Что такое нейросеть и LLM

Большая языковая модель (LLM) — нейросеть, обученная предсказывать следующий токен: минимальную единицу текста (примерно ¾ слова). На огромном корпусе текстов она учится закономерностям языка, фактов и рассуждений, а на запросе генерирует ответ токен за токеном. Отсюда две базовые характеристики любой модели: объём контекста (сколько текста она «помнит» за раз) и скорость/цена (сколько стоит каждый сгенерированный токен).

Контекст, токены, цены

Контекст измеряется в токенах: 128K — примерно 90–96 тысяч слов, 1M — уже «роман+». Чем больше контекст, тем больше документации/кода можно засунуть в один запрос, но и тем дороже обработка.

Цены указывают за 1 млн токенов и обычно разделены на вход (input) и выход (output): выход почти всегда дороже. Вход при этом часто бывает дешевле с добавлением кэширования — повторные части запроса считаются по сниженному тарифу в разы дешевле. На странице «Цены» сравниваются публичные тарифы провайдеров.

Проприетарные vs open-weight

API-модели (GPT, Claude, Gemini, Grok…) — работают на серверах разработчика, доступны через API-ключ, оплата за токены. Максимум качества, ноль возни с железом, но ваши данные уезжают в облако и есть лимиты.

Open-weight модели (Qwen, GLM, DeepSeek, Llama, Gemma…) — веса открыты, можно запустить у себя (обычно нужно 24–64+ ГБ VRAM для приличного размера). Дешевле в проде и полностью приватно, но нужны железо и обслуживание, а качество чуть ниже фронтира.

Правило: отдайте рутинные приватные задачи open-weight (или дешёвым flash-моделям), а сложные рассуждения и кодинг — фронтирным API. Это экономит большую часть бюджета без потери качества там, где оно решает.

Как читать бенчмарки и рейтинги

Бенчмарк — стандартизированный тест (обычно набор задач с эталонными ответами): SWE-bench (реальные задачи из GitHub), LiveCodeBench (кодинг), GPQA (естественно-научные вопросы «уровня PhD»), MMLU-Pro (широкие знания). Сводный счёт на этом сайте собран из проверяемых источников по методологии BenchLM.

Важные оговорки:

• Разница в 1–2 балла между топ-моделями — статистический шум, а не объективное превосходство.
• Разные провайдеры «готовят руками» тесты к релизу — свежие модели на своих бенчмарках традиционно сильнее.
• Высокий балл в общем рейтинге не значит, что модель лучшая в вашей задаче: открывайте категории (код, рассуждения, агенты, математика) и смотрите под задачу.
• Статус «подтверждено»/«оценка» показывает, опирается ли счёт на опубликованные прогоны или на экстраполяцию.

Как выбрать модель под задачу

• Кодинг — Claude, GPT (Codex), Kimi K2.7 Code, GLM-5.3, DeepSeek V3.2. Для автодополнения в IDE сначала качество, для массовой кодогенерации — цена и скорость.
• Агенты (Agentic) — смотрите категорию «Агенты»: важны планирование, работа с инструментами, выполнение длинных цепочек. GPT-6 Astra, Claude Fable 5.1 лидируют.
• Рассуждения / математика — reasoning-режим (o-модели, Gemini Deep Think, DeepSeek R1). Медленнее, но точнее на сложных задачах.
• Знания и генерация текста — фронтирные модели с длинным контекстом; для черновиков подходят дешёвые flash/турбо.
• Мультимодальность — если нужен разбор картинок, видео, таблиц с экрана, ищите модели с апстримом визуальных бенчмарков в категории «Мультимодальность».

Полезные практики

• Держите запросы конкретными: роль, формат ответа, ограничение по длине. Модель почти всегда справится, если вы объяснили что и в каком виде хотите.
• Для больших документов режьте контекст: сначала извлечение фактов в короткую справку, потом анализ справки — так вы меньше платите за токены.
• Следите за календарём депрекаций: провайдеры регулярно выводят старые версии из эксплуатации, и внезапный 404 на API погубит прод. Раздел «Новинки» на этом сайте помогает не пропускать важные релизы.
• Кэшируйте повторяющиеся запросы (кэш-вход), используйте batch-режимы там, где не нужен сиюминутный ответ, — это главные скидки у всех провайдеров.

Источники данных

Все рейтинги, цены и даты релизов — открытые машиночитаемые данные BenchLM.ai. Обновление — ежедневно автоматически. Названия моделей, баллы и цены проверяйте по первоисточникам провайдеров на страницах моделей.