Как я перестал покупать API и начал дружить с браузерными ИИ: опыт начинающего промпт инженера

Я начинающий промпт-инженер. В отличие от разработчиков, я не пишу код в конфигураторе, но постоянно работаю с текстами, документацией и большими объёмами данных. До недавнего времени я пользовался платными API — покупал доллары, пополнял счёт через крипту, мучился с блокировками. Счета доходили до 30–50 долларов в месяц, а с учётом текущего курса это становилось заметной статьёй расходов. Я решил разобраться, что предлагает рынок бесплатных и условно‑бесплатных браузерных ИИ, и заодно попробовал локальные модели. Результатами делюсь ниже.

Всё, что я пишу, основано на моём личном опыте, описанном в одном подробном отчёте разработчика, с которым я ознакомился. Цифры и оценки взяты оттуда же.

Почему я вообще начал искать альтернативы API

У меня обычный рабочий компьютер: i5, 16 ГБ оперативной памяти, видеокарта старая на 4 ГБ. Для офисных задач хватает, но для локального запуска мощных нейросетей — нет. Раньше я работал с ChatGPT через API: покупал доллары, пополнял через крипту, потом банковские переводы перестали проходить. В итоге «заморочек» стало больше, чем пользы. К тому же активная работа с большими текстами (а prompt‑инженеру часто приходится загружать целые инструкции, спецификации или фрагменты кода) приводила к счетам в 30–50 долларов в месяц. Для российского пользователя это уже чувствительно.

Тогда я попробовал поднимать локальные модели через Ollama. Надеялся развернуть себе DeepSeek‑Coder 33B и забыть о платежах. На практике оказалось, что «бесплатно» — это если у тебя есть железо за 200 тысяч рублей. У меня его нет.

В итоге я переключился на браузерные ИИ. Они работают прямо в браузере, не требуют мощного ПК, многие бесплатны, а по качеству часто не уступают платным API. За полгода я перепробовал почти всё, что доступно в РФ, и теперь могу сказать, кто на что способен в реальной работе с текстами, документацией и кодом (даже если я сам «не прогер», умение разбираться в логике кода мне помогает).

DeepSeek: основной инструмент для больших объёмов

Первым в моём списке оказался DeepSeek. Про него я узнал новостей: «китайцы сделали модель с контекстом в миллион токенов». Я подумал, что это маркетинг, но решил проверить.

Я взял самый большой текстовый файл, который у меня был, — около 5800 строк. В обычных ИИ (ChatGPT, Claude в бесплатной версии) я бы не смог загрузить его целиком: пришлось бы резать на 4–5 частей и потом склеивать ответы. DeepSeek проглотил его за секунду.

Одна из его уникальных фишек — он показывает, как «думал» перед ответом. Это не просто маркетинг, а реально помогает понять логику. Когда я попросил переписать одну инструкцию, которая была написана запутанно, он сначала написал: «Исходный текст имеет избыточные повторы», затем «можно объединить три раздела в один», и только потом выдал отредактированный вариант. Время работы с текстом сократилось с 12 секунд (мысленного разбора) до 2,5 секунд (проверки результата).

Ограничения.Главный минус DeepSeek — он обрезает диалог. Не по количеству токенов в сообщении, а по длине всей переписки. После 10–15 сообщений (зависит от объёма) он начинает «забывать» начало. Если продолжить, может вообще выдать ошибку и предложить начать новый чат. Я нашёл лайфхак: каждый новый проект — новый чат. В начале чата кидаю задание и исходник, получаю ответ, сохраняю его и начинаю новый чат для следующей задачи. Неудобно, но терпимо.

Иногда DeepSeek галлюцинирует. В одном случае он предложил использовать в запросе поле, которого в исходных данных не было. Я потратил 20 минут, чтобы понять, что это выдумка. Но в целом процент галлюцинаций ниже, чем у других бесплатных моделей.

Perplexity: поисковик с памятью, но без больших объёмов

Perplexity я использую как второй инструмент. Он хорош для поиска информации и долгих переписок.

Недавно я разбирал сложную техническую документацию. Я закинул в Perplexity фрагмент текста (около 800 строк — больше он не берёт) и описал проблему. Он не просто выдал ответ, а сначала нашёл в интернете свежие статьи по теме, выдал ссылки на форумы, процитировал официальные источники. Потом проанализировал мой текст и нашёл место, где была логическая ошибка.

Главная боль— он не берёт большие файлы. Если текста больше 700–800 строк, Perplexity начинает резать его сам, теряя контекст. В бесплатной версии нельзя прикреплять много файлов. Лимит — 2–3 файла за раз. Если у меня проект из 20 документов, я не могу загрузить всё сразу.

Ещё в Perplexity есть «Pro search» — он включается автоматически, когда модель считает, что нужно искать в интернете. Это иногда раздражает: на простые вопросы («составь мне план статьи») он всё равно лезет в интернет и тащит лишнюю информацию.

Что хорошо.Долгая переписка — это реально круто. Я веду в Perplexity проектную переписку по одному тексту уже три недели. Мы обсуждаем структуру, я правлю фрагменты, он помнит, что было в начале. В DeepSeek такой диалог уже 5 раз бы оборвался. Поиск с цитатами — тоже полезно: когда нужно сверить что-то с документацией, Perplexity выдаёт ссылки на первоисточники.

Google AI (Gemini): эрудит с микроскопическим контекстом

Gemini я использую весьма редко, но иногда он выручает. У него огромная база знаний. Однажды я искал информацию по очень старой и недокументированной возможности одной платформы. DeepSeek и Perplexity дали общие ответы. Gemini выдал детальную информацию с примерами, ссылками на старые форумы и даже упомянул, в каких версиях эта возможность появилась.

Однако контекст у Gemini — катастрофа. Я пробовал загрузить текстовый файл на 400 строк, Gemini выдал ошибку: «слишком длинный ввод». В бесплатной версии он медленный. В часы пик ответа можно ждать 30–40 секунд. Причём часто он начинает отвечать, потом «задумывается» и выдаёт ошибку. Перезагружаешь, начинаешь заново — бесит.

Ещё у Gemini странная цензура. Однажды я спросил, как оптимизировать длинный текст для повышения читаемости. Он отказался отвечать, сказав, что «не может рекомендовать оптимизации, влияющие на структуру документа». Что за бред? В итоге я задал тот же вопрос DeepSeek и получил нормальный ответ.

Grok: свобода, но с доступом

Grok я начал использовать недавно. В России он заблокирован, но с обходом работает. Меня подкупило, что у него нет лимитов на файлы. Я закинул в Grok 15 документов (общей суммой около 8000 строк) и попросил найти дублирование фрагментов. Он обработал всё за пару минут и выдал список из 12 мест, где текст повторяется. В других ИИ я бы или не смог загрузить столько, или пришлось бы платить.

Нет лимитов на длину переписки. Я веду в Grok переписку по одному проекту уже месяц. Мы обсуждаем содержание, я кидаю новые версии, он всё помнит, не обрезает.

Минимум цензуры. Однажды мне понадобилось сгенерировать технический запрос на прямую модификацию базы данных (для легальной миграции данных). Yandex GPT и GigaChat заблокировали запрос. Gemini выдал отписку. DeepSeek ответил, но с оговорками. Grok просто написал работающий код.

Что бесит.В РФ он заблокирован. Требует подписки X Premium. Бесплатный доступ в X (Twitter) — это игрушка, там жёсткие лимиты. Полноценная версия стоит 8–16 долларов в месяц. Нет встроенного поиска в бесплатной версии — если нужно найти что-то актуальное, приходится копировать ссылки вручную.

Phind: визуализация и быстрый поиск, но под колпаком

Phind я использую, когда нужно нарисовать схему или быстро найти техническую информацию. Однажды я попросил Phind нарисовать блок‑схему алгоритма обработки текста. Он не просто выдал текст, а сгенерировал описание в формате Mermaid, которое я вставил в Markdown и получил визуальную схему. Потом я вставил эту схему в документацию к проекту — получилось наглядно.

Цензура — это жесть.Однажды я спросил, как обойти защиту от редактирования в одном офисном приложении (для легальной отладки собственного текста). Phind выдал: «Я не могу помочь с этим запросом». В DeepSeek я получил нормальный ответ с пояснением, как снять защиту штатными средствами. Таких случаев было много. Любой запрос, который касается «обхода», «недокументированных функций», Phind блокирует или даёт общий ответ без конкретики.

По длине текста — средние. Файл на 2000 строк он ещё переваривает, но 3000 — уже проблема. Начинает резать или выдавать ошибку.

Яндекс GPT и GigaChat: наши, родные, но не для больших текстов

Я пробовал оба. Честно говоря, разочаровался.

Яндекс GPT.Плюсы: хорошо понимает русский язык, формулировки естественные. Интеграция с Поиском — если нужно найти что-то в рунете, он справляется. Минусы: контекст — строк 500–600, дальше всё. Для работы с большими документами это несерьёзно. Нет загрузки файлов в бесплатной версии — только копипаст. Цензура: на любой «опасный» запрос (даже про оптимизацию текста) может выдать отписку. Платный API — если хочешь нормально работать, отправляют в API с оплатой за токены.

GigaChat.Плюсы: стабилен в РФ, не блокируется. Из‑за блокировки Telegram постоянно приходится пользоваться «сервисом на три буквы», а GigaChat работает напрямую. Для госсектора может быть плюсом — обещают соответствие 152‑ФЗ. Минусы: контекст ещё меньше — 300–400 строк. Цензура жёсткая, общается как чиновник: много слов, мало смысла. Толкает в платный API, цены сопоставимы с зарубежными, а качество ниже.

Claude, Copilot, Codex и локальные модели

Эти инструменты я пробовал, но быстро понял, что для жизни в РФ они — овчинка выделки не стоит.

Claudeреально мощный: контекст 200 000 токенов, проекты (Projects) — удобная штука. Но в РФ заблокирован. Бесплатная версия даёт 30–100 сообщений в день (сброс каждые 5 часов). Если активно работать, лимит заканчивается за пару часов. Платная — $20/мес. Оплатить из России можно через крипту или зарубежную карту, но это геморрой.

GitHub CopilotиOpenAI Codexориентированы на код. Copilot я пробовал — подсказки часто нерелевантны для моих задач. Бесплатная версия — 2000 автодополнений в месяц, этого на день-два. Платная — $10–39/мес, оплатить проблема. GitHub периодически блокирует доступ из РФ.

Ollamaя потратил две недели. Модели 7B (Mistral, Qwen 7B) на моих 16 ГБ RAM запускаются, но скорость — 2–3 токена в секунду (ответ на 500 слов ждёшь минуту). Контекст на практике при больших объёмах падает до 0,5 токена/сек. Модели 33B (DeepSeek‑Coder 33B, Qwen 32B) на моём железе не запускаются вообще. Нужна видеокарта с 24 ГБ VRAM (RTX 3090/4090) или 64 ГБ RAM для квантованной версии.

Стоимость такого железа — от 100–200 тысяч рублей.

Качество квантованных моделей ниже, чем у браузерного DeepSeek.

На этом всё. Благодарю за внимание и потраченное Вами время 😉