раздел 00
Зачем уметь выбирать модель
Что это за тема
Сегодня доступны десятки языковых моделей: флагманы от OpenAI, Anthropic и Google, опенсорс-семейства Llama, Qwen, DeepSeek, Mistral, плюс специализированные и локальные. Они отличаются не на проценты, а в разы - и по качеству, и по скорости, и по цене за токены. Одна и та же задача может стоить и десять центов, и десять долларов в зависимости от того, какую модель вы выбрали.
«Выбор модели под задачу» - это навык подбирать модель так, чтобы качество было достаточным, а цена и скорость - комфортными. Не «самая умная на всё», а «достаточно умная и дешёвая на эту конкретную работу».
Зачем это вам
- Деньги. Гонять флагман на простой классификации - переплата в десятки раз. На массовой обработке это превращается в реальный счёт.
- Скорость. Тяжёлая модель думает дольше. Там, где нужен ответ за доли секунды, флагман просто не подходит.
- Приватность. Иногда данные нельзя отдавать в чужое облако - и выбор сужается до опенсорс-моделей, которые можно развернуть у себя.
- Качество. На сложном рассуждении или коде дешёвая модель будет ошибаться, и экономия обернётся переделками.
Вывод простой: одна модель на все задачи - почти всегда либо дорого, либо слабо. Навык выбора экономит и деньги, и нервы.
Что будет в курсе
Идём от простого к сложному:
- 00 - зачем уметь выбирать. Вы здесь.
- 01 - классы моделей: флагманы, опенсорс, специализированные, локальные.
- 02 - критерии выбора: качество, скорость, цена, контекст, приватность, русский язык, мультимодальность.
- 03 - под задачу своя модель: кодинг, тексты, анализ данных, агенты, массовая обработка.
- 04 - как тестировать и сравнивать модели на своей задаче.
- 05 - агрегаторы доступа: OpenRouter, AI Tunnel, Cloud.ru.
- 06 - шпаргалка: таблица «задача -> модель» и словарь терминов.
Каждая страница построена одинаково: что это, зачем, как, пример и где обычно ошибаются.