YandexGPT и Алиса

Происхождение и история термина

Алиса появилась раньше YandexGPT. Яндекс представил голосового помощника 10 октября 2017 года: он помогал искать информацию и обращаться к сервисам компании. 17 мая 2023 года в Алису встроили YandexGPT, чтобы она могла создавать тексты и предлагать идеи. Эти вехи показывают развитие помощника: языковая модель добавила ему новые способы работы, а не создала заново весь пользовательский продукт. ^{[4, 5]}

25 февраля 2025 года Яндекс сообщил о переходе чата на YandexGPT 5 Pro. Одновременно компания описала режим работы с самой моделью, без дополнительных умений помощника. К 16 июля 2026 года официальные материалы уже представляли семейство Alice AI, включавшее языковую, визуально-текстовую и картиночную модели. Поэтому в старых инструкциях встречается YandexGPT, а в новых — Alice AI и Алиса AI: важно учитывать дату и предмет документа. ^{[1, 2]}

Суть и механизм

Для пользователя работа начинается с запроса, или промпта: задания, на которое должен ответить помощник. В чате Алисы AI можно сначала сформулировать задачу, затем уточнить её следующими сообщениями; справка описывает сохранение контекста беседы. Контекст здесь — предшествующие сообщения, помогающие понять уточнение. Например, после просьбы написать анонс фраза «сделай короче» относится к уже обсуждаемому тексту. ^[6]

Языковая модель формирует продолжение текста на основе закономерностей, усвоенных при обучении. Это помогает создавать связные ответы, но допускает и фактические ошибки. NIST описывает такой риск как уверенную генерацию неверного содержания, включая ошибочные ссылки и объяснения. ^{[8, §2.2]}

Пользовательский сервис добавляет к модели способы взаимодействия и инструменты. Например, Алиса AI в Поиске использует найденные страницы при подготовке информационного ответа и показывает ссылки. Однако справка выделяет исключения: генерацию текстов и изображений, а также вычисления. Поэтому просьба сочинить поздравление и вопрос об актуальном событии не означают одинакового обращения к источникам. ^[9]

API, программный интерфейс, нужен для другой ситуации: запрос отправляет собственная программа разработчика. В Yandex AI Studio выбирают модель по URI — её точному идентификатору. Это позволяет указать нужную версию в коде; название пользовательского чата такой идентификатор не заменяет. ^[3]

Виды и классификации

В сообщении Яндекса от 16 июля 2026 года семейство Alice AI разделено по типу работы. Это описание производителя, а не независимый рейтинг качества. ^[2]

Из этой таблицы нельзя заключить, что все три модели доступны через любой интерфейс. Например, доступность разработчику устанавливает каталог AI Studio, а возможности чата описывает его собственная справка. Так не возникает ошибочного переноса функции одного продукта на другой. ^{[3, 6]}

Как применяется на практике

Для разовой редакционной задачи можно работать в чате, а для включения обработки текста в собственное приложение — обращаться к модели через API. Это различие отражено в документации Яндекса. Международный пример второго подхода — Gemini API: каталог Google отдельно перечисляет модели и их программные идентификаторы. Сходство способов доступа не доказывает одинакового качества ответов двух компаний. ^{[3, 6, 7]}

Рассмотрим учебный пример, не результат реального испытания Алисы. Исходник для анонса состоит из четырёх сведений: встреча проходит 12 ноября; начало в 18:00; место — библиотека «Север»; регистрация закрывается 10 ноября. Все названия и обстоятельства вымышлены.

Редактор даёт задание: «Составь короткий анонс по этим данным. Сохрани все четыре сведения. Не добавляй цену, адрес и участников: их нет в исходнике». Такой запрос задаёт и желаемый результат, и границу допустимых дополнений.

Предположим, в получившемся учебном варианте правильно названы дата встречи, время и библиотека, но регистрация указана до 11 ноября. Текст может звучать естественно, однако одно условие изменено. Редактор исправляет срок по исходнику и проверяет, не появились ли новые неподтверждённые сведения. Просьба сделать стиль выразительнее не решает эту фактическую ошибку.

Как измерить или проверить

Для этого примера заранее определены четыре проверяемых утверждения. Подтверждённым считаем утверждение, которое совпадает с исходником по смыслу. В учебном ответе три таких утверждения из четырёх; доля равна 3 / 4 × 100% = 75%. Знаменатель — все четыре фактических утверждения ответа, а не число слов или предложений. Одновременно нужно проверить полноту: сохранены ли все сведения, которые требовалось перенести.

Если помощник ничего не ответил, нельзя записать ему нулевую или стопроцентную долю подтверждённых утверждений: делить на ноль нельзя. В протоколе это отдельный результат — ответ отсутствует, задание не выполнено. И наоборот, один верный факт не делает анонс полным, если остальные три пропущены.

Такой подсчёт — локальное правило учебной проверки. Он не измеряет «точность Алисы вообще». Для сравнения вариантов полезен одинаковый набор исходников, заданий и критериев; сохраняются дата, интерфейс, режим, вход и полный ответ. NIST рекомендует оценивать систему в условиях её применения и не распространять результаты узкой проверки на все возможности модели. ^{[8, MEASURE 2.3; MS-2.5-001]}

Для наблюдения за присутствием материалов сайта в генеративных ответах предмет проверки другой. В рабочем журнале стоит разделять ссылку на конкретную страницу, упоминание названия без ссылки и отсутствие материала. Рекомендации Яндекс Вебмастера связывают поисковые ответы с качеством и полезностью страниц; это основание работать над содержанием, а не обещание попадания сайта в каждый ответ. ^[10]

Ошибки, ограничения и спорные вопросы

При переносе задания между моделями важна версия. На дату проверки каталог AI Studio сообщает, что YandexGPT Lite 5 объявлена устаревшей и будет отключена 15 ноября 2026 года. Это будущая дата, а не уже состоявшееся отключение. Документация предусматривает проверку промптов при переходе и не обещает автоматического переключения на новую версию. ^[3]

Сертификат тоже нельзя трактовать как гарантию безошибочности. В сообщении Яндекса о ISO/IEC 42001 речь идёт о процессах создания и внедрения моделей. Проверять достоверность конкретного ответа всё равно приходится отдельно. ^{[2, 8]}

Наконец, проверка API и наблюдение ответа в Поиске отвечают на разные вопросы. Первая относится к выбранной модели и настройкам программы, второе — к пользовательской поисковой поверхности с её источниками. Смешав эти результаты, легко приписать модели возможности всей системы. ^{[3, 9]}

Частые вопросы

Связанные термины

• bolshaya-yazykovaya-model
• prompt-inzhiniring
• generativnyy-ii-i-etika-smi
• faktcheking
• neyrokopirayting
• poiskovyy-intent