ЗАМЕТКИ МАКСА

ChatGPT, Claude, Gemini и другие ИИ: что общего и в чём разница

Все эти сервисы умеют разговаривать, писать и объяснять. Но за похожим окном чата скрываются разные модели, инструменты и правила работы. Разберёмся без технического жаргона и рейтинга «самой умной нейросети».

Редакция Skillcraft · персонаж Макс · 2026-11-13

Вы открываете ChatGPT, задаёте вопрос. Потом повторяете его в Claude и Gemini. Все три отвечают разумно — иногда почти одинаково, иногда совершенно по-разному. Неужели это одна и та же технология в разных упаковках?

Короткий ответ: основа у них похожая, но это не один и тот же продукт. Большие языковые модели работают по близким принципам. А вот конкретная модель, её обучение, доступные инструменты и подключённые данные меняют результат.

Что такое LLM простыми словами

LLM (Large Language Model) — большая языковая модель. Во время обучения она выявляет закономерности в огромных массивах текста и других данных. При ответе модель последовательно строит продолжение, выбирая подходящие фрагменты — токены. При этом современные системы могут не только продолжать текст: они решают задачи, работают с изображениями и используют внешние инструменты.

Полезная аналогия: модель — это двигатель, а чат-сервис — автомобиль. Даже мощный двигатель не расскажет, есть ли в машине навигатор, удобный багажник и хорошая приборная панель.

Здесь начинается первая путаница:

GPT — семейство моделей OpenAI; ChatGPT — приложение, где модели работают вместе с поиском, файлами и другими инструментами.
Claude и Gemini — названия и семейств моделей, и пользовательских помощников Anthropic и Google.
Perplexity — прежде всего поисковый ИИ-сервис, который может обращаться к нескольким моделям.
Llama — семейство моделей Meta, которые разработчики могут встраивать в собственные приложения. Это не название одного универсального чата.

Поэтому вопрос «какая LLM лучше — ChatGPT или Perplexity?» уже смешивает разные уровни: модель и готовое приложение.

Что общего у большинства этих ИИ

Они работают с человеческим языком. Можно попросить объяснение, черновик письма, перевод, краткое содержание или помощь с кодом.

Они зависят от контекста. Чем яснее задача, исходные данные и желаемый формат, тем проще получить полезный ответ. При этом длинный разговор или приложенный файл не гарантирует, что система учтёт каждую деталь.

Они способны ошибаться уверенно. Правдоподобный ответ не равен проверенному факту. Если модель придумала дату или источник, красивый стиль этого не исправит.

Они не обязательно знают, что произошло сегодня. Актуальные сведения появляются, когда приложение действительно использует поиск или подключённый источник. Само название «ИИ» не означает постоянного доступа к интернету.

Чем они отличаются на практике

Различий больше, чем в оформлении кнопок.

1. Собственно модель. Компании используют разные данные, архитектуры и методы дообучения. Результаты различаются в логике, письме, коде, работе с языками и устойчивости к ошибкам. Разница зависит от конкретной версии модели и задачи, а не только от бренда.

2. Инструменты вокруг модели. Один сервис может запускать анализ таблицы, другой — создавать редактируемый документ, третий — искать сведения в ваших рабочих приложениях. Это свойства всего продукта, а не обязательно самой LLM.

3. Источники информации. Важен не только ответ, но и то, откуда он получен: из обучения, из загруженного файла, из поиска или из подключённой базы. Ссылку тоже нужно открыть и проверить.

4. Доступ и ограничения. Функции, скорость, количество запросов, работа с файлами и страна доступности зависят от тарифа, региона и настроек. Правила конфиденциальности тоже различаются: перед передачей рабочих данных следует проверять условия конкретного сервиса и аккаунта.

Кто есть кто: короткая карта рынка

ChatGPT — OpenAI. Универсальный помощник с инструментами для работы с текстом, файлами, изображениями, таблицами, голосом, поиском и исследованием. Набор возможностей зависит от плана и выбранного режима.

Claude — Anthropic. Помощник для диалога, анализа документов, кода и рабочих задач. Отдельная особенность продукта — Artifacts: редактируемые результаты, например документы, визуализации и интерактивные проекты.

Gemini — Google. Семейство мультимодальных моделей и приложение. Сильная сторона продуктовой экосистемы — возможность работать с сервисами Google, включая Gmail, Drive и Docs, когда подключение поддерживается и разрешено.

Perplexity. Продукт, ориентированный на поиск и ответы со ссылками на веб-источники. Он может направлять запросы к разным моделям. Поэтому Perplexity не совсем корректно ставить в один ряд с семействами GPT или Llama.

Grok. ИИ-помощник xAI: чат, работа с файлами, голос и инструменты создания изображений и видео. Конкретные возможности зависят от режима и доступа.

DeepSeek и Qwen. Не только чат-приложения, но и семейства моделей. У них есть опубликованные модели и инструменты для разработчиков. Отдельные версии можно разворачивать самостоятельно, но для этого нужны оборудование, настройка и проверка лицензии.

Llama — Meta. Пример того, что модель и сервис — разные вещи. Семейство Llama используется в приложениях и собственных решениях разработчиков; доступность весов не означает отсутствия условий лицензирования.

Mistral AI. Разрабатывает собственные модели и чат-продукт Vibe (прежнее название — Le Chat), который объединяет общие рабочие задачи и инструменты для кода.

Это не рейтинг качества. Состав сервисов и функций быстро меняется.

Почему один запрос даёт разные ответы

Представьте трёх редакторов. Они получили одну задачу, но учились на разных материалах, используют разные справочники и по-разному понимают, сколько подробностей нужно. У языковых моделей похожая история.

На ответ влияют модель и её версия, формулировка запроса, история диалога, выбранный режим и доступные инструменты. Даже повтор одного запроса в одной модели не всегда выдаёт идентичный текст.

Например, при просьбе «сравни два договора» один помощник может дать гладкое резюме, другой — таблицу различий, третий — сначала уточнить важные условия. Но красивый формат не доказывает, что замечены все отличия.

Эксперимент на пять минут

Предлагаю сравнивать не рекламные обещания, а конкретный результат. Скопируйте в несколько сервисов один и тот же учебный пример:

> «В вымышленной кофейне число заказов за неделю выросло на 12%, средний чек снизился, данных о прибыли нет. Сделай три вывода. Отдели факты от предположений. Назови, каких данных не хватает. Не утверждай, что прибыль выросла».

Смотрите не на длину ответа, а на четыре вещи: не придуманы ли цифры, отделены ли факты от гипотез, замечены ли недостающие данные и удобно ли пользоваться результатом.

Для честного сравнения используйте одинаковый текст, фиксируйте дату и версии моделей. Не делайте общий рейтинг по одному примеру: другой запрос может изменить впечатление.

Значит, какой ИИ выбрать?

Для обычных объяснений, текстов и идей несколько помощников могут одинаково хорошо закрывать задачу. Разница становится заметнее при работе с файлами, поиском, кодом, собственными данными и повторяющимися процессами.

Мой ориентир простой: сначала задача, затем нужные инструменты, и только потом бренд. При важных решениях проверяйте исходные документы и факты независимо от того, насколько уверенно отвечает чат.

И главное: необязательно искать единственного победителя. Иногда один сервис удобнее для поиска, другой — для подготовки документа. Это не противоречие. Это нормальный выбор инструмента под работу.

*Актуальность описания: 12 ноября 2026 года. Возможности зависят от региона, тарифа и настроек; список функций меняется.*