Любая страница ИИ-продукта исходит из того, что вы уже владеете этим языком. Тарифная таблица считает оплату за токены, список изменений радуется увеличенному контекстному окну, презентация для продаж обещает агентов, обоснованных через RAG, — и ни одно из этих слов не объясняет, что они значат для единственного важного вопроса: справится ли этот инструмент с задачей.
Итак, вот термины ИИ простыми словами — для покупателей, а не для исследователей. Это намеренно не словарь от А до Я. Это рабочий словарный запас примерно из двух десятков терминов, выстроенный вокруг четырёх вопросов, которые люди реально задают при оценке инструмента: с чем я вообще разговариваю, почему оно иногда ошибается, что означают цифры в характеристиках и что подразумевает внедрение. Каждая статья — это несколько предложений на простом языке плюс причина, по которой термин важен в момент покупки.
Читайте подряд или переходите к нужному разделу. Там, где термин легче понять на примере реального продукта, пример ведёт на его карточку. ToolPotion отслеживает более 13 000 ИИ-инструментов с ежедневным обновлением, поэтому за каждым примером стоит актуальная страница.
С чем вы разговариваете: базовые термины ИИ простыми словами
Первая путаница — в названиях. Слова «модель», «LLM», «чат-бот», «ассистент» и «агент» в маркетинговых текстах используют как синонимы, а это не одно и то же.
Модель
Сама обученная система: очень большая статистическая функция, которая превращает вход в выход и создаётся прогоном огромных объёмов данных через процесс обучения. Продукты — это обёртки вокруг моделей: чат-приложение, API и расширение для браузера могут работать на одной и той же модели. Это важно при сравнении инструментов, потому что модель задаёт потолок качества, а продукт определяет рабочий процесс. Актуальные ИИ-модели можно посмотреть как отдельную категорию в каталоге.
Большая языковая модель (LLM)
Модель, обученная в основном на тексте предсказывать, что идёт дальше в последовательности. Оказывается, этого достаточно, чтобы составлять черновики, делать резюме, переводить и писать код. Claude Opus и Gemini 3.1 Pro — актуальные примеры передового уровня. В каталоге также перечислены меньшие открытые LLM, которые можно запускать самостоятельно. Когда поставщик говорит «работает на LLM», полезный уточняющий вопрос — какой именно, и можно ли будет её потом сменить.
Чат-бот
Это шаблон интерфейса, а не технология: окно сообщений, подключённое к модели, обычно заточенное под одну задачу — например, отвечать на вопросы клиентов. Современные чат-боты строятся на LLM, но само слово появилось раньше, поэтому им можно назвать что угодно — от жёсткого FAQ-скрипта до по-настоящему толковой системы поддержки.
Ассистент (или copilot)
Универсальный чат-продукт, нацеленный на повседневную работу одного человека: составление черновиков, резюмирование, ответы на вопросы, — обычно живущий внутри приложений, где эта работа и происходит. ChatGPT — канонический самостоятельный ассистент. Слово «copilot», как правило, указывает на ассистента, встроенного в существующий продукт. С точки зрения покупки отличие от чат-бота — в аудитории: ассистенты обслуживают ваших сотрудников, чат-боты обычно обслуживают ваших клиентов.
ИИ-агент
Программа, которая берёт цель, планирует шаги, вызывает инструменты и проверяет собственные результаты: она действует, а не просто отвечает. Claude Code читает кодовую базу, редактирует файлы и запускает команды. Intercom поставляет агента поддержки Fin, который отрабатывает обращения, а не просто отвечает на них. Компромисс — радиус поражения: система, которая может действовать, может и ошибиться действием, поэтому здесь разрешения и этапы проверки важнее, чем где-либо ещё. Категория ИИ-агенты — самый быстро меняющийся раздел каталога.
| Термин | Что делает | Покупайте, когда |
|---|---|---|
| Чат-бот | Отвечает на вопросы в одной ограниченной области | Вам нужны ответы клиентам в режиме вопрос-ответ на масштабе |
| Ассистент | Помогает одному человеку в множестве задач | Вам нужна продуктивность сотрудников при низком риске |
| Агент | Планирует и выполняет многошаговую работу | Рабочий процесс стоит автоматизировать от начала до конца |
Мультимодальность
Модель, которая работает не только с текстом: с изображениями, звуком или видео — на входе, на выходе или и там, и там. Gemini 3.1 Pro читает смешанные медиа и рассуждает над ними. Со стороны генерации Kling 3.0 превращает текст и референсные изображения в видео со звуком. Если ваша работа связана со скриншотами, PDF с графиками или записями, поддержка мультимодальности — требование, а не приятное дополнение.
Почему оно иногда ошибается: галлюцинации, контекст и границы обучения
Эти четыре термина объясняют почти любой разочаровывающий результат ИИ, который вам когда-либо встретится, и это словарь любого серьёзного разговора с поставщиком о точности.
Галлюцинация
Уверенный, гладкий, неправильный ответ. Модель генерирует правдоподобный текст, а не сверяется с базой фактов, поэтому она может выдумать цитаты, статистику и характеристики продукта без какого-либо признака, что делает это. Для работы с фактами предпочитайте инструменты, которые ссылаются на извлекаемые источники, и относитесь к любой неподкреплённой конкретике как к непроверенной, пока не проверите сами.
Контекстное окно
Сколько текста, измеряемого в токенах, модель может учитывать одновременно: её рабочая память, отличная от её знаний. Окна выросли быстро. Claude Opus рекламирует окно в миллион токенов — достаточно для целой кодовой базы или нескольких книг в одном запросе.
Большее контекстное окно поднимает потолок того, что можно вставить. Оно не гарантирует, что модель учтёт всё это.
На практике модели могут терять из виду детали, зарытые в середине очень длинных входных данных, поэтому «влезает в окно» и «используется как надо» — это разные утверждения.
Граница обучения
Дата, на которой заканчиваются обучающие данные модели. Всё опубликованное после неё невидимо для модели, если только продукт не приделывает веб-поиск или извлечение. Почему это важно: если инструмент должен знать актуальные цены, законы или новости, спросите поставщика ровно о том, как в систему попадает свежая информация. «Модель умная» — это не ответ.
RAG (генерация с извлечением дополнений)
Сначала поиск, потом ответ: система находит релевантные фрагменты в ваших документах, а затем поручает модели написать ответ на их основе. Это обосновывает ответы вашим реальным содержимым, уменьшает (но не устраняет) галлюцинации и остаётся актуальным в тот же момент, когда меняется документ, без переобучения. Когда поставщик говорит «обучено на ваших данных», спросите, не имеет ли он в виду RAG. Обычно так и есть, и для внутренних знаний RAG — обычно именно то, что вам нужно.
Промпт и системный промпт
Промпт — это всё, что вы отправляете модели. Системный промпт — это постоянная инструкция, которую поставщик ставит перед каждым разговором: тон, правила, ограничители. Удивительно много нишевых ИИ-продуктов по сути представляют собой системный промпт поверх чужой модели. За это всё равно может быть смысл платить, но цениться это должно как упаковка, а не как исследование.
Читаем характеристики: токены, параметры, инференс
Цифры на странице тарифов ИИ — не маркетинговое украшение. Три из них напрямую формируют ваш счёт.
Токен
Единица, которую модели читают и выдают: кусочек текста, где распространённое английское слово часто равно одному токену. Рабочее правило: 1000 токенов — это примерно 750 английских слов. Цены API указывают за миллион токенов, причём вход и выход тарифицируются отдельно, — вот почему стоимость определяют длинные документы на входе и длинные ответы на выходе.
Параметры
Внутренние числовые веса, которые модель выучила во время обучения. Число параметров — стандартное сокращённое обозначение размера модели. Muse Glimmer, к примеру, — это модель на 30 миллиардов параметров, созданная для выполнения агентских задач на потребительском железе. Больше параметров, как правило, покупает возможности ценой скорости и стоимости, и маленькая модель, которая хорошо справляется с вашей задачей, лучше большой, за недоиспользование которой вы переплачиваете.
Инференс
Запуск обученной модели для получения результата. Обучение произошло один раз, за счёт поставщика; инференс происходит на каждом запросе, за ваш счёт. Задержка и стоимость одного запроса — это свойства инференса, поэтому когда поставщик рекламирует более дешёвый или быстрый инференс, это утверждение касается вашего счёта и времени ожидания ваших пользователей, а не качества ответов.
Дообучение (fine-tuning)
Дополнительное обучение на ваших собственных примерах, чтобы сместить поведение модели: тон, формат, отраслевые привычки. Оно хорошо подходит для стабильного стиля и структурированного вывода и плохо годится для того, чтобы обучать фактам, которые меняются, — это работа RAG. Скрытая цена — сопровождение: каждое обновление базовой модели может означать переделку работы.
Рассуждающая модель
Модель, которая тратит дополнительные вычисления на проработку промежуточных шагов перед ответом, что измеримо помогает в математике, планировании и сложном коде. Некоторые — гибридные: Claude Opus может отвечать быстро или думать дольше по мере необходимости. Компромисс реален: проходы рассуждений медленнее и стоят больше токенов, поэтому пропускать простую задачу извлечения через такую модель — значит платить за размышления, которые вам не нужны.
Бенчмарк
Стандартизированный тест, дающий баллы для рейтингов в анонсах запусков. Относитесь к ним как к грубым сигналам возможностей, а не как к предсказаниям для вашей нагрузки: поставщики естественным образом показывают те бенчмарки, в которых выигрывают. Двадцать ваших собственных реальных задач, прогнанных против двух кандидатов, скажут вам больше, чем любой рейтинг.
Термины внедрения: API, открытые веса и где оно работает
Последний набор терминов определяет структуру затрат, положение с приватностью и объём инженерной работы, на которую вы подписываетесь.
API
Программный доступ: ваше ПО обращается к модели через интернет и платит за токены, вместо того чтобы человек платил за место в приложении. Один и тот же поставщик часто продаёт и то, и другое, и это разные бюджеты: места масштабируются с численностью персонала, затраты на API масштабируются с использованием. Разберитесь, что именно вы покупаете, прежде чем сравнивать цены.
Открытые веса против закрытых
Модели с открытыми весами публикуют файлы модели: скачивайте их, запускайте на собственном железе, храните данные у себя, не платите создателю за токены. Gemma 4 предлагает лёгкие открытые модели, построенные на той же технологии, что и Gemini, а Stability AI публикует открытые генеративные модели для изображений, видео и звука. Закрытые модели арендуются через серверы поставщика: меньше контроля, куда меньше операционной нагрузки, и самые сильные закрытые модели по-прежнему обычно лидируют в чистых возможностях.
На устройстве против облака
Где физически происходит инференс. Облако означает, что запросы покидают вашу сеть; на устройстве или на собственном хостинге — что не покидают, — вот почему это волнует команды с высокими требованиями к комплаенсу и почему существуют модели вроде Muse Glimmer, работающие на потребительском железе. Ожидайте разрыва в возможностях: крупнейшие модели не помещаются на ноутбук.
Эмбеддинг
Текст, преобразованный в список чисел, расположенных так, чтобы близкие по смыслу оказались рядом. Эмбеддинги — это то, как ПО ищет по смыслу, а не по точным ключевым словам, причина, по которой запрос «правила возврата денег» может найти документ под названием «политика возвратов».
Векторная база данных
Хранилище, созданное, чтобы держать эмбеддинги и быстро находить ближайшие совпадения. Это извлекающая половина большинства RAG-систем. Chroma — пример с открытым кодом, сочетающий векторный, полнотекстовый поиск и поиск по метаданным. Если поставщик говорит, что делает «RAG по вашим документам», что-то из этого есть в его стеке. Спросите, где оно работает и что хранит.
Фреймворк
Кодовый каркас для соединения моделей, инструментов и извлечения в приложение: путь «собери сам», который команды, делающие всё внутри, выбирают на раннем этапе. Просмотрите категорию ИИ-фреймворки, чтобы увидеть текущие варианты. Если в команде никто не пишет код, визуальные конструкторы вроде Microsoft Copilot Studio покрывают распространённые случаи, а в каталоге есть полная страница задачи инструменты для создания ИИ-агентов, охватывающая оба подхода.
Наблюдаемость и оценки (evals)
Наблюдаемость — это отслеживание того, что модель или агент реально сделали: каждый шаг, вызов инструмента, стоимость токенов и задержку. Evals — это оценённые тесты качества вывода, запускаемые многократно, чтобы регрессии всплывали раньше клиентов. Langfuse — платформа с открытым кодом, охватывающая трассировку, управление промптами и оценку. Если вы покупаете агента, а не строите его, эквивалентный вопрос к поставщику прост: когда агент ошибётся, что именно вы мне покажете?
Часто задаваемые вопросы
Является ли ChatGPT LLM?
Строго говоря, нет: ChatGPT — это приложение, построенное поверх LLM из семейства GPT от OpenAI. Различие важно, потому что такие функции, как память, загрузка файлов и веб-браузинг, принадлежат приложению, а не модели, и другой продукт на той же модели может не иметь ни одной из них.
В чём разница между ИИ-агентом и чат-ботом?
Чат-бот отвечает; агент действует. Агенты планируют многошаговую работу, вызывают другое ПО и меняют что-то в реальных системах, что делает их одновременно полезнее и рискованнее. Практический вопрос при покупке — разрешения: к чему агенту позволено прикасаться и что проверяется, прежде чем он это сделает.
Означает ли большее число параметров лучшую ИИ-модель?
Не обязательно для вашей задачи. Более крупные модели, как правило, способнее в абстрактном смысле, но они стоят дороже и отвечают медленнее, а множество повседневной работы — классификация, извлечение, рутинное составление черновиков — прекрасно идёт на маленьких моделях. Протестируйте самую дешёвую модель, которая может подойти, прежде чем по умолчанию брать самую большую.
Могу ли я запустить ИИ-модель на своём компьютере?
Да, если у неё открытые веса и скромный размер: небольшие открытые модели вроде семейства Gemma для этого и созданы, а некоторые модели на 30 миллиардов параметров теперь нацелены на потребительское железо. Ожидайте результатов слабее, чем у передовых облачных моделей, в обмен на нулевую стоимость за токены и данные, которые никогда не покидают вашу машину.