"Нейросеть для текста: статьи, посты, письма и правка готового"

Её часто представляют справочником, в который загрузили весь интернет. Задал вопрос — модель нашла нужную страницу и переписала. Сравнение неверно в главном. Готовых страниц внутри нет, есть числа (параметры), подобранные при обучении так, чтобы лучше угадывать продолжение. GPT-2 учили ровно этому: по всем предыдущим словам предсказать следующее. Обучающий текст занимал 40 ГБ и был собран с 8 млн веб-страниц, параметров у модели было 1,5 млрд. Ближе к правде подсказка следующего слова на клавиатуре телефона, только несравнимо крупнее и обученная на гораздо большем объёме текста.

Собрана GPT-2 на трансформере — архитектуре из статьи «Attention Is All You Need», которую выложили на arXiv 12 июня 2017 года. Как устроен этот чертёж, подробно рассказано в статье про трансформер, а чем большая языковая модель отличается от обычного чат-бота — в разборе про LLM. Для работы с текстом хватит трёх терминов.

Токен — кусок слова, знак препинания или короткое слово целиком. Модель режет текст на такие куски и считает именно в них. Окно контекста — сколько токенов модель видит за один раз: ваш запрос, вложенный файл, прошлые сообщения диалога и уже написанную часть ответа. Лимит ответа — сколько токенов она может выдать за один проход. Всё, что не поместилось в окно, для модели не существует, пока вы снова не вставите нужный фрагмент. Почему один и тот же текст на разных языках режется на разное число токенов и почему модель «забывает» середину длинного файла, объяснено в статье про токены и окно контекста.

Схема окна контекста, иллюстрация GPThub

Модель для чата получают в два этапа. Сначала её долго учат угадывать продолжение на огромных массивах текста, потом доучивают на диалогах. OpenAI описала второй этап в анонсе ChatGPT 30 ноября 2022 года. Люди-тренеры сами писали образцы диалогов, играя и пользователя, и помощника. Затем они сравнивали несколько вариантов ответа модели и выстраивали их от лучшего к худшему, а модель подстраивали под эти оценки. Метод называется обучением с подкреплением на отзывах людей (RLHF). Он объясняет вежливый тон и готовность взяться за любую просьбу, но базой проверенных фактов модель от этого не становится.

Следствие очень простое: модель сильна там, где хватает языка, — структура, связность, пересказ, смена тона. Слаба она там, где нужна опора на мир: точная дата, номер приказа, цитата из документа, которого не было во входе. Поэтому черновик от нейросети хорош как первая версия и опасен как последняя, если его никто не прочитал.

Поиск возвращает ссылки, и источник выбираете вы сами. Модель в чате возвращает готовый связный абзац. Экономия времени тут же оборачивается риском: текст звучит так, будто каждую цифру проверили, хотя модель проверяла только правдоподобие.

В том же анонсе ChatGPT OpenAI перечислила ограничения, и список до сих пор читается как памятка редактору. Модель иногда пишет правдоподобные, но неверные или бессмысленные ответы. Она чувствительна к формулировке: на один вариант вопроса говорит, что не знает ответа, а на слегка перефразированный отвечает верно. Она многословна и повторяет одни и те же обороты. Когда запрос неоднозначен, уточнять она не станет и попробует угадать, чего хотел человек.

С тех пор модели стали заметно сильнее, но этот пункт из списка никуда не делся. В карточке Gemini 3.8 Flash, которую Google опубликовала 2 сентября 2026 года, прямо сказано, что модель может проявлять общие ограничения таких систем, например галлюцинации, то есть выдуманные факты. Откуда они берутся и как их ловить, разобрано в статье о том, почему нейросеть выдумывает. Для работы с текстом из этого следует одно правило: всё, что можно проверить по документу, проверяйте по документу, а не по тому, как гладко звучит абзац.

На каждом шаге модель оценивает возможные продолжения из своего словаря токенов и выбирает одно из вероятных, обычно с небольшой долей случайности. Поэтому один и тот же запрос при повторе даёт другой черновик: меняется цепочка выборов, а «знания» остаются прежними. Отсюда и десять попыток под заметкой про единорогов.

Ещё в анонсе GPT-2 OpenAI описала, где такая машина ломается, и список с тех пор мало устарел. Модель повторялась, теряла представление о мире (например, иногда писала о пожарах под водой) и неестественно перескакивала с темы на тему. На темах, о которых в обучающих данных было много текста, — Brexit, «Властелин колец», — приличный результат выходил примерно в половине попыток. На узкой технической или редкой теме модель справлялась плохо.

Нынешние модели несравнимо сильнее GPT-2, но слабое место осталось тем же. Частое модель воспроизводит уверенно, редкое подменяет похожим. Дата регионального события, фамилия специалиста из узкой отрасли, номер пункта в договоре — именно тут появляются правдоподобные подмены. Причём модель не отмечает, где она уверена, а где угадывает: оба куска звучат одинаково ровно.

Канцелярит и одинаковые зачины — тоже следствие этой механики, а не «плохого дня» модели. Она тянется к среднему по множеству текстов, а среднее звучит гладко и безлично. Если нужен узнаваемый голос бренда или автора, смены модели мало: нужны образцы ваших текстов во входе и прямые запреты на шаблонные связки.

В длинном диалоге работает то же окно. Старые сообщения остаются на экране, но в расчёт могут уже не попадать. Вернулись к проекту через неделю — вставьте ключевые факты заново или приложите файл-памятку.

Ещё один рабочий приём для статей и писем — попросить черновик только из коротких предложений, не длиннее двенадцати слов. Так видно, где модель повторила одну мысль дважды разными словами. Потом разрешите длинные фразы точечно — там, где нужна связка.

Просьба «напиши текст» без уточнения жанра даёт усреднённый результат, который не годится ни для одного места публикации.

Статья или заметка

Нужны тема, читатель, объём и опора на факты. Попросите план из пяти–семи блоков, затем разворачивайте каждый блок отдельным сообщением: так проще поймать, где модель начала повторяться. Факты лучше вставлять списком или файлом и не надеяться, что модель «помнит» ваш рынок. Тем, кто пишет книги и длинные циклы, полезнее статья про нейросеть для писателя: там разговор о сюжете и голосе автора, здесь только общая механика.

Пост для соцсети

Нужны площадка, длина, один призыв к действию и запрет на то, чего не было в задании. Без такого запрета модель может дописать «акцию до воскресенья», которой у вас нет. Работа с лентой, картинками и шаблонами разобрана в материале про нейросеть для SMM; здесь достаточно правила: черновик пишется быстро, отвечает за публикацию человек.

Письмо

Укажите адресата, повод и желаемый итог — «согласовать перенос», «вежливо отказать», «напомнить о документе». Попросите два варианта тона, нейтральный и более тёплый, и сравните, не раздулась ли вежливость в пустые фразы. Если у письма есть юридические последствия, его должен прочитать юрист; для обычной переписки черновика модели обычно хватает.

Статья для сайта или блога

Здесь модель часто выдаёт энциклопедический зачин и ровные абзацы одинаковой длины, и такой текст быстро узнаётся. Задайте конкретный угол: «объясни новичку», «разбор для человека, который уже пробовал и разочаровался», «только практические шаги, без истории компании». Добавьте список вопросов, на которые текст обязан ответить, и попросите в конце отметить, какой вопрос остался без ответа. Так пропуски ловятся раньше, чем о них напишут в комментариях.

Сократить проще по точному заданию вроде «вот абзац на 400 слов, нужно 120, смысл сохранить, примеры убрать». Попросите перечислить, что модель выкинула, — так видно, не исчез ли важный аргумент. Если текст ваш, приложите его целиком. Если чужой, модель вопрос авторских прав не снимает.

Смена тона — отдельная операция. Не смешивайте её с сокращением в одном сообщении, пока не получите устойчивый результат. Формулировка «сделай официальнее, но без канцелярита» работает лучше, чем «перепиши красиво». Для постов и писем полезно указать, кого нельзя задеть и какие слова бренд не использует.

Без образца модель подставит усреднённый деловой стиль. Поэтому при смене тона приложите один-два своих абзаца, которые уже звучат так, как вам нравится, и напишите: «сохрани строй предложений, убери пассив и канцелярит». Два живых абзаца работают лучше десяти прилагательных про желаемый тон.

Если после правок текст всё равно похож на соседние черновики, причина в общих шаблонах обучения. Признаки такого текста перечислены в статье про похожие тексты нейросети. Практический вывод короче: меняйте зачин, длину предложений и способ подачи фактов, а просьба «сделай уникальнее» почти ничего не даёт.

Пример с сокращением абзаца

Запрос может выглядеть так — «Сократи абзац ниже до 60 слов. Сохрани все три цифры и название компании. Убери вводные обороты и все примеры, кроме первого. После текста отдельным списком перечисли, что ты выкинул». Дальше идёт сам абзац.

Что проверить в ответе. Первое — цифры, все три на месте и не округлены. Второе — название компании написано так же, как в оригинале. Третье — список выкинутого: прочитайте его внимательно, там иногда оказывается главный довод, который модель сочла примером. Ещё полезен приём «две версии рядом»: попросите в одном ответе исходный абзац и сжатый, а повторы между ними удалите сами. Потерю смысла видно только при сравнении, при чтении одной короткой версии её легко пропустить.

У многословия есть задокументированная причина. В анонсе ChatGPT OpenAI объясняла его перекосом в данных обучения: тренеры предпочитали длинные ответы, которые выглядели полнее. Вторая причина — уже упомянутая манера угадывать вместо того, чтобы переспросить. На размытый запрос модель отвечает общим местом, и запрос из трёх слов «напиши статью про X» почти гарантирует именно его.

Ниже минимальный каркас, который можно держать в заметках и менять под задачу.

1. Роль и читатель — «ты редактор для читателя без технического образования» или «ты помощник студента первого курса».
2. Формат и объём — «пост на 800 знаков», «письмо на пять предложений», «план статьи без текста».
3. Факты — список утверждений, которыми можно пользоваться, и отдельной строкой — что выдумывать нельзя.
4. Стиль — «без восклицаний», «без слова „уникальный“», «короткие абзацы».
5. Проверка — «в конце перечисли три места, где ты не уверена в фактах».

Подробные шаблоны под разные жанры собраны в гайде с промптами для текстов, а общие правила составления запроса — в гайде «Как писать промпты». Повторять их здесь не будем: эта статья про выбор задачи и контроль результата.

Удобнее держать один диалог на одну задачу. Если смешать в одной ветке договор, пост и сказку для ребёнка, модель начнёт переносить интонации из жанра в жанр. Новый диалог — дешёвый способ обнулить контекст.

Длинный документ по частям

У Gemini 3.8 Flash и Claude Sonnet 5.5 окно по документации разработчиков — около миллиона токенов. Для своих моделей Anthropic оценивает такой объём примерно в 555 тысяч слов. Это не значит, что отчёт на двести страниц стоит вставлять целиком с просьбой «сделай всё сразу»: середина длинного входа теряется чаще начала и конца, и это измеряли отдельно.

Надёжнее разбить документ на части по смыслу — введение, таблица выводов, приложение — и к каждой части дать свой запрос: «сожми до пяти пунктов», «перескажи простым языком», «выпиши только цифры с единицами измерения». Между частями оставляйте перекрытие в два-три абзаца, чтобы модель не потеряла место, где оборвалась мысль. Сверку цифр всё равно делает человек.

Работа с готовым черновиком

Если текст уже есть, модель удобнее как редактор. Попросите «отметь слабые места списком» и правьте точечно. Для письма клиенту хорош двухшаговый приём: сначала «сделай структуру: приветствие, суть, просьба, подпись», потом «заполни блок „суть“ по моим фактам». Так меньше шансов, что модель придумает детали переписки, которой не было.

Окно в миллион токенов теперь есть у многих моделей, поэтому выбирать приходится по другим признакам: скорость, аккуратность правок, характер текста. Для русского черновика удобно держать под рукой три модели.

• Gemini 3.8 Flash. Google выпустила её 2 сентября 2026 года и называет самой умной моделью линейки Flash. Окно — до миллиона токенов, ответ — до 64 тысяч. Подходит для быстрого перебора — заголовки, короткие посты, первый вариант письма. Подробнее — в разборе Gemini 3.8 Flash.
• Claude Sonnet 5.5. Anthropic выпустила её 28 сентября 2026 года и пишет, что сильнее всего она в чётко поставленных повседневных задачах и аккуратных документах. Хороша для длинных текстов и правки чужого абзаца; чем она отличается от предшественницы Claude Sonnet 5, рассказано в статье про Sonnet 5.5.
• DeepSeek V4 Flash. Открытая модель, репозиторий и веса которой выложены под лицензией MIT; окно — миллион токенов. Полезна как второе мнение — тот же запрос, другой характер текста. Устройство семейства объяснено в статье «Что такое DeepSeek».

Все три уже доступны в чате GPThub. Сравнение моделей на живых задачах собрано в гайде «Сравнение моделей на практике», общий порядок выбора — в гайде «Как выбрать модель». Выбор модели не заменяет проверку фактов: другое имя в шапке чата не превращает выдуманную дату в настоящую.

Когда хватит быстрой модели

Короткие форматы — заголовки, пункты для презентации, варианты первого абзаца — редко требуют тяжёлой модели. Здесь важнее скорость перебора и готовность переиграть тон по короткой правке. Если черновик уходит в корзину после первого прочтения, это обычный рабочий цикл.

Когда нужна модель потяжелее

Длинное письмо с осторожными формулировками, пересказ отчёта на двадцать страниц, текст, где каждая оговорка важна, лучше отдать модели, которая держит связность на дистанции. Anthropic в том же анонсе Sonnet 5.5 пишет, что в сложной открытой работе, где нужно долго держать суждение, заметно сильнее остаётся старшая Claude Opus 5.5 — она тоже уже доступна в чате. Перекрёстную проверку цифр человеком это не отменяет.

Перед тем как отправить текст заказчику, коллеге или в ленту, пройдитесь по короткому списку. Он скучный, зато ловит типичные сбои.

• Имена, даты, цифры. Совпадают ли они с вашим заданием, нет ли красивых чисел без источника.
• Ссылки. Модель иногда придумывает адрес, который открывается с ошибкой 404. Откройте каждую.
• Повторы. Одинаковый зачин в соседних абзацах — признак шаблона.
• Тон. Не появились ли назидательные фразы и оговорки, которых не было в запросе.
• Объём. Не раздулась ли вода ради видимости полноты.

Пример с письмом о переносе встречи

Допустим, нужно написать коллеге, что совещание сдвигается на четверг. Плохой запрос — «напиши письмо о переносе». Хороший — «письмо коллеге из IT-отдела, переносим созвон с двух часов дня во вторник на одиннадцать утра в четверг, причина — накладка с заказчиком, тон нейтральный, без извинений на полстраницы, до 700 знаков, не выдумывай имена участников». В ответе проверьте три места: день недели, время и нет ли обещаний, которых вы не давали. Проверка занимает минуту и ловит типичную ошибку — правильный тон с выдуманной деталью в середине.

• Вера ссылке на исследование. Модель уверенно пишет «исследование 2024 года показало» и не называет, какое именно. Без ссылки это декорация, а не факт.
• Один запрос на всё. Статья, блок для поиска, письмо клиенту и раздел вопросов в одном сообщении дают кашу жанров.
• Бесконечные «улучши». После третьей просьбы «сделай лучше» текст часто становится одинаково гладким и пустым. Полезнее назвать, что именно не так: «убери второй абзац», «замени пример».
• Документ без разбиения. Длинный договор одним куском — модель молча теряет середину. Режьте документ на части с перекрытием в пару абзацев.
• Публикация без чтения вслух. Что глаз проскакивает, то ухо часто цепляет — повторы, канцелярит, чужой тон.

Студенты чаще всего берут модель для конспекта и для того, «чтобы было понятнее». Здесь она правда помогает: может объяснить параграф учебника простыми словами или составить план ответа на билет. Проблемы начинаются, когда готовый ответ сдают без правок. Преподаватель видит усреднённый стиль вместо вашей логики, а это уже вопрос академической честности. Рабочий компромисс — план и проверка формулировок, а не готовая работа целиком; подробнее об этом в гайде про нейросеть для учёбы. Детекторы ИИ-текста при этом тоже ошибаются; как они устроены и что на самом деле измеряют, разобрано в статье про детектор текста.

На работе модель заменяет пустой лист, а не профессию. Маркетолог получает пять заголовков для проверки, юрист — черновик письма в нейтральном тоне, менеджер — пересказ длинной переписки перед совещанием. В каждом случае человек, который знает контекст, вписывает имена, суммы и обещания, которых не было во входных данных. Если задача профильная, загляните в отдельные материалы: про ленту и соцсети — нейросеть для SMM, про книги и сценарии — нейросеть для писателя, про ролики и канал — нейросеть для блогера.

Отдельно о бесплатных генераторах текста из поисковой выдачи. У многих из них непонятные правила хранения переписки: ваш текст уходит на чужой сервер, а условия меняются без заметного предупреждения. Для рабочего черновика надёжнее один привычный сервис с понятными правилами, чем десять случайных сайтов. Итоговую версию и список правок храните у себя — чат не архив.

Новости о модели, «которая пишет лучше людей», появляются регулярно. Проверяются они проще, чем кажется: откройте чат, дайте модели свою задачу на одну страницу текста и сравните черновик с тем, что написали бы сами за тот же час. Своя задача покажет больше, чем таблица чужих тестов.

Дальше — по жанру. Для шаблонов запросов есть гайд с промптами для текстов, для борьбы с узнаваемым стилем — разбор признаков текста нейросети, для длинных документов — статья про токены и окно контекста. Единороги из 2019 года, кстати, до сих пор полезны как напоминание: связный и уверенный текст ещё ничего не говорит о том, правда ли в нём написана.