ChatGPT в последнее время называют главной нейросетью вообще во всём — от текстов и кода до аналитики и планирования. Куда ни глянь — обсуждения, сравнения, скриншоты. Но конкретно с картинками у меня всегда было ощущение, что это скорее бонус к чату, а не отдельный серьёзный инструмент вроде Midjourney или Flux. Решил сам протестировать генерацию изображений в ChatGPT и разобраться, за счёт чего вокруг неё в последнее время столько разговоров — и правда ли это уже полноценный конкурент специализированным генераторам, а не просто «дополнительная фича».

Что вообще такое ChatGPT Image

Первое, что стало ясно — это не отдельный инструмент, который нужно искать отдельно, а функция прямо внутри привычного чата. Написал промпт — получил картинку, без переключения между вкладками и сервисами, что уже само по себе удобно. Раньше всё это работало на DALL-E, но линейку официально закрыли: сначала объявили об отключении в ноябре 2025, а весной 2026 отрубили окончательно. Сейчас генерация идёт на новом движке — точное название версии модели я даже не стал выяснять, потому что в разных источниках оно называется по-разному и явно обновляется быстрее, чем успевают выходить статьи об этом. Для обычного пользователя это, впрочем, и не так важно — важнее, что реально получается на выходе.

Что я тестировал и что получилось

Начал с простых запросов — и первое, что реально впечатлило, это насколько аккуратно ChatGPT рисует текст прямо на картинке. У большинства других нейросетей буквы либо кривые, либо вообще превращаются в нечитаемую кашу, а тут получилось почти сразу, с первой попытки. Промпт я, кстати, писал по-английски — по опыту, с русскими формулировками результат заметно хуже, — что-то вроде «create an infographic-style illustration with clear readable text, clean layout, minimal color palette, no distortion». Результат вышел вполне рабочим, можно было использовать почти без правок, что для инфографики или схем экономит реально много времени.

Дальше попробовал отредактировать уже готовое изображение — и вот тут поймал первый неприятный момент. Вместо того чтобы точечно поправить один конкретный кусок картинки, ChatGPT по сути перерисовывает её заново с учётом новой правки. В итоге пару раз «уезжали» детали, которые я вообще не просил трогать: попросил поменять цвет одного предмета — вместе с ним слегка поплыл и фон, и композиция в целом стала чуть другой. Полез разбираться — оказалось, это известная особенность конкретно этой модели: конкуренты вроде Flux Kontext или Nano Banana в этом плане аккуратнее, они лучше сохраняют то, что менять не просили, и правят действительно точечно.

По художественности тоже не всё однозначно, и тут стоит быть честным. Для инфографики, схем, макетов с текстом — цены не сложить, удобнее инструмента я пока не встречал. А вот по «настроению» и художественному стилю, если сравнивать с тем же Midjourney, картинки ChatGPT показались менее выразительными — скорее функциональными, аккуратными, но без того самого «вау-эффекта», за который многие ценят специализированные арт-генераторы. То есть если задача — красивая, атмосферная иллюстрация, я бы всё же смотрел в сторону других сервисов.

Упёрся в лимит и в доступ

Самое обидное случилось на бесплатном тарифе — буквально 2–3 картинки в сутки, и лимит закончился ровно тогда, когда я только вошёл во вкус и начал экспериментировать с разными стилями. Дальше вариантов два: либо ждать сутки, либо оформлять подписку. Я на всякий случай посмотрел, что предлагают платные тарифы — там диапазон от восьми долларов в месяц за расширенные лимиты до двухсот долларов за практически безлимитную генерацию, но конкретные цифры лимитов нигде официально не прописаны, все ориентируются на наблюдения других пользователей.

С оплатой отдельная история, и тут я уже понимал, к чему иду. ChatGPT официально не работает с российскими аккаунтами с 2022 года — ни зарегистрироваться напрямую, ни привязать российскую карту не вышло. Нужны смена региона аккаунта и иностранный способ оплаты, а для разовых тестов заводить отдельную карту и разбираться с регионом показалось явно избыточным — овчинка выделки не стоит, если просто хочется иногда сгенерировать пару картинок. В итоге я погуглил, как народ вообще решает это без танцев с иностранными картами, и наткнулся на агрегаторы вроде SpeShu.AI — там доступ к тому же ChatGPT дают через свой IP с оплатой обычной картой российского банка в рублях, без смены региона и без разбора, что там с VPN. При пополнении баланса ещё и промокод есть — PIKA15, даёт бонус к сумме.

Итог

Называть ChatGPT Image однозначно «лучшей нейросетью для генерации изображений» — явно громко сказано, и я бы на этом не настаивал. Модель реально сильна в тексте на картинках и в сложных составных запросах, где нужно совместить несколько элементов и логику — тут ей действительно мало равных. А вот с точечным редактированием и чистой художественностью она справляется скромнее специализированных конкурентов, и это стоит понимать заранее, чтобы не разочароваться. Возиться с иностранной картой и сменой региона ради подписки я в итоге не стал — воспользовался как раз тем агрегатором.

Все вокруг обсуждают ChatGPT, а про Claude вспоминают заметно реже — хотя те, кто с ним работает, часто говорят про него как про одну из самых сильных нейросетей для генерации текста. Стало интересно проверить самому: что это вообще за модель, и стоит ли она внимания именно для текстовых задач на русском языке, а не только на английском.

Что вообще такое Claude

Claude — ИИ-ассистент от Anthropic, американской компании, которая с самого начала делает ставку именно на работу с текстом: анализ больших документов, точное следование инструкциям, аккуратный и не «роботизированный» стиль письма. Линейка моделей разбита под разные задачи: есть быстрая и бюджетная версия, есть базовая — она сейчас стоит по умолчанию и в бесплатном, и в платном тарифе, — а есть топовые модели для по-настоящему сложных задач, где нужно удерживать в голове огромный объём контекста, вплоть до миллиона токенов у части моделей. Названия версий в разных источниках путаются довольно сильно — линейка обновляется быстро, и сторонние обзорные сайты не всегда успевают за этим уследить, так что ориентироваться лучше на официальную страницу с ценами на сайте самого Anthropic.

Что я тестировал и что получилось

Первым делом попробовал писать на русском — и в целом Claude справляется хорошо, текст получается связным и без характерных «нейросетевых» штампов. Но если сравнивать с английским, по ощущениям модель звучит чуть увереннее и точнее именно на нём — как, впрочем, и у большинства западных языковых моделей, это не уникальная слабость именно Claude, а общая особенность.

Погонял модель на нескольких задачах: попросил написать развёрнутый текст по заданной структуре — получилось аккуратно, без «воды» и без ухода от темы. Дал большой кусок текста на сокращение и редактуру — тут Claude тоже показал себя хорошо, сохранил ключевые факты и не растерял смысл при сжатии. Отдельно тестировал точное следование формату — например, просил переписать текст в более деловом тоне, сохранив все факты: rewrite this text in a more concise, professional tone while keeping all key facts intact — и результат совпал с запросом почти один в один, без лишней отсебятины.

Из минусов — довольно быстро упёрся в дневной лимит сообщений на бесплатном тарифе. Точную цифру лимита нигде официально не публикуют, но по ощущениям на активную переписку с разбором документов бесплатной версии хватает ненадолго.

Упёрся в тарифы и доступ

С деньгами всё ожидаемо: бесплатно — рабочая, но ограниченная версия на базовой модели, для доступа к топовым моделям и более высоких лимитов нужна платная подписка, а тарифы начинаются в районе $20 в месяц и доходят до $200 для интенсивного ежедневного использования. С доступом из России отдельная история — Anthropic официально не поддерживает регистрацию и оплату для российских аккаунтов, нужны смена региона и иностранный способ оплаты, банальная российская карта не подойдёт.

Копаясь в этой теме, наткнулся на любопытный момент: у некоторых агрегаторов вроде SpeShu.AI есть так называемые аналоговые модели — SpeShu Claude, SpeShu Gemini, SpeShu ChatGPT. По заявлениям сервиса, они не уступают официальным моделям, но при этом работают без VPN и оплачиваются картой российского банка, да ещё и выходят дешевле официальной подписки. При пополнении баланса там же есть промокод PIKA15 — даёт бонус к сумме, если вдруг решите проверить сами.

Итог

Для текстовых задач, особенно там, где важна точность и удержание структуры, Claude показался мне сильным вариантом — не как замена ChatGPT, а скорее как хорошее дополнение под конкретные сценарии: разбор документов, редактура, точное следование формату. С доступом и оплатой из России придётся повозиться, если делать всё официальным путём — но, как видно выше, решение для этого в итоге нашлось.

Всем привет!))
Я-таки добралась до ИИ)
Уже неделю я мучаюсь вопросом:

А, картинки, сделанные с помощью ИИ, они мои или нейросети?

Как меня успокаивает сестра - мои. Так что всё, я примкнула ко злу))
Хотя, знаете, я не считаю нейросети злом. Это инструмент и отличный помощник.

Я только не очень отношусь к полностью ИИшному продукту, где даже нет и части работы человека. (И то спорный момент, ведь например, те же видосы про Малфоя и Гермиону смотрю и лайки ставлю )
Кароч, в своих работах я теперь буду использовать ИИ. Например, фон отныне - ответственность ИИ, потому что я ненавижу, да и не умею нарисовать его так, как мне хотелось бы.

И с использованием ИИ щас процесс выкладывания контента пойдёт намного быстрее! Например, представляю вашему вниманию комикс, на который я потратила 25 минут генерации и 10 минут ручной редактуры в фотошопе. (Сколько я рисовала карандашный эскиз не помню, потому что это было в далёком 2019м году) И вот если бы не ИИ, мы бы никогда его не увидели, потому что тратить на него время сейчас мне не хочется.

Я думаю, как бы мне не хотелось зваться гордым званием ХУДОЖНИК, я всё же больше автор. Поэтому я рада, что ИИшка мне позволит чаще делиться своими мыслями) И картинка будет больше приближена к тому, как я её вижу в голове))

Приглашаю всех желающих в моё сообщество в вк ) https://vk.com/aaalfaaa

Ну и в тг заходите, там побольше контента про мою жизнь - t.me/aaalfaaa

Продолжаем примерять народные узоры России на супергеройский образ: наш культурный код легко живёт даже в самом неожиданном формате

После первой статьи мне резонно написали, что нейросети ненадёжны: в самый неподходящий момент модель уверенно выдаст чушь. Так и есть. Я и сам не доверю модели действие, результат которого потом нельзя проверить.

Но дальше обычно делают странный вывод: раз сама LLM ненадёжна, значит и всерьёз завязывать на неё бизнес-процессы нельзя.

А вот с этим я уже не согласен. Потому что в рабочем проекте на одной модели вообще ничего не должно держаться.

Сама-то модель мощная, глупо спорить. То, что раньше делали руками человека за неделю, она выдаёт за минуты, и берётся за то, что ещё недавно казалось фантастикой. Вот только вокруг этой мощной штуки навёрнута гора работы, о которой говорить не любят.

Послушать маркетологов, так весь мир вертится вокруг модели: она умнеет, она решает, она меняет всё. И у пользователя оседает мысль, что покупает он именно этот умный мозг, а остальное как-нибудь подтянется само. Его можно понять, экономика нехитрая: чем волшебнее выглядит мозг, тем дороже он продаётся. А вся настоящая работа идёт уже за кадром.

И работа эта самая обычная, айтишная, ровно такая же, как была до всяких нейросетей. Её никто не отменял. Всё та же архитектура, инфраструктура, проверки, ограничения, мониторинг и всё та же бесконечная возня с данными. Не новая профессия — старое ремесло, куда добавили ещё один узел. Узел мощный, но с норовом: шустрый, толковый, а нет-нет да и соврёт с честными глазами. За таким глаз да глаз, как за станком, который только поставили и ещё не обкатали.

Потому, при грамотном подходе, модель и не сажают работать в одиночку. Вокруг неё выстраивают систему: что-то насчитала — система сверила это по источнику; засомневалась — остановилась и позвала человека. Модель тут исполнитель, причём далеко не из самых ответственных. За результат отвечает не она, а вся конструкция вокруг, и живые люди в ней.

Покажу на двух процессах из недавнего проекта по автоматизации процессов в холдинге из 9 предприятий — там как раз хорошо видно, сколько всего стоит вокруг самой модели.

Возьмём, к примеру, протоколирование совещаний. Сама модель вполне способна разобрать расшифровку и собрать из неё текст. Но нам ведь нужен не просто текст: из встречи должны появиться решения, исполнители, сроки, а дальше — конкретные поручения. Поэтому вокруг модели строится целая цепочка. Запись автоматически забирается после встречи и переводится в текст системой распознавания речи. Модель уже из этой расшифровки выделяет решения и поручения. Дальше отдельные правила проверяют, есть ли у задачи исполнитель и срок, убирают дубли, а интеграция сама создаёт поручения в Битриксе и связывает их с конкретной встречей. Человек подключается не для того, чтобы вручную перенести всё из протокола в систему, а только чтобы проверить спорные места и подтвердить итог. В нашем кейсе на ручную подготовку такого протокола уходило 3–4 часа. После автоматизации — до 10 минут вместе с проверкой руководителем.

С первичкой похожая история. На словах всё можно сократить до «ИИ распознал документ». В реальном процессе рядом работают распознавание, робот, учётная система, сверки и только потом человек, который подтверждает результат. В холдинге, к примеру, значительная часть времени уходила именно на перепечатку и перенос полей из документов. После автоматизации этого участка ручной ввод сократился примерно на 90%: документ распознаётся, нужные данные извлекаются и передаются дальше автоматически, а сотрудник подключается уже на проверке и исключениях.

То есть результат дают как раз те самые вещи вокруг модели, которые плохо помещаются в эффектную демонстрацию.

Денег, кстати, она съедает меньше всего. Доступ к самой модели на фоне бюджета проекта — смешные суммы. Всё дорогое лежит рядом с ней: понять, как вообще устроен процесс, дотащить данные до состояния, когда им можно верить, срастить это с тем, что в компании уже работает, поставить проверки и не бросить систему через месяц. Вот на это и уходят месяцы и деньги, а сама нейросеть оказывается в смете самой скромной строчкой.

Отдельная история — данные. Модель ничего не стоит, если кормить её нечем или если то, чем кормишь, само переврано. А в живой компании данные разбросаны и живут каждый своей жизнью: тут учётная система, там чей-то excel, а вон то число вообще помнит один кладовщик. Впрочем, об этом я уже подробно рассказывал, повторяться не буду

Как сказал один из директоров холдинга, «Пойти и докопаться до самого первого источника — это же целая докторская диссертация».

И это лишь один слой той самой работы вокруг модели.

Так что всё волшебство, если его так можно назвать, живёт не в модели. Оно в обвязке вокруг: поймает ли она ошибку, чистые ли под ней данные, не ляжет ли всё это под нагрузкой. Скучная, «невидная» работа, которую не вынесешь на сцену. Она и есть то, за что платят и на чём всё держится.

В этом же холдинге мы отобрали 47 процессов-кандидатов на автоматизацию. В итоге, после анализа осталось 11. Как и по какому принципу отбирали – тоже уже рассказывал мой коллега. В расчётной модели суммарные трудозатраты по ним сокращались примерно с 2500 часов в месяц до чуть больше 400 — примерно на 82%.

Но если посмотреть внутрь этих 11 процессов, там нигде нет истории «поставили LLM — получили −82%». Где-то работает распознавание документов, где-то робот, где-то интеграции с 1С и Bitrix24, где-то жёсткие правила и проверки, а модель занимает только свой участок этой цепочки.

На производстве я 20 лет наблюдаю ровно то же самое: железка сама по себе не гарантирует ничего, а результат даёт то, как она увязана со всем вокруг — с людьми, с контролем, с регламентом. С приходом ИИ поменялась одна деталь в этой схеме. Появился новый узел, умный и быстрый, но в одиночку ненадёжный. Остальное осталось как было.

Поэтому за чужим «мы внедрили ИИ» я слышу совсем другое: сделали нормальную инженерную работу, а нейросеть в ней просто один из инструментов. Ждёшь от неё чуда — разочаруешься, инструмент как инструмент, пусть и сильный. А если строить вокруг неё систему по уму, она окупается с лихвой.

И то, что всё держится не на одной капризной модели, меня скорее успокаивает. Такую систему можно спроектировать и держать в руках: почистить данные, навесить проверки, следить и чинить по ходу. Небыстро и невзрачно, зато предсказуемо. Ровно поэтому грамотно собранный проект с ИИ и выходит надёжным. А волшебной кнопки, на которую так тянет всё свалить, попросту нет. И слава богу, иначе мы висели бы на ниточке у штуки , которая как я уже говорил, нет-нет да соврёт.