Сравнение 10 семейств ИИ: 22 конкретные модели

Важно об актуальности: ниже — зафиксированная подборка поколений, доступных к 18.06.2025, а не подтверждённый топ на сегодняшний день. Онлайн-проверка не выполнялась; тарифы, доступность и лимиты необходимо сверить по официальным ссылкам внизу.

Как понимать «топ-10»: это 10 практически значимых семейств для разных задач, а не места в едином рейтинге. GPT и reasoning-линейка OpenAI разделены. Буквально сравнить «по всем показателям» невозможно: здесь собраны основные критерии выбора. Генераторы изображений, музыки и видео — отдельный класс, не включённый в эту таблицу.

Сложные рассуждения

o3 · Gemini 2.5 Pro · DeepSeek R1

Математика, многошаговые задачи, поиск ошибок и проверка гипотез.

Код и разработка

Claude Sonnet 4 · GPT‑4.1 · o3

Рефакторинг, работа с репозиториями, тесты и программные агенты.

Большие и смешанные данные

Gemini 2.5 Pro / Flash

Длинные документы, изображения, анализ входящих аудио и видео.

Свои серверы

Qwen3 · Mistral Small 3.1

Локальные ассистенты и настройка под компанию; Apache 2.0 у указанных версий.

Основная таблица

В каждой строке — отдельная версия. Оценки качества и скорости субъективные, не результаты единого бенчмарка. Расшифровка ограничений и обозначений — под таблицей.

Показано версий: 22 из 22 ↔ Таблица прокручивается; первая колонка и заголовки закреплены.

* Фильтр стоимости: ввод ≤ $0,50 и вывод ≤ $2,50 за 1 млн токенов, без кэша, по указанному срезу. Для моделей без единого API-тарифа цена не предполагается.

Л — логика; К — программирование; RU — русский язык. В цене стрелка означает «ввод → вывод», а не диапазон. Номера семейств не являются местами в рейтинге.
Семейство / разработчик	Конкретная модель / ID	Вход → выход	Контекст / максимальный ответ¹	Reasoning / инструменты / JSON²	Субъективный профиль³	Скорость³	API: $ / 1 млн токенов⁴ Ввод → вывод	Размещение / лицензия / размер⁵	Для чего использовать	Что учитывать
01 GPT‑4.1 OpenAI	GPT‑4.1 `gpt-4.1-2025-04-14`	Текст, изображения → текст	Окно: 1 047 576 Ответ: 32 768	Отдельный reasoning: нет Tools: да JSON Schema: да	Л: хорошая К: сильный RU: сильный	Средняя / быстрая Зависит от длины ответа.	$2 → $8	Закрытая Облачный API; веса не опубликованы.	Программирование, сложные инструкции, анализ документов, корпоративные ассистенты, агенты с инструментами.	Не специализированный reasoner. Большое окно не гарантирует точного поиска каждого факта. Аудио и видео напрямую не принимает.
GPT‑4.1OpenAI	GPT‑4.1 mini `gpt-4.1-mini-2025-04-14`	Текст, изображения → текст	Окно: 1 047 576 Ответ: 32 768	Reasoning: нет Tools: да JSON Schema: да	Л: хорошая К: хороший RU: хороший	Обычно быстрая	$0,40 → $1,60	Закрытая Облачный API.	Чат-боты на русском, извлечение полей, RAG, обработка обращений, недорогой помощник программиста.	На сложных многошаговых задачах и неоднозначном коде чаще требует проверки, чем старшие версии.
GPT‑4.1OpenAI	GPT‑4.1 nano `gpt-4.1-nano-2025-04-14`	Текст, изображения → текст	Окно: 1 047 576 Ответ: 32 768	Reasoning: нет Tools: да JSON Schema: да	Л: базовая К: базовый RU: хороший на простых задачах	Обычно очень быстрая	$0,10 → $0,40	Закрытая Облачный API.	Классификация, маршрутизация запросов, теги, автодополнение, простое извлечение данных большими объёмами.	Не лучший выбор для сложной логики, архитектуры кода и ответственных ответов без проверки.
02 o‑серия OpenAI	o3 `o3-2025-04-16`	Текст, изображения → текст	Окно: 200 000 Ответ: до 100 000Включая reasoning-токены.	Reasoning: да Tools: да JSON Schema: да	Л: сильная К: сильный RU: сильный	Переменная; на сложных задачах медленнее обычных моделей.	$2 → $8Цена после снижения в июне 2025.	Закрытая Облачный API.	Математика, сложный код, анализ взаимосвязей, научно-технические задачи, проверка решений других моделей.	Дольше отвечает; оплачиваются и невидимые reasoning-токены. «Думающая» модель тоже может ошибаться.
o‑серияOpenAI	o4‑mini `o4-mini-2025-04-16`	Текст, изображения → текст	Окно: 200 000 Ответ: до 100 000Включая reasoning-токены.	Reasoning: да Tools: да JSON Schema: да	Л: сильная К: сильный RU: хороший	Часто быстрее o3; зависит от бюджета рассуждений.	$1,10 → $4,40	Закрытая Облачный API.	Массовые reasoning-задачи, математика, автоматические проверки кода, анализ схем и графиков.	Менее универсальна, чем старшие модели; возможен перерасход на слишком длинные рассуждения.
03 Claude 4 Anthropic	Claude Opus 4 `claude-opus-4-20250514`	Текст, изображения → текст	Окно: 200 000 Ответ: 32 000	Гибридный reasoning Tools: да Структурирование: через API / tools	Л: сильная К: сильный RU: сильный	Обычно медленнее Sonnet; thinking добавляет задержку.	$15 → $75	Закрытая API Anthropic и партнёрские облака.	Сложная разработка, длительные агентные процессы, анализ больших кодовых баз, содержательная редактура.	Высокая стоимость. Длинные агентные цепочки требуют контроля действий, прав доступа и бюджета.
Claude 4Anthropic	Claude Sonnet 4 `claude-sonnet-4-20250514`	Текст, изображения → текст	Окно: 200 000 Ответ: 64 000	Гибридный reasoning Tools: да Структурирование: через API / tools	Л: сильная К: сильный RU: сильный	Средняя; без thinking обычно быстрее.	$3 → $15	Закрытая Облачные API.	Повседневное программирование, фронтенд, рефакторинг, работа с документами, аналитика и тексты.	Не самая дешёвая модель для простых операций. Наличие инструментов не означает встроенного доступа к интернету.
04 Gemini 2.5 Google	Gemini 2.5 Pro `gemini-2.5-pro`	Текст, изображения, аудио, видео → текст	Вход: 1 048 576 Ответ: 65 536	Reasoning: да Tools: да JSON Schema: да	Л: сильная К: сильный RU: сильный	Переменная; длинный вход и thinking увеличивают задержку.	$1,25 → $10 При входе ≤ 200 тыс. токенов. $2,50 → $20 При входе > 200 тыс.	Закрытая Gemini API / Vertex AI.	Длинные документы, анализ видео и записей, сложный код, мультимодальная аналитика, большие наборы материалов.	Тариф зависит от размера запроса. Входящие аудио и видео не означают генерацию аудио и видео этим эндпоинтом.
Gemini 2.5Google	Gemini 2.5 Flash `gemini-2.5-flash`	Текст, изображения, аудио, видео → текст	Вход: 1 048 576 Ответ: 65 536	Управляемый thinking Tools: да JSON Schema: да	Л: хорошая К: хороший RU: хороший	Обычно быстрая; thinking можно ограничивать.	$0,30 → $2,50 Ввод текста / изображений / видео. Аудиоввод: $1 за 1 млн токенов.	Закрытая Gemini API / Vertex AI.	Массовая обработка документов, мультимодальные чат-боты, краткие пересказы, извлечение данных, недорогие агенты.	На сложной логике обычно уступает Pro. Для Live-аудио и синтеза речи используются другие режимы или модели.
05 DeepSeek DeepSeek	DeepSeek R1‑0528 `deepseek-reasoner` Веса: DeepSeek-R1-0528. API-ID — изменяемый псевдоним.	Текст → текст	API на срезе: 64 тыс. У весов: до 128 тыс.Ответ: уточнять по эндпоинту.	Reasoning: да Tools / JSON: зависят от API и сервера	Л: сильная К: хороший RU: хороший	Переменная; рассуждения часто длинные.	$0,55 → $2,19Базовый ввод без попадания в кэш.	Веса: MIT 671B всего / около 37B активных. Локально нужен крупный серверный кластер.	Математика, логические задачи, анализ алгоритмов, self-hosted reasoning, исследования и адаптация модели.	Не компактная локальная модель. Лимиты и поддержка функций у API могут отличаться от возможностей опубликованных весов.
DeepSeekDeepSeek	DeepSeek V3‑0324 `deepseek-chat` Веса: DeepSeek-V3-0324. API-ID — изменяемый псевдоним.	Текст → текст	API на срезе: 64 тыс. У весов: до 128 тыс. Ответ API: до 8 тыс.	Отдельный reasoning: нет Tools: да в API JSON: да в API	Л: хорошая К: сильный RU: хороший	Обычно быстрее R1 в обычном чате.	$0,27 → $1,10Без кэша и специальных скидок.	Веса: MIT 671B всего / около 37B активных. Крупное серверное размещение.	Недорогие текстовые API, программирование, перевод, генерация контента, корпоративные боты и RAG.	Не принимает изображения. Свои GPU для полной версии обходятся дорого, несмотря на небольшой активный MoE-блок.
06 Qwen3 Alibaba	Qwen3‑235B‑A22B `Qwen/Qwen3-235B-A22B`	Текст → текст	Нативно: 32 768 До 131 072 с YaRNОтвет ограничен окном и сервером.	Thinking / non-thinking Tools: через стек JSON: через сервер	Л: сильная К: сильный RU: хороший	Зависит от GPU, квантования и serving-стека.	Единого тарифа нетХостинг у провайдера или свои GPU.	Apache 2.0 MoE: 235B / 22B активных. Серверный кластер.	Собственная крупная reasoning-модель, мультиязычные агенты, корпоративная адаптация и программирование.	Нужно хранить все веса, а не только активные 22B. Расширение контекста требует правильной конфигурации и тестов.
Qwen3Alibaba	Qwen3‑32B `Qwen/Qwen3-32B`	Текст → текст	Нативно: 32 768 До 131 072 с YaRNОтвет зависит от сервера.	Thinking / non-thinking Tools: через стек JSON: через сервер	Л: хорошая К: хороший RU: хороший	Зависит от GPU; thinking увеличивает время.	Единого тарифа нет	Apache 2.0 Около 32,8B параметров. Мощная рабочая станция / сервер.	Локальный помощник программиста, RAG, приватный анализ документов, дообучение под предметную область.	Требовательнее 8B к памяти. Длинный контекст заметно увеличивает KV-кэш и требования к размещению.
Qwen3Alibaba	Qwen3‑8B `Qwen/Qwen3-8B`	Текст → текст	Нативно: 32 768 До 131 072 с YaRNПрактический предел зависит от памяти.	Thinking / non-thinking Tools: через стек JSON: через сервер	Л: базовая–хорошая К: базовый–хороший RU: требует проверки на домене	Может быть быстрой на потребительской GPU.	Единого тарифа нет	Apache 2.0 Около 8,2B параметров. Практичный вариант для локальных экспериментов.	Домашний ассистент, простые агенты, классификация, локальный RAG, прототипирование без отправки запросов внешнему API.	Заметно слабее крупных моделей на сложном коде и логике. Длинное «думание» не гарантирует верного ответа.
07 Llama 4 Meta	Llama 4 Maverick `meta-llama/Llama-4-Maverick-17B-128E-Instruct`	Текст, изображения → текст	Заявлено: до 1 млнОтвет и доступное окно зависят от сервера.	Спец. reasoning: нет Tools / JSON: через serving-стек	Л: хорошая К: хороший RU: хороший	Зависит от кластера и реализации MoE.	Единого тарифа нет	Скачиваемые веса Своя Llama 4 Community License. 400B / 17B активных.	Мультимодальный корпоративный ассистент, анализ изображений и документов, собственный API.	Это не Apache/MIT: есть лицензионные ограничения. Полные веса требуют большой памяти; окно у хостера может быть меньше.
Llama 4Meta	Llama 4 Scout `meta-llama/Llama-4-Scout-17B-16E-Instruct`	Текст, изображения → текст	Заявлено: до 10 млнНе гарантия доступного или полезного контекста.	Спец. reasoning: нет Tools / JSON: через serving-стек	Л: базовая–хорошая К: хороший RU: хороший	Зависит от GPU; огромный вход обрабатывается долго.	Единого тарифа нет	Скачиваемые веса Llama 4 Community License. 109B / 17B активных.	Эксперименты с очень длинными документами, мультимодальный поиск по материалам, собственная инфраструктура.	Максимальное окно нельзя считать качеством памяти. Для 10 млн токенов нужны специальные ресурсы; проверьте ограничения лицензии и региона.
08 Grok 3 xAI	Grok 3 Beta `grok-3-beta` Название API на указанном срезе.	Текст → текст	Окно: 131 072 Ответ: —	Спец. reasoning в этом API: нет Tools / JSON: да	Л: хорошая К: хороший–сильный RU: хороший	Средняя; fast-варианты имеют отдельные тарифы.	$3 → $15	Закрытая Облачный API xAI.	Универсальный текстовый ассистент, генерация и анализ кода, обработка информации, интеграции в продукты.	Возможности приложения Grok и API не тождественны. Сам по себе этот эндпоинт не означает доступ к X, поиску или актуальным новостям.
Grok 3xAI	Grok 3 Mini Beta `grok-3-mini-beta`	Текст → текст	Окно: 131 072 Ответ: —	Reasoning: да, low / high Tools / JSON: да	Л: сильная на подходящих задачах К: хороший RU: хороший	Обычно быстрее старшей модели; зависит от effort.	$0,30 → $0,50	Закрытая Облачный API xAI.	Недорогие логические задачи, расчёты, проверка условий, массовые текстовые агенты.	Не замена старшей модели во всех областях знаний. Reasoning влияет на задержку и итоговую стоимость.
09 Mistral Mistral AI	Mistral Medium 3 `mistral-medium-2505`	Текст, изображения → текст	Окно: 128 тыс. Ответ: —	Спец. reasoning: нет Tools: да JSON: да	Л: хорошая К: хороший RU: хороший	Обычно средняя / быстрая.	$0,40 → $2	Закрытая API; enterprise-размещение по договору. Размер публично не раскрыт.	Корпоративные ассистенты, документы с изображениями, программирование, многоязычные бизнес-приложения.	Не путать с открытыми моделями Mistral. Частное размещение и права на него согласуются отдельно.
MistralMistral AI	Mistral Small 3.1 `mistral-small-2503` Веса: Mistral-Small-3.1-24B-Instruct-2503.	Текст, изображения → текст	Окно: до 128 тыс.Ответ зависит от API или сервера.	Спец. reasoning: нет Tools: да JSON: API / serving-стек	Л: базовая–хорошая К: хороший RU: хороший	Может быть быстрой на подходящей GPU.	$0,10 → $0,30Для API; локально — расходы на инфраструктуру.	Apache 2.0 24B параметров. Локально после квантования.	Локальный мультимодальный бот, анализ скриншотов и документов, RAG, дешёвая обработка данных.	Нужна достаточно мощная GPU. На сложных рассуждениях уступает крупным специализированным моделям.
10 Command Cohere	Command A `command-a-03-2025`	Текст → текст	Окно: 256 тыс. Ответ: до 8 тыс.	Спец. reasoning: нет Tools: да JSON: да	Л: хорошая К: не главный профиль RU: хороший	Средняя; локально зависит от сервера.	$2,50 → $10	Веса: CC BY-NC 4.0 111B параметров. Коммерческий API — по его условиям.	Корпоративный поиск, RAG с цитированием, ответы по базе знаний, многоязычные бизнес-агенты.	Скачиваемые веса имеют некоммерческую лицензию. Для коммерческого self-hosting нужны соответствующие права. RAG требует системы поиска.
CommandCohere	Command R7B `command-r7b-12-2024`	Текст → текст	Окно: 128 тыс. Ответ: до 4 тыс.	Спец. reasoning: нет Tools: да JSON: да	Л: базовая К: базовый RU: проверять на своём корпусе	Обычно быстрая; компактнее Command A.	$0,0375 → $0,15	Веса: CC BY-NC 4.0 Около 8B параметров. Есть облачный API.	Недорогие ответы по документам, FAQ, извлечение данных, компактные RAG-прототипы.	Не подходит как универсальный эксперт по сложным темам. Коммерческие права на API и скачанные веса различаются.

Как правильно читать сравнение

¹ Контекст не равен «памяти без ошибок»

Значения приведены в токенах, не в словах. У одних API контекст — общее окно, у других отдельно указан предел входа. Максимальный ответ — отдельное ограничение. У открытых моделей реальный лимит зависит от сервера, памяти и конфигурации. Знак «—» означает, что здесь не указан надёжно сопоставимый лимит, а не отсутствие ограничения. YaRN — способ расширения контекста, а не гарантия прежнего качества.

² Reasoning, инструменты и JSON — разные функции

Обычные модели тоже умеют рассуждать; «reasoning» здесь означает специальный режим с дополнительными вычислениями. Tools — возможность запрашивать вызовы функций: поиск, браузер и выполнение кода нужно подключать отдельно. Получить текст в формате JSON не то же самое, что иметь строгую гарантию JSON Schema. У Claude на этом срезе для структурированных данных обычно используются схемы инструментов.

³ Качество и скорость — не измеренные баллы

«Сильный», «хороший» и «базовый» — предварительные экспертные ориентиры, а не результаты одинакового тестирования. Особенно это касается русского языка. Скорость зависит от региона, нагрузки, длины входа, reasoning-бюджета и оборудования. Без единого стенда сравнивать точные токены в секунду или проценты было бы некорректно.

⁴ Цена токена не равна цене решённой задачи

Указаны ориентировочные базовые API-тарифы на фиксированный срез: без налогов, кэша, Batch, временных скидок и подписок на приложения. Reasoning-токены часто оплачиваются как выходные, даже если не показываются. Длинные ответы, повторные попытки, поиск и другие инструменты увеличивают итоговый счёт. Тарифы ChatGPT, Claude.ai и других приложений нельзя напрямую сравнивать с API.

⁵ Скачиваемые веса ≠ свободная коммерческая лицензия

Apache 2.0 и MIT разрешают широкое коммерческое использование с соблюдением условий. У Llama — собственная лицензия с дополнительными ограничениями; у указанных весов Cohere — некоммерческая CC BY-NC. B означает миллиарды параметров, A — активные параметры MoE. Для размещения MoE обычно нужны все веса, а не только активная часть.

Приватность и свежесть знаний — свойства всей системы

Облачный API передаёт данные провайдеру: проверяйте регион хранения, журналы, условия обработки и использование данных. Self-hosting даёт больше контроля, но требует защиты инфраструктуры. Ни одна модель не получает новые факты автоматически: для актуальности нужен поиск или RAG. Все модели могут выдумывать факты, ссылки и цитаты.

Что выбрать под конкретную задачу

Задача	С чего начать	Почему и что проверить
Универсальный помощник на русском	GPT‑4.1 mini, Claude Sonnet 4, Gemini 2.5 Flash	Сравните стиль, точность и стоимость на своих запросах. Для простых ответов дорогой reasoning часто не нужен.
Сложная математика и аналитика	o3, Gemini 2.5 Pro, DeepSeek R1‑0528	Хорошие кандидаты для многошаговых задач. Проверяйте расчёты, исходные допущения и итоговую стоимость рассуждений.
Разработка и рефакторинг	Claude Sonnet 4, GPT‑4.1, o3; Opus 4 — для дорогих сложных задач	Тестируйте на реальном репозитории: сборка, unit-тесты, безопасность, качество diff. Бенчмарк агента — не только качество модели.
Большие документы, аудио и видео на входе	Gemini 2.5 Pro / Flash	Поддерживают смешанные входные данные. Проверяйте распознавание, временные метки и точность извлечения фактов.
Очень дешёвая массовая обработка	GPT‑4.1 nano, Grok 3 Mini, Mistral Small 3.1; Command R7B для RAG	Выбирайте по стоимости успешной операции, а не только токена. Маленькой модели могут понадобиться дополнительные проверки.
Ответы по базе знаний компании	Command A / R7B, GPT‑4.1 mini, Qwen3‑32B	Нужны поиск, разбиение документов, контроль доступа и проверка цитат. Одна LLM не заменяет полноценный RAG-пайплайн.
Локальная коммерческая система	Qwen3‑8B / 32B, Mistral Small 3.1	У указанных версий Apache 2.0. Проверьте память под веса и KV-кэш, качество квантования, одновременные запросы и безопасность.
Свой мультимодальный сервер	Mistral Small 3.1; Llama 4 Scout / Maverick при подходящей лицензии	Mistral компактнее. Llama предлагает большие заявленные окна, но требует больше ресурсов и отдельной проверки лицензионных условий.
Генерация картинок, музыки, видео или речи	Нужна отдельная подборка специализированных моделей	Способность анализировать изображение, аудио или видео не означает способность их генерировать. Для голоса также важен realtime-режим.

Какие показатели измерить перед окончательным выбором

Публичные рейтинги полезны для первичного отбора, но не заменяют проверку вашей задачи. Числа разных поколений, режимов и тестовых стендов нельзя механически смешивать.

Показатель	Как измерять	Частая ошибка
Логика и знания	Одинаковые задания, версия бенчмарка, бюджет рассуждений и доступ к инструментам; учитывать число попыток.	Сравнивать один проход одной модели с лучшим результатом из множества попыток другой.
Программирование	Доля задач с проходящими тестами; для SWE-bench фиксировать агента, окружение и доступные инструменты.	Приписывать весь результат модели, игнорируя качество агентного окружения.
Русский язык и ваш домен	Слепое сравнение ответов на 50–100 типичных задачах: терминология, стиль, факты, соблюдение инструкций.	Считать англоязычный общий рейтинг точной оценкой качества русского юридического или технического текста.
Задержка и пропускная способность	Время до первого токена, токены/с, полное время ответа, p50/p95 под ожидаемой нагрузкой.	Сравнивать скорость короткого чата с длинной reasoning-задачей или тестировать без параллельных пользователей.
Реальная стоимость	Доллары за успешно решённую задачу с учётом входа, выхода, reasoning, поиска, повторов и инфраструктуры.	Выбирать исключительно по самому дешёвому миллиону входных токенов.
Надёжность и безопасность	Галлюцинации, точность цитат, валидность JSON, ошибки вызова функций, prompt injection, утечки и права доступа.	Считать уверенный ответ истинным, а валидный JSON — корректным по смыслу.

Официальные спецификации и лицензии

Это ссылки для самостоятельной проверки, не свидетельство выполненной онлайн-проверки. Страницы могут уже описывать более новые версии. Сверяйте конкретный ID модели, дату релиза и условия своего провайдера.

OpenAI — GPT‑4.1 и o‑серия Модели API-тарифы

Anthropic — Claude Модели и лимиты Тарифы

Google — Gemini Модели Тарифы

DeepSeek — R1 и V3 API и тарифы R1‑0528 V3‑0324

Alibaba — Qwen3 Описание поколения 235B‑A22B 32B 8B

Meta — Llama 4 Семейство Scout и лицензия Maverick

xAI — Grok Модели и тарифы API

Mistral AI Модели API Small 3.1: веса и лицензия

Cohere — Command Модели Тарифы Command A Command R7B

Короткий вывод: для большинства проектов разумнее выбрать не одну «самую умную» модель, а связку: дешёвая — для простых операций, сильная reasoning-модель — для трудных случаев, локальная — когда этого требуют данные и инфраструктура. Победитель определяется качеством на ваших задачах, стоимостью успешного результата и допустимой задержкой.

dima