Взял одно живое техническое задание, написать пост для блога про подключение приёма платежей на сайте, и отправил его в четыре нейросети: ChatGPT, Claude, Gemini и GigaChat. Формулировка, объём и список обязательных пунктов были одинаковыми у всех четырёх, менялась только модель. Ниже разбираю, что каждая нейросеть выдала с первого захода, где она написала неправду, а где текст можно брать почти без правок для реального поста.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
Условия эксперимента: одно задание для всех нейросетей
Формулировка задания была такой: «Напиши пост для блога на тему подключения приёма платежей на сайте на WooCommerce через эквайринг Т‑Банка. Нужны: заголовок, 5 подзаголовков, практические цифры по срокам подключения и комиссии, пример кода webhook на PHP, объём 1200-1500 знаков». Тему выбрал не случайно: разработка таких интеграций входит в мою обычную практику, поэтому фактические ошибки нейросетей видно сразу, без гугления.
- ChatGPT, модель GPT‑5.1, обычный чат без плагинов
- Claude, Sonnet 5, интерфейс Claude.ai
- Gemini, Gemini 3 Pro, Google AI Studio
- GigaChat, модель Max, веб-версия
Каждой модели отправил ровно один и тот же текст задания, без правок и без второго захода, оценивал первый результат. Именно так это обычно и происходит на практике: человек просит нейросеть написать пост и копирует ответ, не перечитывая его построчно.
Как каждая нейросеть справилась с постом
ChatGPT: структура на месте, цифры придуманы
ChatGPT собрал структуру аккуратно: заголовок, ровно пять подзаголовков, объём почти в размер задания. Из минусов, канцелярит: в тексте трижды встретилось «важно понимать, что» и оборот «на сегодняшний день». Комиссию эквайринга модель указала фиксированной цифрой, «0,8% для всех ИП», хотя на рынке у Т‑Банка ставка обычно 1,9-2,5% в зависимости от оборота и тарифа, единой цифры без привязки к тарифу не бывает. Код webhook на PHP рабочий по синтаксису, но обрабатывает только один тип события и не проверяет подпись запроса, в реальном проекте это дыра в безопасности, такой код в продакшен я бы не пустил.
Claude: осторожнее с фактами, но менее конкретно
Claude выдал текст с меньшим количеством клише, но с длинными предложениями, местами абзац растягивался на четыре строки без остановки. Структуру задания выполнил не дословно: вместо пяти подзаголовков сделал четыре, объединив пункты про сроки и документы. Цифру по комиссии не придумал, написал обтекаемо «комиссия зависит от тарифа банка», что честнее, чем у ChatGPT, но менее полезно для читателя, который как раз ждёт ориентир. Код webhook получился ближе к рабочему: модель добавила проверку подписи запроса, хотя саму логику проверки описала общими словами, без готовой функции, это пришлось дописывать вручную.
Gemini: живой стиль, но фактура на глаз
Gemini справился с объёмом хуже всех, вместо 1200-1500 знаков выдал текст почти в два раза длиннее, будто не заметил ограничение. Подзаголовки формально на месте, но два из них дублируют друг друга по смыслу. С фактурой вышло любопытнее: модель уверенно написала, что «Т‑Банк подключает эквайринг для WooCommerce за 1 день», хотя на практике даже при готовых документах согласование занимает от 3 до 5 рабочих дней, а если ИП открывается заодно с подключением, то и дольше. Стиль живой, метафоры к месту, но за фактами здесь нужно перепроверять каждую цифру.
GigaChat: русский язык ровный, но без кода и без банка
GigaChat, единственная модель, которая ушла от заданной темы: вместо конкретного Т‑Банка написала обобщённо «про эквайринг у разных банков», хотя название банка было прямо в задании. Подзаголовков сделала шесть вместо пяти. Зато с русским языком и оборотами всё ровно, нет ощущения перевода с английского, которое иногда проскакивает у ChatGPT и Gemini в русских текстах. Код на PHP модель не выдала вообще, написала «пример кода уточните у разработчика», для поста про веб-разработку, где код как раз и нужен, это жирный минус.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Сравнение по стилю и структуре текста
| Модель | Соблюдение структуры задания | AI-паттерны в тексте | Цифры для читателя |
|---|---|---|---|
| ChatGPT | Полное, 5 из 5 подзаголовков, объём в норме | Часто: «важно понимать», «на сегодняшний день» | Есть, но часть придумана |
| Claude | Частичное, 4 подзаголовка вместо 5 | Редко | Осторожные, без конкретики |
| Gemini | Формальное, подзаголовки дублируются, объём превышен вдвое | Средне | Есть, но неточные |
| GigaChat | Слабое, тема сужена, ушла от Т‑Банка | Редко | Почти отсутствуют |
Проверка фактов: где нейросети ошиблись в цифрах
Похожая история случается, когда прошу нейросеть написать текст про доставку и тарифы СДЭК: модели почти всегда придумывают фиксированную цену за посылку до 1 кг, хотя тариф СДЭК считается по зоне отправления и получения, весу и габаритам, и без города в запросе точную цифру не назовёт ни нейросеть, ни калькулятор на глаз. Из четырёх протестированных моделей в задании про эквайринг именно эту ошибку, зафиксировать ставку комиссии как константу, допустил ChatGPT.
Общий паттерн такой: модели, которые звучат увереннее, ChatGPT и Gemini, чаще выдают конкретную, но придуманную цифру. Модели, которые формулируют осторожнее, как Claude, реже ошибаются, но и текст получается менее полезным, читатель приходит за ориентиром, а не за фразой «уточните у банка». Для поста в блог оба варианта требуют правки: в одном случае убрать выдуманную цифру и вставить реальную, в другом, наоборот, добавить цифру, которую нейросеть постеснялась написать.
Скорость и стоимость генерации черновика
| Модель | Среднее время ответа на задание | Прайсинг у поставщика |
|---|---|---|
| ChatGPT (GPT‑5.1) | около 25 секунд | тариф OpenAI, токены дороже при большом контексте |
| Claude (Sonnet 5) | около 30 секунд | тариф Anthropic, отдельно вход и выход |
| Gemini 3 Pro | около 20 секунд | тариф Google, есть бесплатный лимит в приложении |
| GigaChat Max | около 15 секунд | тариф Sber, есть бесплатные токены для физлиц |
Цена по API у каждого поставщика зависит от тарифного плана и объёма контекста, а не от того, какой пост вы просите написать, лендинг это или техническая инструкция, поэтому в таблице она общая по модели, а не привязана к теме задания.
Что делать с черновиком нейросети перед публикацией
Рабочая схема, которую использую сам: нейросеть даёт скелет и черновик формулировок, а дальше руками, проверка цифр по актуальным тарифам, замена придуманных фактов на подтверждённые, переписывание канцелярских оборотов и обязательный прогон кода из примера через тестовый стенд, а не просто чтение глазами. Пост, который нейросеть написала за 20-30 секунд, у меня обычно занимает ещё 40-60 минут на правки, если тема техническая.
Вот как в общем виде выглядит проверка подписи запроса, которую три из четырёх моделей либо пропустили, либо описали словами вместо кода:
import hmac, hashlib
def is_signature_valid(payload: bytes, signature: str, secret: str) -> bool:
expected = hmac.new(secret.encode(), payload, hashlib.sha256).hexdigest()
return hmac.compare_digest(expected, signature)
Если черновики нужны регулярно, например для серии постов по расписанию, весь процесс можно собрать в n8n: сценарий дёргает Claude API по расписанию, сохраняет ответ в черновик WordPress через REST API, а aiogram-бот присылает уведомление в Telegram, что черновик готов и ждёт вычитки. Настройкой таких AI-интеграций на Claude API занимаюсь под конкретную задачу клиента, это может быть автогенерация черновиков постов, чат-бот с базой знаний или обработка заявок из формы.
Какую нейросеть выбрать для постов в блог
Если нужна скорость и чёткая структура, а вычитывать факты вы готовы сами, берите ChatGPT, он реже срывает объём и подзаголовки. Если важнее меньше вранья в цифрах и не критична экономия времени на редактуре стиля, Claude выигрывает по осторожности с фактами, хотя дописывать конкретику придётся руками. Gemini хорош для черновика с живым языком, но следить за лимитом объёма и датами придётся отдельно. GigaChat стоит держать в уме, когда важнее всего естественный русский без переводного привкуса, а код и цифры вы в любом случае берёте из собственных источников. На практике я не привязываюсь к одной модели: беру структуру у одной, формулировки у другой и всегда перепроверяю цифры и код вручную, вне зависимости от того, какая нейросеть их написала.
Частые вопросы
Какая нейросеть лучше пишет посты на русском языке?
По естественности языка на первом месте GigaChat, у него меньше всего оборотов, похожих на перевод с английского. Но по совокупности критериев, факты, код, структура, я чаще беру черновик у Claude или ChatGPT и дочищаю его руками.
Можно ли публиковать пост, который написала нейросеть, без правок?
В этом эксперименте у всех четырёх моделей нашлась минимум одна фактическая ошибка или пропуск, придуманная комиссия, придуманный срок подключения, отсутствующий код. Публиковать такой текст без проверки цифр и кода руками рискованно, читатель может действовать по неверным данным.
Сколько стоит настроить автоматическую генерацию постов через нейросеть?
Сценарий в n8n, который дёргает нейросеть по расписанию и складывает черновик в WordPress, обойдётся от 25 000 ₽. Если нужна более глубокая интеграция с базой знаний или CRM через Claude API, цена начинается от 50 000 ₽, конкретная сумма зависит от числа источников данных и сценариев.
Штрафуют ли поисковики за посты, написанные нейросетью?
Сам факт использования нейросети Google и Яндекс не наказывают, оба поисковика оценивают качество и полезность текста, а не инструмент. Проблема не в происхождении поста, а в том, что нейросеть придумывает цифры и факты, а такой контент читатели и поисковик распознают как некачественный сами по себе, вне зависимости от того, кто его написал.