Недавно нас проверял внешний аудитор — очень дорогая и мощная нейросеть Claude Opus 5. Она изучила наши публикации и выдала вердикт. Мы используем слишком слабую модель для редактуры. Речь о Gemma 4 — бесплатной модели с открытым кодом. Аудитор посоветовал заменить её на что-то «посильнее». В мире ИИ принято считать: чем больше модель и чем она дороже, тем лучше она пишет.

Мы решили проверить этот миф на практике. Мы не стали слушать советы «цифрового гиганта». Вместо этого мы дали «слабой» модели одну задачу. Нужно было придумать первую фразу для поста о нашем провале. Тогда мы потратили 200 долларов и не получили результата.

С первой же попытки Gemma выдала: «Счёт на 200 долларов, а результат — на копейки».

Эта фраза идеальна. В ней есть ритм, понятная эмоция и никакой сложности. Она звучит как речь живого человека, который расстроен потерей денег. Если бы мы использовали «сверхмощную» модель, результат был бы другим. Мы бы получили фразу: «Затраты в размере двухсот долларов не дали ожидаемого эффекта». Это правильно с точки зрения грамматики, но это текст нейросети, а не человека.

В чём ловушка «мощных» моделей

Проблема дорогих моделей в том, что они слишком стараются быть правильными. Их обучали на огромных массивах данных. Туда входили официальные отчёты, статьи и корпоративные рассылки. В итоге они впитали в себя «канцелярит». Это сухой и безликий язык. В маркетинге он работает ровно наоборот. Он заставляет читателя пролистать пост, не вчитываясь.

Когда модель слишком велика, она начинает «галлюцинировать» сложностью. Она считает, что для качественного текста нужно больше вводных слов. Например, фразы вроде «хочется добавить» или «в нынешних реалиях». Она пишет слишком длинные предложения. В результате получается текст-простыня. Его невозможно читать с телефона между делами.

Бесплатные и открытые модели, такие как Gemma 4, часто оказываются более гибкими. Они не пытаются казаться экспертами, поэтому пишут проще. Для редактора это самое главное качество. Нужно уметь отсечь лишнее и оставить суть.

Как проверить это на своих задачах

Если вы платите за дорогую подписку «для всего» и чувствуете, что тексты получаются искусственными, попробуйте эксперимент. Вам не нужны навыки программиста. Достаточно обычного чата с нейросетью.

Вот пошаговая инструкция:

1. Возьмите реальную задачу. Например, напишите пост о том, как ваш бизнес сэкономил время или деньги с помощью любого инструмента. 2. Дайте это задание «гиганту» (например, GPT-4 или Claude Opus). Попросите написать вступительный абзац. 3. Дайте ту же задачу простой открытой модели (Gemma или Llama). 4. Теперь самое важное: прочитайте оба варианта вслух.

Если в тексте вы спотыкаетесь о длинные слова, если фраза кажется слишком «правильной» или пафосной — это проигрыш модели. Если текст ложится на слух так же, как вы говорите с коллегами или клиентами — это победа.

Где «слабые» модели действительно проигрывают

Было бы ошибкой сказать, что Gemma 4 может заменить всё. У неё есть честное ограничение. Она не потянет сложный код или глубокую математику. Если вам нужно написать программу на Python или рассчитать финансовую модель, Gemma действительно проиграет тяжеловесам. Она может ошибиться в логике или пропустить важную переменную.

Именно поэтому мы в Контуре не ищем одну «идеальную» модель. Мы собираем набор инструментов. Одна модель отвечает за тексты, потому что она человечная. Другая — за расчёты, потому что она точная. Третья — за поиск информации, потому что она быстрая.

Не переплачивайте за универсальные подписки, которые обещают уметь всё. Часто специализированное бесплатное решение справится с вашей задачей лучше, чем самый дорогой продукт на рынке. Просто попробуйте прогнать свою задачу на простой модели — результат может вас удивить.