проверяющими друг друга, прежде чем выдать ответ — упрощённо говоря: одна роль координирует, одна проверяет факты, одна оценивает технические детали, одна даёт творческие формулировки. Для пользователей это выражается прежде всего в более надёжных ответах при более длинных, сложных запросах. К этому добавляется очень большое контекстное окно примерно из 2 миллионов текстовых единиц (токенов) — это соответствует нескольким тысячам страниц текста, которые модель может одновременно «удерживать в голове», например для анализа длинных договоров или обширных наборов данных.

Grok 4.5 — текущий фокус на сложные и технические задачи

Grok 4.5, выпущенный в июле 2026 года, — самая требовательная из доступных на данный момент моделей xAI. Она специально обучена для длинных, сложных рабочих участков — первоначально в основном для разработки программного обеспечения, но теперь также для других сложных, многоэтапных задач, таких как обширные исследования или анализ больших объёмов данных. Контекстное окно составляет около 500 000 токенов, то есть меньше, чем у Grok 4.20, но зато модель работает точнее при сложных задачах на размышление. В программном интерфейсе Grok 4.5 стоит около 2 евро за миллион входящих и около 6 евро за миллион исходящих текстовых единиц.

Grok 5 — что известно на данный момент

Модель-преемник с рабочим названием Grok 5, по данным xAI, находится на этапе обучения на расширенном дата-центре Colossus. Официальной даты выпуска на август 2026 года нет, по слухам модель должна быть значительно крупнее, чем Grok 4, и представлена ещё позже в 2026 году. До официального анонса Grok 4.5 остаётся самой мощной общедоступной моделью.

Важно запомнить: чем выше номер версии, тем мощнее и обычно дороже модель — но не каждая задача требует самой мощной модели. Для простых повседневных вопросов часто вполне достаточно быстрого, дешёвого варианта.

Сравнительная таблица версий Grok

Доступ к данным в реальном времени через X

Особенность, объединяющая все текущие модели Grok, — прямой доступ к публичным сообщениям платформы X. Благодаря этому Grok может реагировать на события, которым всего несколько минут — явное отличие от моделей, знания которых ограничены определённой датой обучения. Недостаток: сообщения в социальных сетях не проверяются автоматически и не всегда надёжны, поэтому ответы, основанные на актуальных сообщениях X, всегда следует воспринимать с определённой долей осторожности, особенно по спорным или неясным темам.

Генерация изображений и видео с Aurora и Grok Imagine

Для создания изображений xAI использует собственную систему под названием Aurora, которая теперь продаётся под названием продукта Grok Imagine. Она создаёт из текстовых описаний изображения, а теперь также короткие видео длительностью несколько секунд в разных форматах. В платном уровне SuperGrok включена полная функциональность Grok Imagine; бесплатный уровень предлагает только ограниченную базовую версию. Для программного интерфейса генерация видео оплачивается по количеству созданных секунд, что делает её сравнительно выгодной для коротких клипов.

Примеры применения из быта и бизнеса

Пример 1 — повседневность: пользователь планирует поездку и просит Grok на основе актуальных сообщений в X обобщить, какая сейчас погода и ситуация с движением в пункте назначения — то, что модель без доступа в реальном времени дать не может.

Пример 2 — малое предприятие: специалист небольшого ремесленного предприятия использует Grok 4.1 Fast для предварительной сортировки входящих запросов клиентов по электронной почте и формулирования вариантов ответов, которые затем проверяются человеком.

Пример 3 — недвижимость и финансы: агентство недвижимости хочет получить первое впечатление о текущих настроениях вокруг определённого места — например, всё больше ли говорят в последние дни о росте арендной платы или новом строительном проекте в городе. Grok благодаря доступу к актуальным сообщениям X может обобщить такие обсуждения и дать первые ориентиры. Важно при этом: такой анализ настроений не заменяет надёжный анализ рынка на основе официальных данных, а лишь даёт быстрое, дополнительное впечатление.

Пример 4 — проверка длинного документа: специалист загружает длинный договор аренды или обширное тендерное предложение в Grok 4.20 и просит обобщить ключевые пункты, сроки и цифры — благодаря большому контекстному окну модель может учитывать весь текст сразу, вместо необходимости разбивать его на разделы.

Пример 5 — техническая задача: разработчик использует Grok 4.5, чтобы проанализировать существующее программное приложение по нескольким файлам и получить предложения по улучшению программного кода — задача, для которой модель специально обучена.

Важно запомнить: чем длиннее и разветвлённее задача, тем важнее становится контекстное окно — при коротких повседневных вопросах оно, напротив, почти не играет роли.

Пример из практики: оценка затрат на программный интерфейс

Агентство недвижимости хочет ежемесячно автоматически предварительно формулировать около 50 описаний объектов с помощью Grok 4.5. Для каждого описания оценочно требуется 1000 токенов на входе (данные объекта, рамочные условия) и 1500 токенов на выходе (готовый текст).

• Вход: 50 × 1000 = 50 000 токенов, при 2 евро за миллион токенов это составляет около 0,10 евро
• Выход: 50 × 1500 = 75 000 токенов, при 6 евро за миллион токенов это составляет около 0,45 евро
• Общие затраты в месяц: около 0,55 евро

Этот расчётный пример показывает: чистые текстовые затраты через программный интерфейс при умеренных объёмах текста очень малы — реальные затраты обычно возникают из-за разработки и обслуживания интеграции, а не из-за отдельных запросов.

Часто задаваемые вопросы (FAQ)

Какую модель Grok мне использовать в качестве новичка?

Для начала, как правило, достаточно стандартной модели на бесплатном или самом выгодном платном уровне. Переход на более мощные модели оправдан только тогда, когда возникают ограничения при сложных или длинных задачах.

Что означает «контекстное окно» простыми словами?

Контекстное окно описывает, сколько текста модель может одновременно «удерживать в голове». Большое контекстное окно важно, если нужно проанализировать длинные документы за один раз, но при коротких вопросах почти не играет роли.

Grok 4.20 — то же самое, что Grok 4?

Нет. Grok 4.20 — самостоятельное, более позднее поколение модели со значительно большим контекстным окном и внутренней проверкой множественными ролями, которой у Grok 4 ещё не было.

Когда выйдет Grok 5?

Официальной даты на август 2026 года нет. xAI подтвердила, что модель-преемник находится в разработке, не называя точный срок.

Могу ли я получить с помощью Grok надёжные рыночные данные для решений по недвижимости?

Grok может обобщать текущие обсуждения и настроения, но не заменяет проверенные официальные данные или профессиональный анализ рынка. Он лучше всего подходит как быстрое дополнение, а не как единственная основа для решения.

Обзор самой компании xAI, уровней цен и оценку защиты данных можно найти на нашей странице провайдера xAI. Тому, кто хочет увидеть в сравнении других крупных провайдеров ИИ, обзор доступен на странице сравнения моделей ИИ.

Почему «Copilot» не равен «Copilot»

Microsoft сознательно сделал название Copilot зонтичным брендом, подобно тому как другие концерны делают с брендами для целых семейств продуктов. Однако под поверхностью варианты заметно отличаются: по базе данных, к которой у них есть доступ, по используемой языковой модели и по обязательствам в области безопасности и защиты данных, которые действуют в каждом случае.

Copilot в Windows

Интегрированный в панель задач вариант — это прежде всего универсальный чат для повседневных вопросов, исследований и простых задач написания текста. У него нет прямого доступа к внутренним документам компании или электронной почте, поэтому функционально он ближе к классическому чат-боту, чем к настоящему офисному ассистенту.

Microsoft 365 Copilot (Business и Enterprise)

Этот вариант является собственно бизнес-версией. Он связан через так называемый интерфейс Microsoft Graph с документами, электронной почтой, записями в календаре и чатами, к которым у соответствующего пользователя и без того есть доступ. Благодаря этому он может, например, создать резюме, действительно основанное на реальных файлах проекта команды, а не просто воспроизводить общие знания о мире. Это подключение — решающее техническое отличие от всех остальных вариантов Copilot.

Microsoft 365 Premium (преемник Copilot Pro)

Уровень, предназначенный для частных пользователей и самозанятых, приносит полные функции Copilot в личные офисные приложения, однако без глубокого подключения к корпоративной сети с множеством пользователей, как это предлагает бизнес-вариант. Он ориентирован на отдельных лиц, а не на команды.

GitHub Copilot: отдельная линейка продуктов

Для полноты стоит упомянуть, что GitHub Copilot — это самостоятельный продукт для разработчиков программного обеспечения, помогающий при написании программного кода. Он делит с остальными вариантами Copilot только название бренда и часть базовой технологии, но ориентирован на совершенно другую целевую группу и упоминается здесь лишь для полноты картины.

Какие модели ИИ действительно стоят за этим

Долгое время практически всё семейство Copilot работало исключительно на моделях OpenAI. В 2026 году это изменилось. В июле 2026 года Microsoft и OpenAI объявили, что новая модель GPT-5.6 станет предпочтительной моделью для Microsoft 365 Copilot в Word, Excel, PowerPoint и новых рабочих пространствах Copilot. Модель специально оптимизирована для интеллектуальной работы и должна работать эффективнее своих предшественников при более сложных, многоэтапных задачах.

Одновременно Microsoft расширила свою стратегию и с 2025 года дополнительно предлагает в Microsoft 365 Copilot модели Anthropic. На практике администраторы во многих корпоративных средах теперь могут выбирать или ограничивать, какая модель используется для какого приложения. Это важное отличие от чисто однопродуктовых провайдеров: технически Copilot работает скорее как пульт управления, переключающий в фоновом режиме между несколькими моделями, а не как единая, неизменная языковая модель.

Тот, кто спрашивает «какую модель использует Copilot», в 2026 году больше не получит простого ответа. Более правильный вопрос: какую модель Copilot использует именно для этой конкретной задачи, и можно ли это изменить в настройках.

Сравнительная таблица вариантов Copilot

Практические примеры применения из офисной повседневности

Пример 1: справиться с потоком писем в Outlook

Специалист возвращается после двухнедельного отсутствия и обнаруживает более 200 непрочитанных писем. Copilot обобщает длинную переписку, отмечает письма, требующие непосредственных действий, и предлагает готовые черновики ответов для рутинных запросов. Вместо того чтобы открывать каждое сообщение отдельно, сотрудник получает обзор за несколько минут.

Пример 2: резюме встречи в Teams

После часового обсуждения проекта Copilot автоматически создаёт резюме с важнейшими решениями, открытыми вопросами и списком конкретных задач, включая ответственное лицо для каждой. Тот, кто не смог присутствовать, не должен смотреть запись — достаточно прочитать резюме за несколько минут.

Пример 3: построение таблицы доходности в Excel

Пример из сферы недвижимости: управляющий хочет рассчитать валовую доходность аренды для многоквартирного дома при нескольких возможных ценах покупки. Он описывает Copilot в Excel обычными словами, какие столбцы ему нужны, например цена покупки, годовая арендная плата, эксплуатационные расходы и рассчитанная из них доходность в процентах. Copilot строит из этого базовую структуру с подходящими формулами, которую управляющий затем адаптирует к реальным цифрам своего объекта. Важно при этом: Copilot даёт полезный расчётный шаблон, но содержательная проверка формул и использованных значений остаётся задачей самого управляющего.

Пример 4: доработка текста экспозе в Word

Агентство недвижимости составило фактически верный, но стилистически очень сухой текст об объекте для экспозе. Copilot в Word может по запросу сделать текст более дружелюбным, легко читаемым, предложить более короткие предложения или убрать повторы, не меняя фактических данных об объекте. Человек при этом остаётся ответственным за содержательную правильность сведений, Copilot берёт на себя лишь языковую доработку.

Пример 5: первичная структура слайдов в PowerPoint

Для внутренней презентации по квартальным результатам Copilot на основе короткого текста с ключевыми словами создаёт первичную структуру слайдов с предложениями подходящих типов диаграмм. Это в основном экономит трудоёмкие первые полчаса структурирования, а собственно содержательная разработка остаётся ручной работой.

Что смена модели конкретно значит для пользователей

Для повседневной работы в Word, Excel или Outlook большинство пользователей почти не замечают переход от одной модели к другой, поскольку Microsoft в основном автоматически управляет выбором модели в фоновом режиме. Эта тема становится актуальной прежде всего для ИТ-специалистов в компаниях, которые в настройках администратора могут определять, какие модели вообще разрешены для их организации, например по причинам защиты данных. Для частных пользователей, как правило, остаётся только выбор уровня подписки, но не выбор отдельной модели.

Часто задаваемые вопросы о моделях Copilot

Доступен ли GPT-5.6 в каждом варианте Copilot?

Нет. GPT-5.6 используется прежде всего в Microsoft 365 Copilot и в Microsoft 365 Premium. Бесплатный вариант Windows частично использует упрощённые или более старые версии моделей.

Могу ли я как пользователь сам выбирать, какую модель использует Copilot?

В корпоративных средах администраторы могут ограничивать или разрешать выбор модели. Частные пользователи, как правило, не имеют прямого выбора модели, только выбор уровня подписки.

Почему Microsoft, помимо OpenAI, использует и модели Anthropic?

С 2025 года Microsoft сознательно придерживается стратегии с несколькими провайдерами моделей, чтобы для разных задач можно было использовать подходящие модели и не зависеть от единственного провайдера.

GitHub Copilot — то же самое, что Microsoft 365 Copilot?

Нет, GitHub Copilot — самостоятельный продукт для разработки программного обеспечения с собственными моделями и собственной ценовой структурой, который делит с офисной версией только название бренда.

Надёжны ли расчётные результаты Copilot в Excel?

Copilot даёт хорошую базовую структуру и подходящие предложения формул, но содержательная проверка значений и формул всё же должна выполняться человеком, особенно при расчётах, значимых для бизнеса.

Обзор отдельных уровней цен, вопросов защиты данных и общую оценку Microsoft Copilot предлагает страница провайдера Microsoft Copilot в обзоре. Тому, кто хочет увидеть в сравнении остальные восемь провайдеров, обзор доступен на главной странице Сравнение всех моделей ИИ.

Базовый принцип: веб-поиск плюс языковая модель вместо ответа из памяти

Почему одной чисто языковой модели недостаточно

Крупная языковая модель, такая, что стоит, например, за классическими чат-ботами, была обучена в определённый момент на огромных объёмах текста. После этого она обладает очень большим объёмом общих знаний, но не имеет автоматического доступа к новым событиям, актуальным цифрам или недавно опубликованным исследованиям. Если спросить такую модель о текущей ключевой ставке или об изменении закона, принятом вчера, она может либо честно сказать, что не знает этого, либо — в худшем случае — придумать что-то неверное, звучащее правдоподобно. Именно эту проблему Perplexity решает с помощью двухэтапного процесса.

Взаимодействие: поиск встречается с генерацией текста

На первом этапе, так называемом Retrieval (поиске), Perplexity просматривает актуальные веб-страницы, новостные статьи, специализированные порталы и частично научные базы данных на предмет содержания, соответствующего заданному вопросу. Эти найденные материалы отфильтровываются, сортируются по релевантности и достоверности и передаются языковой модели как основа. Только на втором этапе языковая модель обобщает эти материалы в понятный, связный ответ и снабжает каждое утверждение сноской, указывающей на соответствующий источник. Это можно представить как очень быстрого исследовательского ассистента, который сначала читает десять специализированных статей, а затем диктует резюме с указанием источников — только этот процесс занимает несколько секунд.

Не языковая модель «знает» ответ на актуальный вопрос — она считывает его в реальном времени из только что найденных источников и переводит в понятный язык.

Какие модели конкретно стоят за этим?

Собственные модели Sonar для стандартных запросов

Для большинства повседневных запросов Perplexity использует собственные, внутренне разработанные модели из так называемой серии Sonar. Они специально обучены эффективно анализировать результаты веб-поиска и быстро преобразовывать их в чёткий, подтверждённый источниками ответ. Преимущество собственных моделей заключается прежде всего в скорости и экономичности — для простых фактических вопросов не нужно привлекать самую сложную из доступных моделей.

Доступ к внешним топовым моделям в зависимости от подписки

Для более сложных вопросов, длинных анализов или по явному запросу Perplexity дополнительно обращается к внешним языковым моделям крупных провайдеров — в зависимости от доступности и уровня подписки, например к актуальным моделям серий OpenAI (GPT), Anthropic (Claude) и Google (Gemini). Сама Perplexity эти модели не разрабатывает, а подключает их через программные интерфейсы и комбинирует с собственной технологией поиска. Пользователи Pro в расширенных настройках часто могут целенаправленно выбирать, какая модель должна формулировать ответ, тогда как бесплатная версия делает этот выбор автоматически в фоновом режиме.

Model Council: сравнение нескольких топовых моделей одновременно

Для подписчиков Max есть особая функция, часто называемая «Model Council»: при этом Perplexity обрабатывает один и тот же вопрос параллельно с несколькими ведущими языковыми моделями одновременно, сопоставляет результаты и обобщает, где модели согласны, где они расходятся и какие аспекты каждая модель проработала особенно хорошо. Для обычного пользователя это обычно излишние усилия, но для людей, которые хотят обоснованно подстраховать действительно важное и сложное решение, сравнение моделей может дать ценные дополнительные перспективы.

Deep Research: многоэтапное, самоуправляемое исследование

Дополнительно существует режим под названием Deep Research, при котором Perplexity не просто выполняет один поиск, а самостоятельно планирует несколько поисковых шагов подряд: сначала формируется общий обзор, затем целенаправленно исследуются отдельные подвопросы, и в конце возникает более длинный, структурированный отчёт с множеством ссылок на источники. Этот режим занимает значительно больше времени, чем обычный запрос, но зато даёт более обоснованные результаты при более сложных темах, таких как анализ рынка.

Режимы и уровни в сравнении

Примеры применения из повседневной жизни и работы

Пример 1: быстрый фактический вопрос в быту

Пользователь хочет узнать, какова текущая инфляция в Германии. Стандартный поиск за несколько секунд даёт короткий ответ с актуальным значением и ссылкой на соответствующее сообщение Федерального статистического управления — значительно быстрее, чем самостоятельно просматривать несколько веб-страниц.

Пример 2: исследование текущих ставок по ипотеке с указанием источников

Специалист по финансированию недвижимости хочет составить общий обзор текущей динамики ставок по ипотечным кредитам для внутренней записки. Он формулирует вопрос о приблизительном уровне ставок для десятилетних ипотечных кредитов и просит показать используемые источники, например актуальные отчёты финансовых порталов или статистику ставок. Важно здесь: Perplexity даёт хорошую первичную ориентацию с прослеживаемыми доказательствами, но не заменяет обязывающую консультацию по финансированию и актуальный на сегодня запрос условий банка. Но для быстрой, основанной на источниках оценки перед консультацией польза реальна.

Пример 3: обобщение длинного отчёта о рынке или договора аренды

Управляющий недвижимостью, загрузивший длинный отчёт о рынке или многостраничный договор аренды в виде PDF в Space, может затем задавать целенаправленные вопросы по нему, например о важнейших ключевых утверждениях, сроках расторжения или определённых показателях. При этом Perplexity привлекает как загруженный документ, так и дополнительно текущий веб-поиск для оценки утверждений — юридическую проверку специалистом это, однако, не заменяет.

Пример 4: подготовка к профессиональному разговору с несколькими точками зрения

Перед важным решением, например стратегическим поворотом в собственном предприятии, может быть полезен режим Model Council: три разные топовые модели обрабатывают один и тот же вопрос, а обобщение показывает, где оценки совпадают, а где расходятся. Это не заменяет профессиональную консультацию, но даёт более широкий угол обзора, чем один ответ ИИ.

Пример 5: быстрый перевод и оценка иноязычных источников

Поскольку многие специализированные статьи и исследования доступны только на английском языке, Perplexity может напрямую включать иноязычные источники в немецкое резюме, с указанием на оригинал. Это часто избавляет от обходного пути через отдельный инструмент перевода.

Что эта технология значит для надёжности ответов?

Комбинация веб-поиска и языковой модели значительно снижает риск полностью придуманных утверждений, поскольку в идеальном случае каждое утверждение можно свести к реальному источнику. Однако полностью ошибка этим не исключена: базовые веб-источники также могут быть устаревшими, неполными или просто неверными, а языковая модель при обобщении может утратить нюансы. Поэтому золотое правило остаётся: указание источников значительно облегчает проверку, но не заменяет собственный критический взгляд, особенно при решениях, значимых для бизнеса или финансов.

Чем важнее решение, тем оправданнее взглянуть на оригинальный источник за сноской — а не только на резюме ИИ.

Часто задаваемые вопросы (FAQ)

Какую модель ИИ конкретно использует Perplexity?

Единой постоянной модели нет. Perplexity комбинирует собственные модели Sonar с внешними топовыми моделями разных провайдеров и в зависимости от запроса, режима и уровня подписки автоматически или по желанию выбирает подходящую комбинацию.

Какая разница между Pro Search и Deep Research?

Pro Search отвечает на вопрос за один проход, тогда как Deep Research самостоятельно планирует несколько поисковых шагов подряд и в конце выдаёт более подробный, структурированный отчёт.

Оправдан ли режим Model Council для частных лиц?

Для простых повседневных вопросов, как правило, нет, поскольку дополнительные усилия почти не дают выгоды. Но при действительно важных, значимых вопросах взгляд с нескольких точек зрения моделей может быть полезен.

Могу ли я слепо доверять указанным источникам?

Нет. Сноски значительно облегчают проверку, но не заменяют собственную оценку источника, особенно если решение имеет финансовые или правовые последствия.

Почему Perplexity иногда отвечает на один и тот же вопрос по-разному?

Поскольку в фоновом режиме в зависимости от нагрузки, уровня подписки и найденных источников могут использоваться разные модели и результаты поиска, немного отличающиеся формулировки или акценты — это нормально.

Обзор Perplexity AI как продукта в целом, цены и оценку защиты данных предлагает страница провайдера: Perplexity AI: ИИ-поисковая система с указанием источников в обзоре. Сравнение с другими крупными провайдерами ИИ в кластере доступно на обзорной странице: Модели ИИ в сравнении.