Сравнение LLM среднего класса: GigaChat и YandexGPT против трёх поколений Claude Sonnet

В чём суть?

Редакция BotHub продолжила цикл практических тестов языковых моделей. В предыдущих выпусках сравнивались флагманы: Opus 4.8, GPT 5.5, Gemini 3.1 Pro, затем Claude Fable 5 и GPT 5.5 Pro. Читатели попросили проверить модели «попроще и, главное, отечественные».

В итоге на «ринг» вышли пять участников одного ценового класса:

• Claude Sonnet 5 от Anthropic (новейшая модель рабочей серии)
• Claude Sonnet 4.6 (предыдущее поколение, до недавнего времени основная рабочая модель Anthropic)
• Claude Sonnet 4.5 (ветеран серии, по-прежнему используется в продакшене)
• GigaChat 2 MAX от Сбера (одна из старших моделей линейки, мультимодальная: текст, изображения, аудио)
• YandexGPT Pro 5.1 от Яндекса (старшая модель линейки YandexGPT, остающаяся основной «рабочей лошадкой» для API)

Принцип отбора прост: все пять моделей стоят единицы или десятки рублей за типовой запрос без вложений. Флагманы из прошлых тестов обходились в сотни и тысячи рублей за запрос. Здесь один ценовой класс, а значит, сравнение LLM равных.

Тестирование шло через API агрегатора BotHub, без «подпорок» веб-интерфейсов. Программа включала кодинг, длинный контекст, стиль, суммаризацию, анализ данных, проверку надёжности и безопасности. Промпты (запросы к модели) дословно повторяли предыдущие статьи цикла.

Где отечественные модели показали силу?

Само попадание GigaChat 2 MAX и YandexGPT Pro 5.1 в один ценовой диапазон с тремя поколениями Sonnet уже факт, заслуживающий внимания. По данным BotHub, типовой запрос у всей пятёрки стоит сопоставимо: разница не в разы, а в пределах одного порядка.

GigaChat 2 MAX при этом заявлен как мультимодальная (работающая не только с текстом, но и с картинками и звуком) модель с контекстным окном 128 тысяч токенов (токен, условная единица текста, примерно три четверти слова). Это позволяет загружать в модель объёмные документы и таблицы.

Стоимость использования, пожалуй, главный аргумент: пользователь в РФ получает модель, доступную без VPN, без иностранных платёжных карт, с рублёвым биллингом и российской юрисдикцией данных.

Где обнаружились пределы?

Контекстное окно оказалось решающим ограничением. У Sonnet 4.6 и Sonnet 5 оно составляет один миллион токенов. У Sonnet 4.5, 200 тысяч. У GigaChat 2 MAX, 128 тысяч. А у YandexGPT Pro 5.1 архитектурный предел составляет всего 32 тысячи токенов, причём модель не принимает изображения.

На практике это означает, что даже ужатый втрое тестовый файл (14 400 значений вместо 43 200) не поместился в контекст YandexGPT. Авторы теста прямо назвали YandexGPT Pro 5.1 «главным антигероем» по этому параметру: строка «не влезло в контекстное окно» появлялась в результатах снова и снова.

Редакция BotHub отметила, что сравнивать топовую модель Яндекса с чем-то более лёгким было бы неправильно, ведь договорились отбирать по цене. Но сам факт говорит о том, что ценовой паритет не означает функциональный.

Ещё одна техническая деталь: начиная с Opus 4.7 компания Anthropic закрыла ручное управление температурой (параметр, отвечающий за «творческую свободу» модели). Sonnet 5 унаследовала эту политику. API возвращает ошибку на любые значения, кроме дефолтных. Остальные четыре модели работали при температуре 0,7. Авторы честно указали: условия равны настолько, насколько это позволяют современные API.

Кажется, что Яндекс должен играть и тестироваться в лиге пониже. Но сравнивать топовую LLM от одного из ведущих игроков рынка с чем-то легковесным нам кажется неправильным. : Редакция BotHub

Что с этого прямо сейчас, по ролям?

Автору Дзена. Если вы используете нейросеть для черновиков, рерайта, суммаризации длинных источников, обратите внимание на размер контекстного окна, а не на название модели. 32 тысячи токенов у YandexGPT Pro 5.1 означают, что длинную расшифровку интервью или объёмный PDF модель просто не примет. GigaChat 2 MAX с окном в 128 тысяч токенов справится с большей частью типичных авторских задач.

Маркетологу. Сравнение LLM по реальной стоимости запроса полезнее любого рейтинга: посчитайте, сколько запросов в день делает ваша команда, умножьте на цену токена, и вы получите месячный бюджет. Разница между «единицы рублей» и «сотни рублей» за запрос в масштабе отдела превращается в десятки тысяч рублей экономии.

Предпринимателю в РФ. GigaChat 2 MAX и YandexGPT Pro 5.1 доступны без ограничений, с российским API и рублёвой оплатой. Для задач, где не нужен длинный контекст (короткие ответы клиентам, классификация обращений, генерация описаний товаров), YandexGPT Pro 5.1 остаётся рабочим вариантом. Для аналитики больших документов стоит смотреть на GigaChat 2 MAX или подключать западные модели через агрегаторы вроде BotHub.

Тест показал разрыв между ценовым паритетом и функциональным: модели стоят одинаково, но контекстное окно YandexGPT Pro 5.1 в 31 раз меньше, чем у Sonnet 5. Пока этот разрыв не закроется, выбор отечественной модели остаётся выбором с оговорками, и для пользователя в РФ самая практичная стратегия сейчас не «одна модель на всё», а комбинация: короткие задачи отдать YandexGPT, объёмные документы загнать в GigaChat, а для случаев, где нужен миллион токенов контекста, подключить Sonnet через агрегатор.