Понедельник, 08:15
В ленте три заголовка, все за последнюю неделю. Одна компания объявляет о «самой мощной модели в мире». Вторая показывает таблицу, где она на первом месте. Третья публикует собственный график со стрелкой, уходящей вверх.
Все они правы. И ни одна не ответила на ваш вопрос.
Каждая победила в своём тесте — в том, который сама решила показать. Владельцу бизнеса не нужно знать, кто выиграл тест. Ему нужно знать, какая модель справится с его работой, ничего не выдумывая и по разумной цене. Для этого мы создали Sigma AI Ranking — рейтинг нейросетей от Platin Digital, который сводит ведущие независимые тесты в одну оценку, на которую можно опираться при выборе.
Коротко
- Sigma AI Ranking — рейтинг нейросетей, который даёт каждой модели одну оценку, Σ, от 0 до 100.
- Оценка объединяет пять областей, важных для бизнеса: работу агента, общий интеллект, тексты, точность и цену.
- Данные берутся из независимых тестов, а не из таблиц, которые разработчики публикуют о себе. Разница меньше 2 баллов показывается как ничья.
- Можно переключить сценарий, например «Контент и SEO» или «Выгоднее всего», и рейтинг перестроится под то, что важно именно вам.
«Какая нейросеть самая умная?» — неправильный вопрос
Вспомните лёгкую атлетику. Чемпион мира в беге на 100 метров — самый быстрый спортсмен на дорожке. Но если нужен тот, кто бежит, прыгает, метает и выдерживает до конца, смотрят на десятиборье. Там нет медали за один вид. Очки суммируются по всем дисциплинам, и побеждает тот, кто набрал больше всех.
Обычные рейтинги нейросетей измеряют один вид. Бизнесу нужен чемпион в десятиборье.
Модель, которая быстрее всех решает математические задачи, не обязательно загрузит в магазин десять товаров, ничего не сломав. Модель, которая красиво пишет, не обязательно умеет остановиться, когда в чём-то не уверена. А модель, которая хороша во всём этом, но стоит в десять раз дороже, не всегда оправдывает свою цену.
Четыре вещи определяют, подходит ли модель для работы в бизнесе:
- Выполнение. Доводит ли она задачу от начала до конца с настоящими инструментами, как и должен ИИ-агент. О разнице между чатом и агентом мы писали в руководстве ИИ-агент для бизнеса.
- Точность. Насколько часто она выдумывает. Модель, которая уверенно ошибается, опаснее модели, которая говорит «не уверена». Подробнее об этом — в статье Что такое галлюцинации ИИ.
- Тексты. Звучит ли результат так, будто его написал человек, и можно ли публиковать его от своего имени.
- Цена. Сколько это будет стоить, когда модель работает каждый день, а не только в пробном запуске.
Четыре причины, почему рейтинги ИИ вводят бизнес в заблуждение
Большинство таблиц в интернете не лгут. Они просто отвечают на другой вопрос. Вот четыре убеждения, которые они формируют, и то, что происходит на деле.
Миф«Модель на первом месте — лучшая»
На делеОна лучшая в этом тесте. Большинство рейтингов измеряют что-то одно: тест по программированию, голосование пользователей за ответы или вопросы на знания. Модель может лидировать в одном и быть средней в другом.
Миф«Разработчик опубликовал таблицу, значит, цифры говорят сами за себя»
На делеРазработчик сам выбирает, какие тесты показать. Это не ложь, это маркетинг. Тесты, где модель слаба, просто не попадают в анонс. Поэтому Sigma опирается только на тесты, которые проводят независимые организации.
Миф«87,6 против 87,2 — победитель определён»
На делеЗапустите один и тот же тест дважды — и баллы сдвинутся. Разница в полбалла — это шум, а не преимущество. Когда её подают как первое и второе место, получается ложная точность.
Миф«Модель, дешёвая за токен, дешёвая и для бизнеса»
На делеЦена за токен — это цена сырья, а не готовой работы. Дешёвая модель, которой нужны три попытки или чей результат кто-то правит вручную, может обойтись дороже дорогой модели, которая справляется с первого раза.
Последний пункт стоит показать на примере. Токен — единица текста, за которую провайдеры ИИ берут плату (подробное объяснение здесь). Допустим, двум моделям поручили обновить 20 страниц товаров на сайте:
| Дешёвая модель | Дорогая модель | |
|---|---|---|
| Цена за токен | в 4 раза ниже | в 4 раза выше |
| Попыток до корректного результата | 3 | 1 |
| Страниц, которые нужно править вручную | 6 | 1 |
| Стоимость модели за задачу | примерно та же | примерно та же |
| Ваше время | полтора часа | десять минут |
Цифры в таблице вымышлены и приведены только для наглядности. Но закономерность реальна: настоящая стоимость — это стоимость задачи, включая ваше время. Поэтому в Sigma цена — лишь одна из пяти составляющих и не решает всё в одиночку.
Что такое Sigma AI Ranking
Σ (сигма) — математический знак суммы. Именно это и делает рейтинг: складывает результаты ведущих независимых тестов в отрасли, приводит их к единой шкале и взвешивает в одну оценку от 0 до 100. Вместо десяти таблиц, каждая из которых рассказывает часть истории, вы получаете одно число, а под ним — полную разбивку.
Оценка складывается из пяти областей:
| Область | Что проверяем | Почему это важно бизнесу |
|---|---|---|
| Агент | Выполнение многошаговых задач с инструментами | Именно это агент делает на сайте, в Google и в рекламе |
| IQ | Понимание, логика и решение задач | Основа для любой задачи, которой модель раньше не видела |
| Тексты | Качество текста глазами читателей | Контент, посты, письма и страницы товаров |
| Точность | Фактическая точность и минимум выдумок | Меньше ошибок, сказанных уверенным тоном |
| Цена | Стоимость использования модели | То, что вы заплатите, когда модель работает каждый день |
У каждой области свой вес. В сценарии «Общий», который подходит большинству компаний, «Агент» получает 35%, «IQ» — 25%, «Тексты» и «Цена» — по 15%, «Точность» — 10%. Наибольший вес у работы агента, потому что именно здесь сегодня основная ценность ИИ для бизнеса: выполнение, а не только формулировки.
Почему у точности всего 10%? Потому что слабость в ней бьёт и по другим областям: модель, которая выдумывает, обычно проваливается и в задачах агента. Отдельный вес добавляет прямой штраф за выдумки, а в сценарии «Контент и SEO» он вырастает до 25%.
Что мы сделали иначе
Sigma отличается от обычной таблицы не только тем, что объединяет несколько тестов. Разница в том, что происходит до того, как число появляется на экране, и в том, как оно показано.
Обычный рейтинг
Один вид
- Один тест или один тип тестов
- Иногда опирается на данные разработчика
- Каждая десятая доля балла — это место в таблице
- Цена за токен или вовсе без цены
- Одна таблица для любых целей
Sigma AI Ranking
Десятиборье
- Пять областей в одной оценке
- Только независимые тесты
- Разница меньше 2 баллов — ничья
- Качество и цена на одном экране
- Сценарии, которые меняют веса
Вот как модель попадает в рейтинг:
Путь модели в рейтинг
- Независимые тестыРезультаты организаций, не связанных с разработчиками
- Ручная проверкаКаждую модель проверяет человек, прежде чем она попадёт в рейтинг
- Оценка ΣПять областей, единая шкала, одна оценка
- Ничья или предварительноМелкие разрывы и неполные измерения отмечены открыто
Две пометки особенно важны:
- Ничья. Когда разница между моделями меньше 2 баллов, рейтинг не выбирает между ними. Это не нерешительность. Это честное признание того, что могут сказать данные. Мы предпочитаем «без ложной точности» таблице, которая просто выглядит чёткой.
- Предварительная оценка. Новая модель, прошедшая только часть тестов, получает оценку, но с соответствующей пометкой. Она не претендует на место, пока не накопится достаточно измерений.
В рейтинге десятки моделей от всех крупных разработчиков: Anthropic, OpenAI, Google, xAI, Meta, DeepSeek, Alibaba, Moonshot, Z.ai, Mistral и других. Модели с открытым кодом стоят рядом с закрытыми и отмечены отдельно, потому что для части компаний это важно. Рейтинг обновляется регулярно — когда выходит новая модель или публикуются новые результаты.
Как выбрать нейросеть под свой сценарий
Общая оценка — хорошая отправная точка, но компании, которая каждый день пишет контент, и компании, которая ведёт рекламные кампании, нужно разное. Поэтому в рейтинге есть сценарии. Каждый сценарий меняет веса, и таблица перестраивается. Выберите сценарий и посмотрите, что изменится:
Общий · баланс, который подходит большинству компаний
Подходит, когда модель делает всего понемногу: задачи на сайте, тексты, отчёты и текущие вопросы.
Агенты и сайты · WordPress, Google и реклама
Когда модель работает в системах компании, решают выполнение и точность. Тексты выпадают из расчёта, потому что результат здесь — действие, а не текст.
Контент и SEO · статьи, посты и лендинги
Одного хорошего слога мало. Контент с ошибкой в фактах подрывает доверие читателей, поэтому вес точности здесь больше чем вдвое выше.
Выгоднее всего · когда решает бюджет
Подходит для работы в больших объёмах, где каждая копейка за задачу складывается. Но и здесь цена не решает в одиночку: 60% оценки по-прежнему приходится на качество.
Веса каждого сценария — так, как они заданы в рейтинге.
И ещё три правила, как читать рейтинг:
- Ничья? Решайте по тому, что за пределами таблицы. Когда несколько моделей укладываются в 2 балла, разница в качестве незначительна. Решают цена, инструменты, за которые вы уже платите, и то, с чем удобнее работать команде.
- Посмотрите на график «Качество и цена». Он показывает, какие модели дают больше всего баллов за свою цену. Иногда модель на несколько мест ниже стоит лишь малую долю от цены лидера.
- Предварительная оценка? Подождите ещё немного. Новую модель интересно попробовать, но переводить на неё повседневную работу не стоит, пока по ней не накопится достаточно измерений.
Чего рейтинг нейросетей вам не скажет
Хороший рейтинг должен честно говорить и о том, где его возможности заканчиваются.
Рейтинг не знает вашего бизнеса. Он говорит, что модель умеет в среднем, на широких тестах. Он не знает, как звучит голос вашего бренда, какие системы у вас подключены и что у вас считается хорошим результатом. Правильный способ им пользоваться — сузить список до двух или трёх моделей, а затем проверить их на вашей реальной задаче.
Модель — лишь часть агента. Одна и та же модель может работать отлично или плохо — в зависимости от подключения к системам, инструкций и заданных ей границ. Модель с четвёртого места при хорошей настройке может работать лучше, чем модель с первого места, подключённая небрежно.
Если сейчас вы выбираете между самими сервисами, а не между моделями, прочитайте также сравнение ChatGPT, Gemini и Claude для бизнеса.
Кто лидирует сейчас
По состоянию на октябрь 2026 года на вершине общего рейтинга — Claude Opus 5.5, за ним GPT-6.1 Sol и Claude Sonnet 5.5. Но эти цифры изменятся, иногда за считаные недели. Поэтому мы и не строили статью вокруг них. Неизменным остаётся метод: независимые тесты, пять областей, сценарий под ваши задачи и никакой ложной точности.
Полный рейтинг с разбивкой по областям, сценариями и графиком «Качество и цена» — здесь: Sigma AI Ranking.
Частые вопросы
Что такое Sigma AI Ranking?
Sigma AI Ranking — рейтинг нейросетей от Platin Digital. Он сводит результаты ведущих независимых тестов в одну оценку, Σ, от 0 до 100. Оценка взвешивает пять областей: работу агента, общий интеллект, тексты, точность и цену. Можно сменить сценарий, и веса изменятся в зависимости от того, что важно бизнесу.
Почему название «Сигма»?
Σ — математический знак суммы. Рейтинг не изобретает новый тест. Он складывает результаты существующих тестов в одну картину.
Откуда берутся данные?
Из ведущих независимых тестов в отрасли, которые проводят организации, не являющиеся разработчиками моделей. Мы не используем данные, которые разработчики публикуют о своих моделях. Каждая модель проверяется вручную, прежде чем попасть в рейтинг.
Как часто обновляется рейтинг?
Регулярно. Когда выходит новая модель или публикуются новые результаты, рейтинг обновляется. Новая модель с небольшим числом измерений отмечается как «предварительная оценка», пока не накопится достаточно данных.
Platin Digital — OpenAI Select Partner. Влияет ли это на рейтинг?
Нет. Оценка рассчитывается по одним и тем же тестам и одним и тем же методом для всех разработчиков. Это видно по самим результатам: сейчас на первом месте модель Anthropic.
Чем лучшая модель отличается от модели, которая лучше всего подходит мне?
Лучшая модель — та, что лидирует в сценарии «Общий». Самая подходящая — та, что лидирует в вашем сценарии, по цене, которая соответствует объёму работы. Когда несколько моделей в ничьей, выбор между ними зависит от инструментов, которые у вас уже есть, и от проверки на реальной задаче.
