ИИ для всех

Языковая модель не находит готовый ответ. Она предсказывает следующий фрагмент текста, фрагмент за фрагментом, а механизм внимания решает, какие из уже написанных вами слов важны для этого предсказания.

Напишите «ключ» — и модель не знает, о каком ключе речь. Внимание просматривает соседние слова — «замок», «родник», «скрипичный» — и сдвигает предсказание. Каждое слово, которое вы дали, работает как улика. Каждое слово, которое вы опустили, оставляет пробел, и модель заполняет его статистически усреднённым ответом.

Токен — это примерно три-четыре символа, часть слова, а не слово целиком. Лимиты использования и счета за API считаются в токенах. Контекстное окно — это сколько токенов модель удерживает одновременно: всё, что сказали вы, всё, что сказала она, и каждый прикреплённый вами файл.

Именно это число изменилось сильнее всего с 2025 года. Миллион токенов был премиальной функцией, которую выносили в заголовок. Теперь это базовый уровень для флагманских моделей у всех трёх крупных вендоров.

Три оговорки, о которые чаще всего спотыкаются:

• Токены — не слова, и соотношение сдвинулось. Новый токенизатор Claude выдаёт на тот же текст примерно на 30% больше токенов, чем модели до Opus 4.7, поэтому старое правило «один токен ≈ 0,75 слова» теперь занижает ваш расход.
• Длинные промпты дороже в пересчёте на токен. Выше 272 000 входных токенов OpenAI применяет множитель 2× на вход и 1,5× на выход. В потребительских тарифах эта арифметика скрыта, но именно из-за неё очень длинный чат быстро съедает вашу квоту.
• Чат-приложение — это не API. Готовые приложения обрезают окно ниже потолка самой модели: на странице тарифов Anthropic для тарифа Max указано окно 200K, хотя сами модели держат 1M. Не считайте, что в веб-интерфейсе вам достаётся всё окно целиком.

Модель порождает самое правдоподобное продолжение. Правдоподобное и истинное совпадают большую часть времени — именно это и делает расхождение опасным: сфабрикованная ссылка на источник читается ровно так же, как настоящая. Выдуманная судебная практика, выдуманные исследования, выдуманные методы API, нерабочие URL — всё это произносится тем же ровным голосом.

С 2025 года изменились две вещи, и тянут они в разные стороны. Границы знаний теперь близки к настоящему моменту — GPT-5.6 обучена по февраль 2026, Opus 5 по май 2026, — так что фраза «модель не знает ничего свежего» преувеличена. Но веб-поиск встроен уже почти везде и часто включён по умолчанию: ответ приходит уже перемешанным — часть из обучения, часть из живых источников, — и понять, что откуда, стало труднее.

• Открывайте ссылки. Если к утверждению не приложен кликабельный источник, считайте его непроверенным. Оформление ссылок на источники разное в разных продуктах и часто меняется — ищите настоящую ссылку, а не конкретный значок.
• Просите модель прямо помечать свою неуверенность и говорить, когда она делает вывод, а не сообщает факт.
• Всё, что важно — юридическое, медицинское, финансовое или цифра, которая пойдёт в презентацию, — проверяйте по первоисточнику сами. Каждый раз.
• Опирайте ответ на собственные документы. Ровно для этого и нужны проекты — о них в фазе 2.

Старые курсы отводят температуре целый урок: регулятор от 0 до 1, задающий случайность вывода, низкий для фактов и высокий для мозгового штурма. Стоит понимать, почему этого урока здесь нет.

Ни ChatGPT, ни Claude, ни приложение Gemini температуру пользователю никогда не показывали. Это всегда был параметр API, так что советы касались ручки, до которой большинство учащихся не дотягивалось. А на рассуждающих моделях 2026 года она значит куда меньше: модель управляет своей вариативностью сама, внутри. В справочнике API у Anthropic температура по-прежнему описана, но учитывает ли её конкретная модель — вопрос отдельный, так что смотрите документацию этой модели, а не запись в блоге.

Реально вы теперь управляете тем, насколько усердно модель думает перед ответом. У Fable 5 режим рассуждений включён всегда, отключить его нельзя. У Opus 5 и Sonnet 5 он включён по умолчанию, а адаптивный режим сам решает, сколько рассуждений заслуживает вопрос. У OpenAI та же идея вынесена в настройку уровня рассуждений.

Запоминайте уровни, а не названия. У каждого вендора их теперь примерно три: передовая модель для сложных рассуждений, сбалансированная повседневная и дешёвая быстрая для объёма. Названия прямо вводят в заблуждение, если считать, что большее число означает более свежую модель.

• Anthropic поставила Fable 5 выше линейки Opus, так что «Opus» больше не вершина ряда.
• OpenAI назвала варианты GPT-5.6 Sol, Terra и Luna вместо pro/mini/nano — по названию не понять, какой из них крупнее.
• Gemini 3.6 Flash от Google новее, чем 3.5 Flash, а тот новее, чем 3.1 Pro. По ряду параметров «Flash» теперь стоит выше более старой «Pro».

• Перепишите один слабый промпт, добавив контекст, и сохраните обе версии.
• Задайте один и тот же трудный вопрос на низком и на высоком уровне рассуждений.
• Намеренно поймайте галлюцинацию: попросите пять источников по узкой теме, которую вы хорошо знаете, и проверьте каждый.
• Отправьте один и тот же промпт двум разным вендорам и запишите, чей ответ вам понравился больше и почему.

Когда промпт смешивает инструкции, вводные, примеры и собственно входные данные, модели приходится догадываться, где что начинается. Теги избавляют её от догадок. Anthropic до сих пор рекомендует XML-теги именно по этой причине: они позволяют модели однозначно разобрать сложный промпт.

<context>
  Вы редактируете материал для технического блога, который читают не инженеры.
</context>

<task>
  Перепишите черновик ниже так, чтобы его понял смышлёный новичок.
</task>

<constraints>
  Уложитесь в 400 слов. Никакого жаргона без определения.
</constraints>

<draft>
  ...
</draft>

XML хорошо подходит Claude. Заголовки Markdown работают везде и набираются быстрее. Для короткой просьбы достаточно обычного текста — структура начинает окупаться тогда, когда промпт дорастает до длины, при которой вы и в документе расставили бы заголовки.

Системный промпт — это постоянная инструкция, которая стоит над каждым сообщением разговора: в проектах Claude, в том, что ваш ассистент называет сохранённой инструкцией, или в API. Anthropic прямо говорит, что приём по-прежнему работает: заданная в системном промпте роль фокусирует поведение и тон, и разница заметна даже от одного предложения.

Строка про формат делает больше, чем от неё ждут. Здесь же вы боретесь с нынешним поведением по умолчанию: модели перебарщивают с форматированием и тянутся к жирному шрифту и спискам там, где хватило бы абзаца. Нужен связный текст — так и скажите. Пишите промпт в том стиле, в каком хотите получить ответ: промпт из простых абзацев обычно и возвращает простые абзацы.

Приём «цепочка рассуждений» работал потому, что без прямого указания модели не рассуждали. Теперь они делают это сами. У Fable 5 режим рассуждений включён всегда, у Opus 5 и Sonnet 5 — по умолчанию, и глубину они подстраивают под вопрос. Дописать рассуждающей модели «давай думать шаг за шагом» — всё равно что попросить идущего человека начать идти.

Нынешние рекомендации Anthropic переворачивают старый совет дважды:

• Расплывчатое лучше предписанного. «Продумай тщательно» нередко даёт рассуждения лучше, чем расписанный вручную пошаговый план, потому что собственные рассуждения модели регулярно оказываются глубже того, что прописал бы человек.
• «Проверь свой ответ» теперь может навредить. Opus 5 проверяет свою работу без напоминаний, а инструкции о проверке, перенесённые из старых промптов, вызывают избыточные перепроверки — лишние токены и лишнее ожидание.

Сдвиг такой: не «написать фразу получше», а решить, что модель видит — какие документы, какие инструменты, какие принятые ранее решения и в каком порядке. Посредственный промпт с тремя нужными приложенными файлами всякий раз выигрывает у безупречно отточенного промпта без единого вложения.

• Записывайте. Держите контекст вне чата — бриф, гайд по стилю, журнал решений, — чтобы приложить его, а не набирать заново.
• Отбирайте. Добавляйте то, что относится к делу, а не всё, что у вас есть. Большое окно, забитое шумом, хуже маленького, в котором один сигнал.
• Сжимайте. Сделайте из длинного документа выжимку и подавайте её, оставив оригинал приложенным на случай, когда понадобятся подробности.
• Разделяйте. Один чат — одна тема. Ветки, которые расползаются, копят противоречия, а модель будет добросовестно им следовать.

Нынешние модели помогают в этом напрямую: Sonnet 5 и Haiku 4.5 умеют отслеживать собственный остаток бюджета, а длинные задачи всё чаще выполняются в несколько окон — модель сохраняет состояние и подхватывает его в свежем контексте.

В 2025 году каждый чат можно было считать чистым листом. Теперь нельзя. Память включена у всех крупных ассистентов, в том числе на бесплатных тарифах — Anthropic указывает её в тарифе Claude Free, — и она накапливает рабочий профиль о вас поверх всех разговоров.

Охват у всех разный, и различия существенны. Claude показывает свою память для проверки: откройте настройку и прочитайте, что он о вас решил. Gemini заходит дальше и с вашего разрешения дотягивается до данных вашего аккаунта Google. Это по-настоящему полезно — и по-настоящему другая ситуация с приватностью, чем просто окно чата.

Проект — это рабочее пространство, где вместе лежат три вещи: постоянные инструкции, набор документов и все чаты, которые вы вели внутри него. Открываете новый чат в проекте «Коммерческие предложения» — и прайс-лист, три последних предложения и указание писать голосом вашей компании уже в поле зрения: их не нужно ни прикладывать, ни описывать. Память тоже хранится отдельно по проектам: по формулировке Anthropic, Claude заводит для каждого проекта собственную память, так что подхваченное во время работы над предложениями не попадёт в ваши личные чаты.

С этими документами по мере роста проекта происходит разное, и вот этот механизм стоит понимать. Пока база знаний ещё помещается, она целиком уходит в контекстное окно в начале каждого чата, и модель видит каждое слово. Как только она перестаёт помещаться, Claude переключается на поиск по документам: поисковый инструмент вытаскивает фрагменты, которые выглядят подходящими, и модель отвечает по ним. Anthropic пишет, что переключение происходит автоматически и поднимает вместимость до десяти раз, и до сих пор употребляет в своей справке термин RAG — retrieval-augmented generation, генерация с дополнением поиском. Вручную это не включается, так что запомнить нужно только следствие: ниже этой границы модель читает ваши документы, выше границы — ищет по ним, а фрагмент, который поиск ни разу не достал, всё равно что отсутствует в проекте.

• Называйте файлы так, чтобы их нашёл поиск. «Acme-renewal-contract-2026.pdf» найдётся, «doc3.pdf» — нет. Anthropic в своих рекомендациях просит давать описательные имена файлов, потому что имя тоже участвует в поиске.
• Собирайте связанные документы в одном проекте, а не разбрасывайте их, чтобы модель могла увидеть связи между ними.
• Называйте документ прямо в вопросе — «по договору о продлении: какой срок уведомления действует?» — вместо того чтобы надеяться, что поиск сам его вытащит. Anthropic рекомендует это прямым текстом.

• Проекты в ChatGPT держат вместе связанные чаты, файлы и источники. Совет самой OpenAI совпадает с правилом выше: заводите проект, когда работа «продолжится во времени, даст больше одного результата или будет опираться на одни и те же файлы и источники», и начинайте отдельный чат под каждый отдельный результат.
• Gemini Gems — это сохранённые конфигурации, которые вы переиспользуете вместо повторного набора: название, набор инструкций и, при желании, файлы для контекста. Google описывает инструкции как персону, задачу, контекст и формат — та же четырёхчастная схема, что и в уроке 8.
• Gemini Notebook — вариант исследовательского уровня, и он сменил название: 16 июля 2026 года Google объявила, что NotebookLM теперь называется Gemini Notebook. Он принимает PDF, сайты, видео, аудио, документы и слайды и отвечает со встроенными ссылками на ваши источники — лучший выбор, когда нужно проверить, откуда взялся ответ.

• Напишите и сохраните три системных промпта по четырёхчастной формуле.
• Соберите один проект или блокнот с настоящими документами и прогоните через него пять запросов.
• Возьмите свой самый старый сохранённый промпт и вычистите из него просроченные приёмы 2024 года: пошаговые леса, КАПС, строку про самопроверку. Сравните до и после.

Начнём с того, чего уже нет. OpenAI объявила о закрытии официального DALL·E GPT внутри ChatGPT — по сообщениям, в конце августа 2026 года; на замену приходит GPT Image 2. Если у вас в закладках лежит руководство по DALL·E, это мёртвый материал.

Сегодняшнее поле — это семейство Nano Banana от Google (Nano Banana Pro и Nano Banana 2) вместе с GPT Image 2. Обе линейки нацелены на готовый результат, а не на мудборды. Но проверяйте именно то, что нужно вам: умеет ли модель отрисовать читаемый текст на плакате и удерживает ли персонажа неизменным от кадра к кадру — это меняется с каждым релизом, и обзор трёхмесячной давности описывает уже другую модель.

• Бесплатный путь: бесплатный тариф Gemini включает генерацию изображений.
• Недорогой платный путь: у Midjourney есть дешёвый начальный тариф, и он остаётся выбором по умолчанию, когда нужен узнаваемый стиль. Актуальные цены смотрите на midjourney.com.
• Локальный путь: Stable Diffusion и открытые веса FLUX работают на вашем железе, без платы за каждое изображение.

OpenAI закрыла потребительское приложение Sora 26 апреля 2026 года, а следом, 24 сентября 2026 года, и API. Считайте любое руководство по Sora устаревшим, а само закрытие — уроком: флагманский потребительский видеопродукт свернули в тот момент, когда о нём всё ещё говорили все. Вырабатывайте привычки, а не зависимости.

Массовый потребительский вариант сейчас — Google Veo 3.1 и Veo 3.1 Lite, доступные через приложение Gemini и Google Flow. Готовьтесь к настоящей работе: ролики короткие, сложная физика по-прежнему ломается, а несколько попыток на один пригодный кадр — это норма, а не признак того, что вы делаете что-то не так.

• Режиссируйте кадр, а не описывайте настроение: «средний план, пожилой моряк указывает в сторону горизонта, съёмка с рук, пасмурно».
• Закладывайте бюджет на несколько попыток и выбирайте лучшую, вместо того чтобы доводить один промпт до совершенства.
• Где это уже окупается: короткие ролики для соцсетей, перебивки под закадровый голос, тизеры продуктов.

Название придумал Андрей Карпаты: вы описываете результат, модель пишет код, вы его запускаете, смотрите, что получилось, и правите. Люди без программистского прошлого таким способом выпускают рабочие внутренние инструменты — скрипты, которые приводят в порядок таблицу, извлекатели данных из PDF, небольшие веб-приложения.

Самое важное для непрограммиста — что эти инструменты уже входят в подписки, за которые вы, возможно, и так платите:

• Claude Code входит в тарифы начиная с Claude Pro ($20 в месяц).
• OpenAI Codex доступен на всех тарифах ChatGPT, включая бесплатный, а возможности растут вместе с тарифом.
• Google Antigravity бесплатен для частных пользователей на этапе публичного превью.
• Если не хочется трогать терминал: Lovable, Bolt.new и Replit принимают описание и возвращают работающее веб-приложение.

Вайб-кодинг — это один ход: описать результат, забрать код, запустить. Работает поразительно часто и перестаёт работать ровно там, где ошибка начинает чего-то стоить. Андрей Карпаты, придумавший термин «вайб-кодинг» в феврале 2025 года, год спустя сказал, что практика переросла это название: работа с агентами стала стандартным профессиональным подходом, но с куда более плотным надзором и разбором. Для того, что пришло на смену, он предложил другое имя — агентная инженерия.

Изменилась не модель — изменился сам характер работы. Anthropic описывает работу своего кодового агента как цикл из трёх фаз — собрать контекст, действовать, проверить результат, — который повторяется, пока задача не сделана, и который вы можете прервать в любой момент. Вайб-кодинг проходит первые две фазы и пропускает третью. Агентная инженерия — это то, что получается, когда вы отказываетесь её пропускать. Фаза 4 посвящена тому, как отдать агенту долгую задачу и уйти; этот урок — про те двадцать минут, что вы остаётесь рядом.

Заставьте его сначала составить план. В Claude Code есть режим, в котором агент читает ваши файлы и предлагает подход, ничего при этом не меняя; у остальных агентных инструментов есть свой аналог. План читается за минуту, и дешевле момента, чтобы поймать расхождение в понимании, просто не бывает — уж точно дешевле, чем читать сорок файлов, которые он уже переписал. Anthropic ставит этой привычке разумный предел: если изменение описывается одним предложением, план не нужен.

• Определите, что значит «сделано», до начала работы. Проверка Anthropic для хорошего критерия успеха такая: два человека, знающих эту работу, независимо друг от друга вынесут одинаковый вердикт — прошло или не прошло.
• Держите каждое изменение маленьким. Агенты накапливают собственные ошибки: неверное допущение на втором шаге никуда не денется и к девятому, только будет выглядеть как готовая работа. Одна задача, одно изменение, одна проверка.
• Читайте сами изменения, а не их пересказ. Пересказ написан тем, кого вы проверяете.
• Отбирайте контекст. Каждый прочитанный агентом файл попадает в то же контекстное окно, что и ваши инструкции, а по мере его заполнения качество падает, и раньше всего теряются самые ранние инструкции. Урок 10 действует здесь вдвойне: агент пополняет собственный контекст, не спрашивая вас.
• Постоянные факты запишите один раз. Claude Code читает файл CLAUDE.md в начале каждой сессии, у других инструментов есть свой аналог. Держите его коротким: Anthropic предупреждает, что раздутый файл заставляет агента игнорировать записанные в нём правила.
• Начинайте заново, а не спорьте. После двух поправок, которые не сработали, окно забито неудачными попытками, и агент продолжает их читать. Очистите его и перепишите запрос с учётом того, что вы поняли.

Проверка (eval), по определению Anthropic, — это просто тест для системы с ИИ: подать на вход данные и применить к выходу логику оценки. Три настоящих примера с заранее известными ответами, сохранённые в файле и перезапускаемые при каждом изменении, — это и есть проверка. Пишите их рано, потому что чем дольше тянуть, тем труднее: подождёте — и вам придётся восстанавливать смысл слова «успех» по уже готовой системе. Важно и то, кто оценивает. Рецензент, работающий в чистом контексте, видит только само изменение и критерии, но не те рассуждения, из которых оно родилось, — и потому судит результат, а не защищает его. Но будьте готовы к перебору: рецензент, которого попросили найти пробелы, найдёт их и в безупречной работе.

• Сгенерируйте десять изображений с отрисованным внутри текстом — плакат, слайд, карточку для соцсетей.
• Сделайте три коротких ролика и посчитайте, сколько попыток ушло на каждый удачный.
• Соберите один небольшой работающий инструмент в Lovable, Bolt.new или Claude Code. Калькулятор, список дел, сборщик данных с одной страницы, которую вы часто проверяете.