Когда вы пишете чат-боту «объясни, почему небо голубое», внутри не происходит ничего похожего на понимание вопроса. Программа считает, какое слово вероятнее всего идёт следующим. Потом ещё одно. Потом ещё. Из этой простой операции, повторённой тысячи раз подряд, складывается ответ, который выглядит осмысленным. Технология, которая так умеет, называется языковой моделью.
Разобрали простыми словами: что такое языковая модель, чем она отличается от нейросети вообще и от ChatGPT в частности, как она читает текст и выбирает следующее слово, зачем ей триллионы токенов на обучении, какие большие языковые модели работают в 2026 году в России и за рубежом и где они врут.
Если про нейросети вы вообще ничего не читали, начните с обзорного материала «Что такое нейросети и как они работают». Там базовый уровень, а здесь мы разбираем частный случай: модели, которые обучили на тексте.
Статья пригодится не только программистам. С языковыми моделями каждый день работают маркетологи, юристы, аналитики, преподаватели, редакторы, менеджеры поддержки. Понимать, что у инструмента внутри, полезно по одной причине: становится видно, каким его ответам можно верить и какие обязательно надо перепроверить. Про самый частый способ ошибиться мы написали отдельно, в статье про галлюцинации нейросетей.
А если после этой статьи захочется освоить тему как рабочий навык, загляните в наш каталог курсов по нейросетям и искусственному интеллекту: там почти тысяча программ, от коротких интенсивов по промптам до годовых курсов с математикой и кодом.
CheckroiПодборка курсов по Нейросетям928 курсов • 62 школыСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Что такое языковая модель простыми словами
Языковая модель — это программа, которая по началу текста предсказывает его продолжение. Она получает на вход всё, что уже написано (ваш вопрос плюс то, что она сама успела ответить), и выдаёт список вариантов следующего кусочка текста с вероятностями. «Небо голубое, потому что солнечный» с вероятностью 41 %, «потому что свет» с вероятностью 27 %, и так далее. Модель выбирает один вариант, дописывает его к тексту и повторяет всё заново.
Ближайшая знакомая аналогия — подсказки Т9 в телефоне. Тот тоже угадывает следующее слово. Разница только в масштабе, но масштаб тут решает всё: Т9 помнит два-три предыдущих слова и статистику ваших сообщений, а современная модель держит в поле зрения сотни страниц и опирается на текст объёмом в несколько триллионов слов. Когда предсказание становится настолько точным, оно перестаёт выглядеть как угадывание и начинает выглядеть как рассуждение.
Аббревиатура LLM расшифровывается как Large Language Model, то есть «большая языковая модель». Слово «большая» тут не маркетинговое: оно означает конкретные вещи, про которые мы поговорим ниже, когда дойдём до параметров и контекстного окна. В обиходе «языковая модель», «большая языковая модель» и «LLM» давно значат одно и то же.
Чем языковая модель отличается от нейросети и от ChatGPT
Три слова, которые новичок обычно путает в первую неделю знакомства с темой.
Нейросеть — это общий способ устроить программу: множество простых вычислительных «клеточек», связанных между собой числами-весами, которые подбираются автоматически на примерах. Нейросети бывают какие угодно: распознают лица на фото, предсказывают погоду, рисуют картинки, сортируют письма в спам.
Языковая модель — это нейросеть, которую обучили именно на тексте и именно задаче «продолжи фразу». То есть языковая модель всегда нейросеть, но далеко не каждая нейросеть языковая модель.
ChatGPT — это уже готовый продукт: сайт и приложение с окном чата, историей переписки, загрузкой файлов, поиском по интернету и оплатой подписки. Внутри него работает языковая модель семейства GPT, но продукт и модель это разные вещи. Примерно как автомобиль и двигатель: двигатель можно поставить в другой кузов, а в кузов можно поставить другой двигатель. Подробный разбор самого продукта у нас есть в статье «Что такое ChatGPT простыми словами».
Проверьте себя. Если в разговоре звучит «эта нейросеть» про чат-бота, скорее всего имеют в виду продукт. Если «модель» с номером версии, речь про сам движок, который этот продукт использует.
Как языковая модель работает изнутри
Дальше четыре шага, которые модель проделывает с каждым вашим запросом. После этого раздела станет понятно, откуда берутся и сильные стороны моделей, и их фирменные ошибки.
Шаг 1: текст режется на токены
Модель не умеет работать с буквами и словами напрямую. Сначала текст разбивают на токены — короткие кусочки, каждому из которых заранее присвоен номер. Иногда токен совпадает с целым словом, иногда это слог, приставка или знак препинания. Для русского языка счёт получается расточительнее, чем для английского: примерно один токен на два-три символа против одного токена на четыре символа у английского.
В токенах считают и лимиты, и деньги. Провайдер берёт плату за тысячу токенов на входе и за тысячу на выходе, и один и тот же текст на русском обойдётся дороже, чем на английском. Механику мы разложили подробно в материале «Что такое токен в нейросети».
Шаг 2: модель считает вероятность следующего токена
Номера токенов превращаются в длинные списки чисел (их называют эмбеддингами — это способ записать смысл слова числами так, чтобы у похожих по смыслу слов числа тоже получались похожими). Дальше эти числа проходят через десятки слоёв вычислений, и на выходе получается вероятность для каждого токена из словаря: насколько он уместен следующим.
Здесь важная деталь: модель не хранит факты в виде базы данных. Она хранит статистику того, какие слова в каких сочетаниях встречались в текстах обучения. Поэтому она блестяще пересказывает то, что было написано много раз, и начинает выдумывать там, где данных было мало.
Шаг 3: внимание решает, какие слова в запросе важнее
Раньше модели читали текст строго слово за словом и к концу длинного абзаца забывали начало. В 2017 году исследователи Google опубликовали работу «Attention Is All You Need» и описали архитектуру трансформер. Её главная идея в механизме внимания: модель для каждого слова прикидывает, на какие другие слова текста стоит опираться, и делает это для всех слов сразу, параллельно.
Именно поэтому модель понимает, что в предложении «отнеси ключи в машину, она открыта» слово «она» относится к машине. И именно поэтому обучение стало возможно масштабировать: параллельные вычисления отлично ложатся на видеокарты. Все известные вам модели, от ChatGPT до YandexGPT, построены на этой архитектуре. Чуть более наглядно про внутреннюю кухню мы написали в статье «Как нейросети думают».
CheckroiПодборка курсов по YandexGPT84 курса • 29 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Шаг 4: из вероятностей выбирается конкретное слово
Если бы модель всегда брала самый вероятный вариант, ответы получались бы правильными и деревянными. Поэтому выбор делают с элементом случайности, а степень этой случайности регулирует параметр температура. Низкая температура даёт предсказуемый, суховатый и повторяемый текст. Высокая даёт живость, неожиданные формулировки и заодно больше ошибок.
Отсюда бытовое наблюдение, которое многих сбивает с толку: на один и тот же вопрос модель дважды отвечает по-разному. Это штатное поведение. В чат-ботах температуру обычно ставят средней, а в API её можно задать самому: для извлечения данных из документов ставят почти ноль, для генерации идей поднимают.
Канал основателя Checkroi Вани Буявца3 700 человек читают мой Телеграм-канал про нейросетиСобрал промпты для Claude Code и ChatGPT, разборы ИИ-инструментов и лайфхаки по продвижению бизнеса в одном местеПрисоединитьсяКак языковые модели обучают: три стадии
Готовая модель получается не за один заход. Стадий три, и у каждой своя задача.
Предобучение: модель читает половину интернета
Самая долгая и дорогая стадия. Модели показывают огромный корпус текстов (книги, сайты, документацию, код, научные статьи) и заставляют угадывать закрытые кусочки. Счёт идёт на триллионы токенов и на месяцы работы тысяч видеокарт. Стоимость одного такого прогона для флагманской модели измеряется десятками и сотнями миллионов долларов, поэтому свои большие модели с нуля обучают от силы полтора десятка компаний в мире.
На выходе получается так называемая базовая модель. Она знает язык и огромное число фактов, но вести диалог не умеет: на вопрос «как приготовить борщ» она может честно продолжить его списком других вопросов, потому что в интернете вопросы часто идут подряд.
Дообучение на инструкциях: модель учится отвечать
Дальше модели показывают десятки тысяч пар «запрос → хороший ответ», написанных людьми. Так она усваивает формат: если тебя о чём-то спросили, надо ответить по существу, а если попросили список, то выдать список. Эту стадию называют fine-tuning, то есть тонкая настройка под конкретный тип задач. Компании дообучают открытые модели под себя ровно этим способом: берут готовую базу и показывают ей свои документы и свои сценарии.
Обучение с обратной связью от людей
Финальная стадия называется RLHF (reinforcement learning from human feedback, обучение с подкреплением на обратной связи от человека). Людям показывают несколько вариантов ответа модели, они отмечают, какой лучше, и на этих оценках обучают отдельную модель-судью. Дальше судья тренирует основную модель быть вежливой, полезной и отказываться от опасных просьб.
Отсюда растёт характер модели. Разница в тоне между разными чат-ботами, когда один осторожничает, а другой рубит с плеча, задаётся в основном на этой третьей стадии, а объём данных тут почти ни при чём.
Почему модели называют большими
За словом «большая» стоят четыре вполне конкретные характеристики, и в описаниях моделей вы будете видеть именно их.
| Характеристика | Что означает | Типичные значения в 2026 году | Что это даёт вам на практике |
|---|---|---|---|
| Параметры | Настраиваемые числа внутри модели, её «память» и мозг одновременно | От 3 млрд у компактных моделей до 2 трлн у флагманов | Чем больше, тем лучше со сложными рассуждениями, но тем дороже и медленнее ответ |
| Объём обучающих данных | Сколько текста модель прочитала на предобучении | Триллионы токенов, петабайты исходников | Широта эрудиции и качество редких языков, включая русский |
| Контекстное окно | Сколько текста модель удерживает в поле зрения за один разговор | 128K токенов у российских моделей, до 2M у лидеров | Можно ли закинуть в чат целую книгу или годовой отчёт целиком |
| Дата отсечки знаний | Момент, до которого собирались тексты для обучения | Обычно отставание на 3–8 месяцев от сегодняшнего дня | Про события после этой даты модель знает только через поиск в интернете |
Контекстное окно стоит объяснить отдельно, потому что с ним связано самое частое разочарование новичка. Модель ничего не помнит между разговорами. Каждый раз, когда вы пишете сообщение, ей заново скармливают всю переписку целиком. Когда переписка перестаёт помещаться в окно, старые сообщения выбрасывают, и модель «забывает» то, о чём вы договорились в начале. Длинный диалог лучше начинать заново, коротко пересказав итоги.
Какие языковые модели работают в 2026 году
Моделей на рынке несколько десятков, но на слуху десяток. Собрали основные в одну таблицу: чем сильна каждая и насколько просто до неё дотянуться из России.
| Модель | Разработчик | Контекст | В чём сильна | Доступ из России |
|---|---|---|---|---|
| GPT-5.6 Sol | OpenAI | 1M (128K out) | Универсальность, поиск в интернете, самый большой набор расширений и готовых сценариев | Через КВН и зарубежную карту либо через российских посредников |
| Claude Opus 5 | Anthropic | 1M (128K out) | Работа с кодом, длинные документы, аккуратность формулировок | Так же, официально страна не поддерживается |
| Gemini 3.1 Pro | 1M | Разбор видео и таблиц, большое окно контекста, дешёвый API | Через КВН, часть функций в регионе недоступна | |
| YandexGPT 5.1 Pro | Яндекс | 32K | Русский язык, интеграция с Алисой и сервисами Яндекса, 152-ФЗ | Полностью легально, оплата в рублях |
| GigaChat 2 Max | Сбер | 128K | Русский язык и деловая переписка, бесплатная квота для физлиц | Полностью легально, оплата в рублях |
| DeepSeek V4 Pro | DeepSeek | 1M | Логика и код при цене в разы ниже западных аналогов | Работает напрямую, оплата картой затруднена |
| Qwen3.7-Max | Alibaba | 1M | Мультиязычность, у линейки есть версии с открытыми весами | Работает напрямую |
| Grok 4.5 | xAI | 500K | Свежие данные из соцсети X, свободный тон ответов | Через КВН и зарубежную карту |
Что выбрать, если разбираться некогда. Для работы с русскими текстами и документами компании берите 
YandexGPT 5.1 Pro или GigaChat 2 Max: они дешевле, работают без КВН и не создают вопросов с персональными данными. Для кода и длинных технических текстов сильнее всего 
Claude Opus 5. Для повседневных задач с поиском по интернету удобнее 
GPT-5.6 Sol. Начать вообще без денег можно с бесплатных тарифов, мы собрали их в подборке бесплатных нейросетей.
Про две российские модели у нас есть отдельные разборы с тарифами и примерами запросов: что такое YandexGPT и что такое GigaChat. Обе доступны физлицам бесплатно в чате и по скромной квоте через API.
Что языковые модели делают хорошо и где ошибаются
Шесть задач, где модель экономит часы
- Пересказ и выжимка. Стостраничный отчёт, расшифровка часовой встречи, длинная переписка: модель вытащит главное за минуту.
- Переписывание под другой формат. Превратить черновик в деловое письмо, сухую инструкцию в понятный текст, статью в пост для соцсетей.
- Перевод. На длинных связных текстах модели давно обходят классические переводчики, потому что видят контекст всего документа.
- Разбор данных в свободной форме. Из сотни писем с заказами вытащить имена, суммы и даты в таблицу.
- Код и формулы. Написать скрипт, объяснить чужой код, собрать формулу для Excel по описанию на русском.
- Черновики и варианты. Двадцать заголовков, десять сценариев звонка, план урока и вообще всё, где нужен объём вариантов для последующего отбора человеком.
Четыре ограничения, о которых надо знать заранее
Галлюцинации. Модель уверенно придумывает несуществующие факты, номера законов, цитаты и ссылки. Причина прямо вытекает из механики: задача модели в том, чтобы выдать правдоподобное продолжение, и правдоподобная выдумка для неё ничем не хуже правды. Никакой внутренней проверки на фактичность у неё нет.
Устаревшие знания. Всё, что произошло после даты отсечки, модели неизвестно. Если чат-бот не умеет ходить в интернет, про новости последних месяцев он будет фантазировать.
Слабая арифметика. Модель предсказывает символы, а не вычисляет. На многозначных числах и процентах она ошибается регулярно, и уверенность в голосе при этом та же самая. Считать надо в калькуляторе или просить модель написать код, который посчитает.
Данные уходят к провайдеру. Всё, что вы отправили в чат, попадает на чужие серверы. Персональные данные клиентов, коммерческую тайну и медицинские сведения в публичные чат-боты отправлять нельзя. Для таких сценариев берут российские модели с договором или ставят открытую модель в свой контур.
Правило, которое экономит нервы. Языковая модель отлично работает там, где вы способны проверить результат за минуту, и опасна там, где проверить нечем. Отсюда простой критерий: доверять форме, перепроверять содержание.
Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в каналКак проверять ответ модели: чек-лист из семи пунктов
- Цифры пересчитайте. Любые суммы, проценты и сроки проверьте в калькуляторе или в таблице.
- Ссылки откройте. Модель регулярно выдаёт правдоподобные адреса, которых не существует.
- Имена и цитаты найдите в поиске. Особенно если цитата слишком удачно ложится в вашу мысль.
- Спросите про источник. Уточняющий вопрос «откуда это, дай точную ссылку» часто заставляет модель сдать назад и признать неуверенность.
- Задайте тот же вопрос второй модели. Расхождение в ответах двух разных моделей почти всегда признак, что тема шаткая.
- Проверьте дату. Если речь про законы, цены или версии программ, уточните, на какой момент актуальны данные.
- Отдельно сверьте юридическое и медицинское. Здесь цена ошибки такая, что ответ модели годится только как черновик вопроса живому специалисту.
Открытые и малые модели: когда языковую модель ставят на свой компьютер
Кроме флагманов, которые живут в облаке провайдера, есть модели с открытыми весами: разработчик выкладывает файл с обученной моделью, и любой человек может скачать его и запустить у себя. Такие модели обычно компактнее (от 3 до 70 млрд параметров), их иногда называют малыми языковыми моделями, SLM.
Чтобы модель влезла в обычную видеокарту, её прогоняют через квантование — огрубление чисел внутри модели, при котором файл сжимается в три-четыре раза, а качество падает незначительно. Скачивают модели чаще всего с Hugging Face, а запускают через Ollama или LM Studio: обе программы ставятся в пару кликов и не требуют навыков программирования.
CheckroiПодборка курсов по Ollama14 курсов • 6 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Зачем это нужно на практике: данные никуда не уходят, платить за токены не надо, интернет не обязателен. Из доступных вариантов с приличным русским стоит смотреть на открытую линейку Qwen3.6 (версии на 27 и 35 млрд параметров под лицензией Apache 2.0) и на выложенную Яндексом YandexGPT 5 Lite 8B. Чуда ждать не стоит: локальная модель на домашнем компьютере ощутимо слабее облачного флагмана. Зато она полностью ваша.
Куда языковые модели движутся дальше
Три направления, которые определяют развитие технологии прямо сейчас. Знать их полезно, чтобы понимать, о чём говорят в новостях и за что берут деньги в корпоративных внедрениях.
Мультимодальность. Слово громкое, смысл простой: модель научили принимать на вход не только текст. Современные флагманы разбирают фотографии, скриншоты, PDF, таблицы, звук, а лучшие из них ещё и видео. На практике это выглядит так: вы фотографируете счёт от поставщика, и модель сама вытаскивает оттуда позиции и суммы в таблицу. Внутри всё та же механика с токенами, просто картинку тоже режут на кусочки и переводят в числа.
Своя база знаний, или RAG. Модель не знает ваших внутренних регламентов и прайсов, но их можно подкладывать ей перед ответом. Схема называется RAG (retrieval-augmented generation, генерация с подтягиванием документов): при каждом вопросе система ищет в вашей базе три-пять самых подходящих кусков текста и отдаёт их модели вместе с вопросом. Так работает большинство корпоративных чат-ботов по документам, и так же снижают галлюцинации: модели проще не выдумывать, когда нужный текст лежит прямо перед ней.
Агенты. Агент — это языковая модель, которой дали инструменты и право ими пользоваться: искать в интернете, запускать код, ходить в чужие сервисы, проверять собственный результат и переделывать. Вместо одного ответа получается цепочка действий. Именно сюда сейчас уходит основная часть корпоративных бюджетов на искусственный интеллект, и именно здесь модель из собеседника превращается в исполнителя.
Под всеми тремя направлениями лежит одна и та же база: машинное обучение и глубокое обучение. Если хочется дойти до фундамента, посмотрите отдельную подборку курсов по машинному обучению: там программы с математикой, Python и проектами в портфолио.
Словарь: четырнадцать терминов, которые встретятся сразу
| Термин | Что это значит одной фразой |
|---|---|
| LLM | Большая языковая модель, движок, который предсказывает продолжение текста |
| Токен | Кусочек текста, которым модель оперирует вместо букв, и единица оплаты |
| Контекстное окно | Сколько текста модель удерживает в одном разговоре |
| Параметры | Числа внутри модели, которые подобрались на обучении |
| Трансформер | Архитектура 2017 года, на которой построены все современные модели |
| Внимание | Механизм, которым модель решает, какие слова текста важнее |
| Эмбеддинг | Запись смысла слова числами, чтобы по ним искать похожее |
| Предобучение | Первая долгая стадия, чтение гигантского корпуса текстов |
| Fine-tuning | Дообучение готовой модели под конкретные задачи или свои документы |
| RLHF | Настройка модели на оценках людей, откуда берётся вежливость и отказы |
| Температура | Параметр, который отвечает за разнообразие и предсказуемость ответов |
| Галлюцинация | Уверенно выданный моделью факт, которого не существует |
| Промпт | Ваш запрос к модели вместе со всеми пояснениями и примерами |
| RAG | Схема, при которой модели перед ответом подсовывают нужные документы |
С чего начать: план на первую неделю
Теорию удобнее закреплять руками, поэтому вот короткий маршрут, который занимает по двадцать минут в день.
- День 1. Заведите бесплатные аккаунты в двух чат-ботах, российском и зарубежном, и задайте обоим один рабочий вопрос. Сравните ответы.
- День 2. Возьмите свою реальную задачу из прошлой недели и попробуйте решить её с моделью целиком.
- День 3. Научитесь давать контекст: роль, цель, аудитория, формат, примеры «как надо». Разница в качестве ответа будет заметна сразу. Формулу мы разобрали в статье про промпт-инжиниринг.
- День 4. Загрузите в чат свой документ и попросите выжимку, а потом проверьте её по оригиналу и посмотрите, что модель переврала.
- День 5. Прогоните тот же запрос через чек-лист проверки из этой статьи.
- День 6. Соберите свою мини-библиотеку промптов: пять запросов, которые вы будете переиспользовать каждую неделю.
- День 7. Решите, нужен ли платный тариф. К этому моменту вы уже понимаете, на чём именно упираетесь в бесплатные лимиты.
Где научиться работать с языковыми моделями
Самостоятельно освоить чат-бота на бытовом уровне можно за неделю. Дальше начинается то, что уже сложно собрать по роликам: работа через API, подключение своей базы знаний по схеме RAG, дообучение открытых моделей, оценка качества ответов, безопасность данных. Курс тут экономит месяцы блужданий, потому что даёт последовательность и практику на живых проектах.
Собрали программы разного уровня, от двухнедельных интенсивов по промптам до годовых курсов с математикой, машинным обучением и выводом моделей в продакшен. Отдельно есть узкая подборка курсов по работе с LLM, если интересна именно инженерная часть: API, свои базы знаний и дообучение.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Нейросети для изображений и видео Перейти на сайт курса |  Эдюсон | 47 504 ₽ | 3958 ₽/мес. | 2 месяца | Обзор курса |
| Нейросети для рабочих задач Перейти на сайт курса |  Skillbox | 31 290 ₽ | 2608 ₽/мес. | 1 месяц | Обзор курса |
| Нейросети. Практический курс Перейти на сайт курса | Skillbox | 74 900 ₽ | 6242 ₽/мес. | 3 месяца | Обзор курса |
| Нейросети для каждого: как решать рабочие задачи быстрее Перейти на сайт курса |  Нетология | 57 000 ₽ | 2763 ₽/мес. | 6 недель | Обзор курса |
| Продуктовый маркетолог + Нейросети для маркетинга Перейти на сайт курса | Нетология | 110 200 ₽ | 3875 ₽/мес. | 5 месяцев | Обзор курса |
| Нейросети для дизайнера Перейти на сайт курса | Skillbox | 84 272 ₽ | 3831 ₽/мес. | 4 месяца | Обзор курса |
| Нейросети для работы |  Skypro | 44 690 ₽ | 5477 ₽/мес. | 3 месяца | Обзор курса |
| Нейросети для каждого Перейти на сайт курса |  Академия Синергия | 39 900 ₽ | 3325 ₽/мес. | 3 месяца | Обзор курса |
| Нейросети для начинающих Перейти на сайт курса |  SF Education | 42 000 ₽ | 2333 ₽/мес. | 1 месяц | Обзор курса |
| Нейросети для маркетинга Перейти на сайт курса | Skillbox | 29 800 ₽ | 4967 ₽/мес. | 1 месяц | Обзор курса |
Больше программ — в полном каталоге курсов по нейросетям и искусственному интеллекту
Если интересна не только работа с готовыми моделями, но и профессия целиком, посмотрите наши разборы: кто такой AI-инженер и кто такой промпт-инженер. Первая про инженерную сторону, вторая про прикладную, и порог входа у них разный.
