# Рейтинги нейросетей и карта «какие задачи какой нейросети» Материал к уроку 3, блок «Карта сервисов» (10 минут) и слайду 10. Подробный выбор инструмента — в разделе 6 курса. Данные выгружены 13–15.09.2026 и сохранены в `data/reytingi/`. ## Главная мысль для слайда > **Нет лучшей нейросети «для всего». Есть подходящая под задачу — и под данные, которые туда можно отправить.** Рейтинг отвечает на вопрос «кто умнее в среднем». Рабочий вопрос другой: «кто справится с моей задачей на тех данных, которые мне разрешено ему дать». ## Три рейтинга и что каждый измеряет | Рейтинг | Как устроен | Что показывает | Ограничение | |---|---|---|---| | **MERA 2.0** (mera.a-ai.ru, Альянс в сфере ИИ) | Модели решают закрытый набор из 12 задач на русском в четырёх группах | Рассуждение, понимание людей, выполнение сложных инструкций и работу с инструментами, знание российского культурного контекста | Меряют модели через API, а не чат, который видит пользователь. «Алисы AI» в таблице MERA 2.0 нет | | **LLM Arena** (llmarena.ru) | Люди задают вопрос на русском двум анонимным моделям и выбирают лучший ответ; рейтинг Эло | Какие ответы на русском больше нравятся людям. Есть срезы: код, математика, творческие задачи | Нравится ≠ точно. В срезах мало голосов, модели с перекрывающимися интервалами делят места | | **Arena** (arena.ai, мировая) | То же, но на всех языках, 8,1 млн голосов, 402 модели | Мировую гонку лидеров | Российских моделей в выдаче нет; язык в основном английский | ## MERA 2.0 — русскоязычный бенчмарк (выгрузка 15.09.2026) Общий балл от 0 до 1. Места в группах: Рассуждение · Понимание человека · Инструкции и инструменты · Российский контекст. | Место | Модель | Разработчик | Балл | Рассуждение | Человек | Инструкции | Рос. контекст | |---|---|---|---|---|---|---|---| | 1 | Gemini 3.7 Flash | Google | 0,678 | 2 | 1 | 2 | 1 | | 2 | GPT 5.6 Sol | OpenAI | 0,639 | 3 | 2 | 3 | 3 | | 3 | Claude Opus 5 | Anthropic | 0,631 | 1 | 4 | 4 | 2 | | 4 | Grok 4.6 | xAI | 0,623 | 4 | 3 | 1 | 5 | | 7 | Qwen3.5-397B-A17B | Alibaba | 0,485 | 9 | 7 | 8 | 9 | | **13** | **GigaChat 3.5 Reasoning** | Сбер | 0,423 | 15 | 13 | 18 | **7** | | 22 | GigaChat 3.5 Ultra | Сбер | 0,249 | 24 | 20 | 27 | **8** | | 24 | T-pro-it-2.1 | Т-Банк | 0,196 | 21 | 24 | 28 | 25 | Всего 39 моделей. DeepSeek и модели Яндекса в таблице MERA 2.0 на дату выгрузки не представлены. **Как читать:** лучшая российская модель — в середине общей таблицы. В группе «Российский контекст» (регионы, реалии, культурный код) GigaChat — 7–8 место из 39, рядом с мировыми лидерами. Слабее всего — в группе «инструкции, длинный контекст, инструменты». ## LLM Arena — предпочтения людей на русском (обновление 13.09.2026) 157 434 голоса, 112 моделей. Места с перекрывающимися доверительными интервалами делятся: несколько моделей на «1-м месте» — это нормально. ### Общий рейтинг | Место | Модель | Разработчик | Эло | Голосов | |---|---|---|---|---| | 1 | Gemini 3 Pro Preview | Google | 1199 | 537 | | 1 | Qwen3.6 Max Preview | Alibaba | 1172 | 820 | | 1 | GPT-5.4 | OpenAI | 1168 | 1 097 | | 1 | Claude Opus 4.7 | Anthropic | 1151 | 305 | | **7** | **GigaChat 3.5** | Сбер | **1130** | 2 002 | | 7 | GPT-5.2 | OpenAI | 1124 | 1 765 | | 7 | DeepSeek V3.2 | DeepSeek | 1122 | 1 730 | | **19** | **Alice AI LLM** | Яндекс | **1069** | 1 929 | | 36 | T-pro-it-2.0 | Т-Банк | 1024 | 1 040 | ### Срезы по типам задач — лучшие российские модели | Срез | Лидеры | GigaChat 3.5 | Alice AI LLM | Голосов в срезе | |---|---|---|---|---| | Код | Qwen3.6 Max, Gemini 3 Pro, GPT-5.4 | 5 место | 7 место | мало, 100–500 на модель | | Математика | Gemini 3.1 Pro, GPT-5.1, Claude Sonnet 4.5 | 1 место (в интервале лидеров) | 2 место | очень мало, 40–90 на модель | | Творческие тексты | Gemini 3 Pro, GPT-5.4, Claude Opus 4.1 | 2 место | 13 место | мало | **Как читать:** в ответах на русском GigaChat 3.5 догнал средний эшелон мировых моделей и стоит рядом с GPT-5.2 и DeepSeek V3.2. Срезы по математике и коду — с оговоркой: голосов слишком мало для уверенных выводов. ## Arena — мировой рейтинг (13.09.2026) - Верхние 20 мест делят Anthropic (Claude), Google (Gemini), Meta, OpenAI (GPT), Moonshot (Kimi), Z.ai (GLM). Разрыв первой двадцатки — около 25 пунктов. - Лучший Qwen — 22 место (qwen3.8-max), лучший DeepSeek — 50 место (deepseek-v4-pro). - Российских моделей в выдаче нет. - Компания Meta признана экстремистской организацией и запрещена в России — на слайде Meta не упоминаем. ## Независимые практические тесты: доверять осторожно Блог autollab.ru (15.07.2026) сравнил Claude, GigaChat 2 MAX и YandexGPT Pro 5.1 на 12 рабочих задачах. Российские модели не выиграли ни одной, но зато не попались на задачах с подвохом. Автор продаёт доступ к зарубежным моделям, в тесте участвовали предыдущие версии российских моделей. На слайд не выносим — только как пример, почему у каждого теста есть интерес автора. --- ## Карта «какие задачи какой нейросети» — для слайда 10 **Нейросети:** 2 российские + 5 зарубежных. Оценка — **сводная оценка авторов курса** по рейтингам выше, документации сервисов и справочнику урока 1 на 15.09.2026, а не результат одного теста. ●●● сильная сторона · ●● справляется, проверять внимательнее · ● слабо или функции нет в обычном чате | Задача из работы | GigaChat | Алиса AI | ChatGPT | Claude | Gemini | DeepSeek | Qwen | |---|---|---|---|---|---|---|---| | Письмо, служебная записка, протокол на русском | ●●● | ●● | ●●● | ●●● | ●●● | ●● | ●● | | Российские реалии, регионы, терминология | ●●● | ●●● | ●● | ●● | ●●● | ● | ●● | | Выжимка длинного документа, сложные инструкции | ●● | ●● | ●●● | ●●● | ●●● | ●● | ●● | | Логика, расчёты, рассуждение | ●● | ●● | ●●● | ●●● | ●●● | ●●● | ●●● | | Код (скрипты, 1С, Python) | ●● | ●● | ●●● | ●●● | ●●● | ●●● | ●●● | | Поиск свежей информации со ссылками | ●● | ●●● поиск Яндекса | ●●● | ●● | ●●● | ●● | ●● | | Картинка для презентации | ●●● | ●●● | ●●● | ● нет генерации | ●●● | ● | ●●● | | Разбор фото, скана, схемы | ●● | ●● | ●●● | ●●● | ●●● | ● | ●●● | | **Доступ из РФ** | без VPN | без VPN | не поддерживается | не поддерживается | не поддерживается | без гарантии | без гарантии | | **Где данные** | РФ | РФ | США | США | США | КНР | Сингапур, КНР | | **Рабочие данные сюда** | 🟡 только обезличенные описания, если разрешено | 🟡 то же | 🛑 | 🛑 | 🛑 | 🛑 | 🛑 | ### Вывод для группы — три строки 1. **По силе** мировые лидеры впереди, особенно в длинных документах, логике и коде. Российские — наравне в текстах на русском и сильнее в российском контексте. 2. **По данным** для рабочих задач выбор делает не рейтинг, а правило данных: во внешние сервисы — только открытое, учебное и обезличенное. 3. **Для настоящих рабочих документов** — только корпоративный инструмент, который разрешила организация. Если его нет — ИИ помогает с шаблоном, структурой и формулами, а данные вы подставляете сами (промпты P05–P06). ### Где не перегибать - Не говорить «GigaChat хуже ChatGPT» или наоборот. Правильно: «в среднем по мировым тестам лидеры впереди, на русском разрыв меньше, в российском контексте российские модели сильны». - Не обещать, что оценки продержатся: за лето 2026 года вышли новые версии почти у всех разработчиков. - Не советовать VPN для доступа к сервисам, которые не поддерживают РФ. Это нарушает условия этих сервисов и, как правило, правила предприятия.