LLM и SLM: как выбрать языковую модель для своей задачи

Для узкого этапа с проверяемым результатом выбирайте малую языковую модель, а для неоднозначных задач в несколько шагов — большую модель передового уровня. Выбор между LLM и SLM начинается с самой задачи: у Microsoft Phi-4-mini-instruct 3.8 млрд параметров, но одного размера недостаточно, чтобы понять, выдержит ли она требования к качеству в вашем продукте. Если рабочий процесс объединяет разные задачи, выбирайте между SLM и LLM отдельно для каждого этапа.

LLM и SLM: какую модель выбрать для своей задачи?

Если вы добавляете классификацию, извлечение данных или короткое переформулирование текста, начните с малой модели. Ограничьте входные данные, задайте допустимый формат результата и сравните ошибки с текущим базовым решением. Присвоение категории обращению в поддержку лучше подходит для первого эксперимента, чем агент, которому поручено разрешать любые споры с клиентами.

Если вы добавляете исследование, планирование или написание текстов без жёстких рамок, начните с передовой модели. Здесь под передовыми понимаются самые способные универсальные модели разработчика. Сначала определите, как выглядит качественный результат, а затем пробуйте получить такой же от меньшей модели.

Если функция должна работать офлайн или с закрытыми данными, начните с ограничений на развёртывание. Экономичный облачный API не решает задачу, которая должна выполняться на устройстве. Малая модель со скачиваемыми весами полезна только тогда, когда приложение, инструменты и журналы тоже оставляют данные в разрешённых пределах.

Это рекомендации для начала работы, а не результаты сравнительного тестирования моделей. Страницы разработчиков проверены 26 октября 2026 года. Сравнение опирается на документированные возможности, ограничения развёртывания и критерии приёмки конкретных задач; тесты производительности моделей для этой статьи не проводились.

Что на практике означает «малая языковая модель»?

«Малая» — характеристика относительного масштаба модели, а не отдельный вид интеллекта. Параметр — числовой вес, полученный при обучении; B означает миллиард. Граница настолько условна, что Meta называет свои модели Llama 3.2 на 1B и 3B параметров большими языковыми моделями.

Малая модель может быть обучена на широком круге данных. Скромный размер сам по себе не даёт ей знания вашей политики возвратов. Задачу сужают инструкции, предоставленные материалы, допустимые варианты ответа и, когда это оправданно, дополнительное обучение.

Как правильно читать обозначения размера SLM?

Разделяйте три вопроса: сколько всего весов у модели, сколько вычислений приходится на каждый токен и где она выполняется. Токен — фрагмент текста, который обрабатывает модель.

Обозначения Google Gemma хорошо показывают эту разницу. E2B и E4B указывают на эффективное число параметров; дополнительные веса эмбеддингов тоже занимают память. 26B A4B обозначает модель со смесью экспертов: для каждого токена она выбирает часть своей сети. По данным Google, модель активирует 4 млрд параметров, но для быстрого инференса загружает все 26 млрд. Поэтому её потребление памяти не соответствует модели на 4B параметров. Разницу объясняет руководство Google по памяти.

Квантизация, то есть хранение весов с меньшей числовой точностью, позволяет уменьшить объём занимаемой памяти. Но память для контекста и вспомогательное ПО всё равно нужны. KV-кеш хранит промежуточные данные контекста во время генерации; более длинные запросы и ответы могут увеличивать его объём. Планируйте ресурсы исходя из требований конкретного чекпойнта и среды выполнения, а затем измеряйте потребление на целевом устройстве.

Быстрый или экономичный вариант модели, доступный через API, решает другую задачу. Он может сократить время ответа и расходы на эксплуатацию, при этом не раскрывая число параметров и не предоставляя веса для скачивания.

Примеры SLM: какие семейства стоит проверить на своей задаче?

Рассматривайте перечисленные разработчиками чекпойнты как кандидатов для конкретной работы. Одно название семейства ничего не говорит о типах входных данных, требованиях к памяти или надёжности.

Microsoft Phi: текстовые задачи с чёткими границами и ограниченным запасом знаний

Microsoft Phi-4-mini-instruct — открытая текстовая модель с 3.8B параметров и контекстным окном на 128K токенов. В карточке описаны следование инструкциям, формат вызова функций и локальный запуск. Её стоит рассмотреть для извлечения полей из предоставленного текста или приведения короткого ответа к нужному формату. Карточка модели Microsoft.

Главное ограничение — объём фактических знаний: Microsoft предупреждает, что модель не может хранить обширные знания о фактах и способна выдавать неверные сведения. Передайте помощнику поддержки нужный фрагмент политики, вместо того чтобы ожидать, что правила вашего бизнеса уже записаны в весах.

Родственная Phi-4-mini-reasoning тоже содержит 3.8B параметров, но, по словам Microsoft, её разрабатывали и тестировали для математических рассуждений. Специализация на математике не доказывает, что модель справится с ролью агента поддержки без заранее ограниченного круга задач. Карточка Phi-4-mini-reasoning.

Google Gemma: модели для мобильных устройств с особыми обозначениями размера

В Google Gemma 4 входят E2B и E4B — модели с 2B и 4B эффективных параметров для мобильных и периферийных устройств. Для этих размеров Google указывает текстовый, графический и нативный аудиовход, контекстное окно 128K, настраиваемый режим рассуждений и вызов функций. Начните с них, если продукту нужна локальная обработка мультимодальных данных, то есть не только текста. Обзор Gemma 4.

Пригодность к развёртыванию всё равно нужно проверить: эффективное число параметров не равно общему числу весов, а полное контекстное окно требует дополнительной памяти. Даже модели, рассчитанной на телефон, нужна совместимая среда выполнения и приемлемая производительность при длительной работе на конкретном устройстве.

Alibaba Qwen: выбор размеров и важное предупреждение о самой маленькой модели

У Alibaba Qwen3.5 в коллекции разработчика есть малые чекпойнты с обозначениями 0.8B, 2B, 4B и 9B. В карточке Qwen3.5-4B 4B указано для языкового компонента; отдельно в состав модели входит визуальный энкодер. Рассчитывайте ресурсы для всего комплекта, а не только по суффиксу в названии.

Для Qwen3.5-4B заявлены текстовый, графический и видеовход, а также нативное контекстное окно на 262,144 токена. Поэтому модель стоит проверить в функциях для работы с документами. Однако размер окна — характеристика вместимости, а не доказательство надёжных рассуждений по длинному документу.

Самое серьёзное предупреждение касается Qwen3.5-0.8B. Разработчик позиционирует её для прототипирования, дообучения под конкретные задачи, исследований и разработки. Он также предупреждает: при включённом режиме рассуждений модель чаще зацикливается, из-за чего генерация может не завершиться. Не запускайте её в автономном цикле рассуждений без проверки завершения и принудительных ограничений. Предупреждение Qwen.

Meta Llama: малые текстовые модели без обработки изображений

В Meta Llama 3.2 есть модели на 1B и 3B параметров с текстом на входе и выходе. Meta описывает для версий, дообученных на инструкциях, такие сценарии, как диалог, поиск, суммаризация и помощь с написанием текстов на мобильных устройствах. Это кандидаты для локальных текстовых функций, которым не требуется анализ изображений. Карточка модели Meta.

Эти малые чекпойнты работают только с текстом. На них также распространяются Llama 3.2 Community License и Acceptable Use Policy от Meta, поэтому условия лицензии нужно отдельно проверить перед развёртыванием.

Если нужен список кандидатов с учётом вашего компьютера, переходите к лучшим локальным LLM в 2026 году. Здесь мы определяем, какую роль должна выполнять модель.

Экономичные модели через API: отдельный список кандидатов

Экономичные облачные модели проще всего рассмотреть, когда хочется меньше заниматься инфраструктурой. На приведённых ниже страницах число параметров не опубликовано. Называя каждый такой вариант SLM, мы приписали бы ему размер, который эти страницы не подтверждают.

OpenAI: GPT-6 Luna для задач с чёткими границами

OpenAI GPT-6 Luna позиционируется для конкретных задач с большим потоком запросов. В руководстве по выбору моделей OpenAI рекомендует Luna для ограниченных задач и первичной сортировки, а GPT-6 Astra — для неоднозначных проблем и глубокого анализа. Это полезное сопоставление простого и сложного этапов без выдуманных данных о числе весов обеих моделей.

У Luna есть ограничение на инструменты, зависящее от эндпоинта: на странице модели указано, что для вызова функций в Chat Completions параметр reasoning_effort должен иметь значение none; Responses API поддерживает встроенные инструменты и вызов функций. Перед заменой модели агента проверьте требования эндпоинта.

Anthropic: Claude Haiku 5.5 для повторяющихся шагов агента

В документации Anthropic Claude Haiku 5.5 описана как модель для классификации, извлечения данных, маршрутизации и работы субагентов, с адаптивным режимом рассуждений и контекстным окном на 1M токенов. Её стоит рассмотреть для повторяющихся этапов с чёткими границами внутри более крупного агента. Документация Haiku 5.5.

Перед миграцией проверьте совместимость запросов: Anthropic указывает, что temperature, top_p и top_k передавать не следует. Общая обёртка над API должна учитывать настройки конкретной модели. Большое контекстное окно также не делает любую задачу с длинным контекстом подходящей для экономичной модели.

Google: Gemini 3.5 Flash-Lite для обработки мультимодальных входных данных

Google Gemini 3.5 Flash-Lite описана в документации как модель для задач субагентов с высокой пропускной способностью и разбора документов. Она принимает текст, изображения, видео, аудио и PDF, возвращает текст, поддерживает структурированный вывод и вызов функций. Её стоит рассмотреть для преобразования входящих материалов в запись заданного формата. Документация Gemini 3.5 Flash-Lite.

Для голосовых функций различайте тип входных данных и способ взаимодействия: приём аудио не означает генерацию аудио, а Live API эта модель не поддерживает. К разбору документов и голосовому разговору в реальном времени предъявляются разные требования.

SLM или LLM: примеры выбора по задачам

Выбирайте первую модель исходя из того, какой результат предстоит проверять. Рекомендации ниже предполагают, что выбранный чекпойнт поддерживает нужные входные данные и среду развёртывания.

Правило, которое меняет выбор: оставляйте меньшую модель только тогда, когда она проходит те же критерии приёмки и улучшает важный для вас показатель. Если результат приходится часто исправлять, дешёвый вызов ещё не означает дешёвого результата.

В каких задачах выигрывает каждый класс моделей?

Узкие задачи, задержка и стоимость вызова: малые модели

Для повторяющихся задач с чёткими границами малые модели стоит оценивать первыми. У короткой классификации или извлечения данных есть понятный результат для проверки, а платить за развёрнутые рассуждения на каждом запросе обычно незачем.

Но размер модели не измеряет задержку. Локальный запуск убирает сетевой обмен с удалённым сервисом инференса, однако перегруженное устройство всё равно может завершить работу позже облачной модели. Измеряйте время до принятого результата, включая обработку входных данных, генерацию, проверку и повторные попытки.

Так же сравнивайте стоимость принятого результата. В каскаде с малой моделью вы оплачиваете первый вызов и проверки, а при каждой передаче сложного случая — ещё и вызов большой модели. Собственное развёртывание добавляет оборудование, простаивающие мощности и эксплуатацию. Сохраняйте маршрут через малую модель, если измеренная пропускная способность по принятым результатам растёт; заведомо сложные задачи сразу отправляйте более сильной модели.

Работа на устройстве и с закрытыми данными: локальные малые модели

Локальные малые модели выигрывают, когда функция должна работать без удалённого сервиса инференса. Например, выездной сотрудник классифицирует заметки без связи или настольное приложение обрабатывает исходные документы, которые должны оставаться на компьютере.

Конфиденциальность определяется всем путём выполнения, а не словом «малая». Проверьте телеметрию, журналы, поисковые сервисы, инструменты и направления резервных запросов. Локальная первая попытка с автоматическим повтором в облаке пересекает ту же границу, что и прямой облачный вызов. Выбор на уровне устройства разобран в руководстве по ИИ на устройстве.

Рассуждения в несколько шагов: передовые модели

Для незнакомых планов и неоднозначных исключений лучше начинать с передовых моделей. Спор о возврате денег может потребовать сопоставить сведения о доставке, исключение из политики и прежнюю договорённость с клиентом. Правильное извлечение каждого поля — лишь часть решения.

Малые модели с рассуждениями действительно опровергают тезис «малые не умеют рассуждать». Вопрос в том, соответствует ли их специализация конкретному этапу. Оценка Phi на математических задачах не доказывает общую надёжность в роли агента. Используйте малую модель для подзадачи, результат которой можно проверить отдельно; оставляйте передовую там, где исход зависит от трактовки противоречащих друг другу сведений.

Обобщение длинного контекста: передовые модели, пока проверки не покажут иное

Для сопоставления сведений по длинному делу начните с передовой модели; для поиска поля в предоставленном фрагменте сначала оцените малую. Обе задачи используют контекст, но требуют разных рассуждений.

Окно Qwen3.5-4B на 262,144 токена и окно Haiku 5.5 на 1M токенов опровергают общее правило, будто малым или экономичным моделям доступен только короткий контекст. Но они не доказывают, что модель правильно свяжет все значимые фрагменты. Карточка модели Qwen, документация Haiku.

Проверяйте противоречащие друг другу положения, исправление ближе к концу текста и ответы, для которых нужны сведения из разных разделов. Если модель просто принимает весь текст на вход, это ещё не значит, что она прошла такую проверку. Предварительный поиск релевантных материалов перед генерацией может уменьшить нагрузку на модель любого размера.

Тексты без жёсткого шаблона: передовые модели

Передовым моделям стоит поручать первую попытку, когда качество зависит от суждения, стиля и умения выдержать структуру всего текста. Руководство OpenAI по выбору моделей прямо разделяет ограниченные правки и работу над текстами, где важны нюансы и высокие требования к результату. Руководство по выбору моделей.

Короткое переформулирование по утверждённому шаблону отлично подходит для проверки малой модели. Связное изложение продуктовой стратегии при неполных данных — другая задача. Оценивайте оба результата по обязательным фактам, оговоркам, аудитории и стилю; длина и гладкость текста сами по себе не доказывают качество. Ни один класс моделей не гарантирует фактической точности или отсутствия предвзятости.

Как распределять запросы между моделями внутри одной функции?

Сначала настройте маршрутизацию исходя из требований каждого этапа, а уже потом добавляйте модель, которая решает всё сама. Маршрутизатор выбирает модель для обработки запроса; каскад сначала пробует более дешёвый путь, а при неудаче проверок передаёт задачу дальше. Эти схемы подробнее разобраны в руководстве по маршрутизации между моделями.

Представим помощника службы поддержки. Клиент пишет: «Посылка пришла повреждённой, и я хочу вернуть деньги за доставку». Нужно определить категорию проблемы, найти заказ, истолковать политику и предложить ответ. Для этих задач не требуется одинаковая мощность модели.

1. 1

   Сначала примените ограничения на передачу данных

   Прежде чем отправлять обращение любой модели, проверьте правила приложения для этой учётной записи и разрешённые направления передачи данных. Если удалённая обработка запрещена, ограничьте все ветви разрешёнными локальными сервисами или очередью для сотрудников. Сложность задачи не должна незаметно отменять это правило.

2. 2

   Поручите малой модели извлечение данных с чёткими границами

   Запросите категорию проблемы, идентификатор заказа, если он указан, и точный фрагмент обращения, подтверждающий результат. Отсутствующие сведения должны остаться отсутствующими. Код приложения проверяет допустимые категории, обязательные поля, цитаты из источника и существование указанного заказа. Эти проверки выявляют конкретные ошибки, но не доказывают правильность всей интерпретации.

3. 3

   Передавайте неоднозначные случаи вместе с исходными материалами

   Спорные трактовки политики, обращения с несколькими просьбами и результаты, не прошедшие проверки, направляйте разрешённой передовой модели или человеку. Передавайте исходное обращение, найденную политику и сведения о проваленной проверке, а не только пересказ малой модели. Оценка уверенности, которую модель сообщает о себе, не заменяет сигнал для маршрутизации, подтверждённый оценкой качества.

4. 4

   Проверяйте право на действие вне генерации

   Пусть модель предлагает ответ или вызов инструмента. Код приложения должен обеспечивать соблюдение прав учётной записи, списка разрешённых действий и требований к одобрению человеком. Ответ, который выглядит правильным, ещё не даёт права оформить возврат денег.

Записывайте, почему каждый запрос был передан дальше, прошёл ли итоговый ответ проверку и сколько времени заняла вся операция. Проверяйте также выборку принятых ответов малой модели: валидаторы пропускают правдоподобные ошибки. Если какая-то категория задач почти всегда требует передачи дальше, сразу направляйте её передовой модели.

Поэтому сочетание двух классов разумно для смешанных рабочих нагрузок в продакшене: одна функция объединяет дешёвые проверяемые шаги и сложные решения. Маршрутизация позволяет каждому этапу выполнить собственные требования к качеству и времени ответа.

SLM и LLM: во что обойдётся переход?

Сначала замените модель на одном этапе, а не во всей функции. Сохраните входные данные, схему выхода, ссылки на подтверждающие материалы и поведение при ошибках, затем адаптируйте промпты и настройки API под новую модель. Прежний HTTP-интерфейс не гарантирует прежних вызовов инструментов или ответов.

Переход на локальные веса также передаёт вам ответственность за обслуживание инференса, управление памятью, обновление версий и планирование мощностей. При переходе между облачными моделями могут измениться параметры запросов и доступные инструменты. Предусмотрите адаптер для этих различий и фиксируйте точный чекпойнт или версию модели, использованную при оценке.

Не меняйте модель, если существующая уже выполняет требования, а измерения не показывают причин для перехода по задержке, эксплуатационным расходам или месту обработки данных. Крошечная модель сама по себе не делает архитектуру лучше.

Если для стабильной узкой задачи всё ещё нужно улучшить поведение, рассмотрите дистилляцию моделей — обучение модели-ученика на примерах модели-учителя, предварительно проверив допустимость такого способа обучения. Начните с промптов и предоставленных материалов: изменение весов требует большего, чем смена маршрута.

Частые вопросы

ChatGPT — это LLM или SLM?

ChatGPT — приложение на базе языковых моделей, а не модель с одним фиксированным числом параметров. В документации chat-latest OpenAI различает модель, используемую в приложении, и фиксированный снимок модели. Сравнивайте лежащую в основе модель, а не название приложения.

DeepSeek — это SLM или LLM?

Уточните чекпойнт. Конкретный пример из истории семейства: у DeepSeek-R1 всего 671B параметров, а DeepSeek-R1-Distill-Qwen-1.5B — значительно меньшая дистиллированная модель. Обе представлены в карточке R1 от DeepSeek; одно название бренда не определяет размер.

Что выбрать для своей задачи: LLM или SLM?

Для узкой задачи с проверяемым результатом начните с малой модели. Для незнакомых рассуждений, противоречащих друг другу сведений или текстов без жёстких рамок — с передовой. Обязательное локальное выполнение ограничивает круг допустимых моделей ещё до сравнения качества.

Что такое SLM в ИИ?

SLM означает small language model, то есть малую языковую модель: это относительное обозначение языковой модели с меньшими вычислительными потребностями. Оно не означает автоматически специализацию, конфиденциальность, работу офлайн или точность.

Чем отличаются SLM и LLM?

Главное различие — относительный масштаб, который влияет на развёртывание и возможности. Универсальной границы по числу параметров нет, а термины пересекаются: Meta называет малые чекпойнты Llama 3.2 моделями LLM. Оценивайте конкретную модель на конкретной задаче.

Какие четыре типа LLM существуют?

Единой универсальной классификации из четырёх типов нет. Архитектура, метод обучения, входные модальности и число параметров — разные способы описать модель. Список по одному признаку не определяет, достаточно ли мала другая модель для вашего устройства.

Какие 5 LLM лучшие?

Фиксированная пятёрка скрыла бы особенности задачи и ограничения развёртывания. Для нашего выбора отберите сильную базовую модель и экономичного кандидата с нужными входными данными и инструментами, затем сравните их на характерных примерах работы. Общий рейтинг не определит победителя для вашей функции.

Чем LLM отличается от GPT?

LLM — более широкая категория. GPT, сокращение от Generative Pre-trained Transformer, — название семейства моделей OpenAI внутри неё. Термины объясняет глоссарий Google по языковым моделям.

Какие 5 основных моделей ИИ существуют?

Универсального списка из пяти моделей нет. Эта формулировка может означать методы обучения, архитектуры или коммерческие семейства моделей. Для функции, работающей с языком, сначала определите вход, выход, допустимые условия развёртывания и требования к качеству, а затем выбирайте модели по названиям.

Что означает SLM vs LLM?

Это то же сравнение малых и больших моделей, только с обратным порядком названий. Выбирайте самого лёгкого кандидата, который справляется с задачей, сохраняя маршрут к более сильной модели или человеку для работы за пределами проверенной области применения.

LLM, SLM и MLM: в чём разница?

MLM — неоднозначное сокращение: оно может означать masked language model, то есть модель, предсказывающую скрытые фрагменты текста, либо неформально использоваться для мультимодальной языковой модели. Ни одно значение не задаёт третий размерный класс между малыми и большими моделями. Глоссарий Google различает моделирование с маскированием и мультимодальные входные данные.

LLM, SLM и RAG: что сравнивают?

Retrieval-augmented generation, или RAG, передаёт генератору найденные материалы. Этот подход работает и с малой, и с большой языковой моделью. Он может помочь восполнить недостающую информацию, но не гарантирует, что модель правильно её истолкует.

Что сделать следующим шагом в разработке?

На следующей неделе выберите один повторяющийся этап и сформулируйте критерии приёмки до сравнения моделей. Используйте отложенные примеры — случаи, на которых вы не настраивали промпт. Включите типовые запросы, неоднозначные ситуации, нехватку подтверждающих материалов и входные данные за пределами задачи.

Запустите малую модель рядом с текущим базовым решением, не разрешая ей менять реальные записи. Сравните правильность, отклонённые результаты, пропущенные исключения, сквозную задержку и трудозатраты на эксплуатацию. Переводите на неё только прошедшие проверку категории; сохраняйте резервный маршрут и продолжайте проверять принятые результаты.

Используйте чек-лист аудита бизнес-процессов для внедрения ИИ, чтобы выбрать первый этап, который стоит оптимизировать.