Когда говорят о качестве нейросетей, обычно сравнивают модели между собой.
❓На практике гораздо важнее другой вопрос: сколько информации модель вообще способна увидеть одновременно
Представьте, что вам дали папку с материалами дела на 5 000 страниц и попросили прочитать ее, но разрешили запомнить только часть документов. Именно в таком положении оказывается нейросеть, когда объем информации становится слишком большим❗️
Это ограничение называется контекстным окном. Простыми словами, это тот объем текста, который модель может видеть одновременно, когда готовит ответ.
Сегодня модели отличаются именно этим параметром:
Gemini — до 2 000 000 токенов (Gemini 1.5 Pro);
Claude — до 1 000 000 токенов (Opus 4.6/4.8, Sonnet 4.6);
GPT-5 — до 400 000 токенов;
GigaChat 3.1 — до 256 000 токенов.
Кажется, что миллиона токенов должно хватить для любой задачи. Но на практике все сложнее.
Можно дать нейросети возможность прочитать миллион страниц, но это еще не значит, что она поймет, какие, допустим, три документа действительно определяют исход спора.
Я это вижу так: проблема давно перестала быть в объеме информации. Проблема в том, чтобы найти главное, сохранить связи между фактами и ничего не потерять по дороге.
Именно поэтому сегодня конкурируют уже не столько сами модели, сколько архитектуры решений вокруг них.
Хороший юридический AI не пытается «скормить» модели все материалы дела сразу⚖️ Он сначала отбирает действительно важные документы, связывает между собой договоры, переписку, судебную практику и только потом передает модели ту информацию, которая нужна для ответа.
📌Мой канал в MAX