> For the complete documentation index, see [llms.txt](https://doc.nextbot.ru/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.nextbot.ru/functional/setting-up-agent/yazykovye-modeli.md).
# Языковые модели
## Что такое языковая модель
**Языковая модель** — это “мозг” ИИ-агента, который определяет, **как именно агент думает, отвечает и выполняет поставленные задачи**.
Именно выбранная модель влияет на то:
* насколько естественно агент общается с клиентом;
* насколько хорошо он понимает инструкции;
* насколько хорошо работает со сложной логикой, сценариями и функциями;
* стабильно он отвечает;
* сколько BotCoin будет тратиться на обработку диалогов.
Проще говоря, если сам агент — это ваш цифровой сотрудник, то модель — это его **уровень мышления, стиль общения и рабочие возможности**.
Одна модель лучше подходит для простых диалогов и консультаций, другая — для строгого соблюдения инструкций, а третья — для сложных бизнес-сценариев, интеграций и автоматизации.
Поэтому выбор модели — это один из ключевых этапов настройки агента.
***
### Сравнение линеек моделей
#### GPT-4: для общения и стабильной работы
Подходит для агентов, которые:
* консультируют;
* продают;
* отвечают на вопросы;
* работают по инструкции;
* не используют сложную автоматизацию.
#### Сильные стороны
* стабильный результат;
* естественные ответы;
* проще в настройке;
* хороший выбор для большинства пользовательских сценариев.
#### Внутри линейки
* **GPT-4o** — универсальный рабочий вариант;
* **GPT-4o Mini** — для более простых и дешёвых сценариев;
* **GPT-4.1** — для длинных инструкций и более строгой логики;
* **GPT-4.1 Mini** — более экономичный и менее мощный вариант GPT-4.1
* **GPT-4.1 Nano** — облегчённая модель для простых и вспомогательных задач.
#### Когда выбирать GPT-4
Если агент в первую очередь **ведёт простой диалог**, а не выполняет сложную бизнес-логику.
#### GPT-5: для логики, функций и рабочих процессов
Подходит для агентов, которые:
* выполняют сложные функции;
* работают с большим количеством сценариев;
* работают в комбинации с разными интеграцями;
* выполняют действия;
* участвуют в бизнес-процессах.
#### Сильные стороны
* лучше справляется с логикой;
* лучше работает в агентных сценариях;
* лучше подходит для сложных действий и процессов.
#### Внутри линейки
* **GPT-5.6 Sol** — флагманская модель семейства GPT-5.6 для сложной профессиональной работы;
* **GPT-5.6 Terra** — сбалансированная модель семейства GPT-5.6 для повседневной работы;
* **GPT-5.6 Luna** — быстрая и экономичная модель семейства GPT-5.6 для высоконагруженных сценариев;
* **GPT-5 Mini** — для базовой агентной логики;
* **GPT-5.2** — для сложных рабочих сценариев;
* **GPT-5.4** — для наиболее сложных и критичных процессов.
* **GPT-5.5** — флагманская модель с контекстом 1М для самых сложных задач и критичных процессов;
* **GPT-5 Nano** — для простых логических подзадач;
* **GPT-5.4 Mini** — более сильная и современная mini-модель для инструментов, подзадач и высоконагруженных сценариев;
* **GPT-5.4 Nano** — для технических служебных задач и вспомогательной агентной логики.
#### Когда выбирать GPT-5
Если агент должен не только общаться, но и **выполнять сложные функции, действия по логике**.
### Anthropic
Подходит для агентов, где важны:
* стиль общения;
* качество формулировок;
* естественный тон;
* работа в сложных сценариях на моделях Claude.
#### Внутри линейки
* **Claude Fable 5** — самая мощная широко доступная модель Anthropic для самых требовательных рассуждений и долгосрочной агентной работы;
* **Claude Sonnet 5** — самая мощная модель класса Sonnet от Anthropic для программирования, агентов и профессиональных задач;
* **Claude Haiku 4.5** — для простых и недорогих сценариев;
* **Claude Sonnet 4.6** — для качественного клиентского общения;
* **Claude Opus 4.6** — для сложной логики и рабочих процессов;
* **Claude Opus 4.7** — сильная модель для сложных задач с контекстом 1М и поддержкой настройки рассуждений;
* **Claude Opus 4.8** — флагманская модель для программирования, агентных задач, сложных рассуждений и работы с большим контекстом 1М.
### xAI
Подходит для агентов, которым нужны:
* сложные рассуждения;
* агентная работа;
* обработка изображений и документов;
* веб-поиск.
#### Внутри линейки
* **Grok 4.3** — флагманская reasoning-модель xAI для сложных задач и агентной работы. Поддерживает контекст 1М, распознавание изображений, распознавание документов, веб-поиск и настройку уровня рассуждений.
### DeepSeek
Подходит для агентов, где важны:
* быстрые ответы;
* низкая стоимость обработки запросов;
* работа в высоконагруженных сценариях;
* простая агентная логика.
#### Внутри линейки
* **DeepSeek V4 Flash** — оптимизированная по скорости и стоимости модель DeepSeek для быстрых ответов и высоконагруженных сценариев;
* **DeepSeek V4 Pro** — флагманская модель DeepSeek, построенная на архитектуре смеси экспертов (Mixture-of-Experts, MoE).
{% hint style="info" %}
При использовании своего API-ключа веб-поиск для моделей DeepSeek работает только с ключом OpenRouter.
{% endhint %}
## Главное
Нет одной “лучшей” модели для всех задач.
Выбор модели всегда зависит от того, как именно должен работать ваш агент. Важно учитывать, насколько он ориентирован на общение с клиентом, насколько сложная у него логика, использует ли он функции, сценарии и интеграции, а также насколько для вас критична стоимость обработки диалогов.
**Лучший способ выбрать модель** — протестировать 2–3 подходящих варианта под ваши задачи
#### Как протестировать модель
выбрать 2-3 модели, и провести одинаковые сценарии работы на каждую модель
Для проверки лучше использовать реальные пользовательские кейсы: типовой вопрос клиента, сложный или неоднозначный вопрос, запрос не по сценарию, использование функции или передачу данных в CRM.
### Расход моделей OpenAI
| Модель | Цена за 1000 входящих токенов (Botcoin) | Цена за 1000 исходящих токенов (Botcoin) |
| --------------------------------------------------------- | :-------------------------------------: | :--------------------------------------: |
| GPT-5.6 Sol | 0.5 | 3 |
| GPT-5.6 Sol
(После превышения 272k контекста)
| 1 | 4.5 |
| GPT-5.6 Terra | 0.25 | 1.5 |
| GPT-5.6 Terra
(После превышения 272k контекста)
| 0.5 | 2.25 |
| GPT-5.6 Luna | 0.1 | 0.6 |
| GPT-5.6 Luna
(После превышения 272k контекста)
| 0.2 | 0.9 |
| GPT-5.5 | 0.5 | 3 |
| GPT-5.4 | 0.25 | 1.5 |
| GPT-5.4
(После превышения 272k контекста)
| 0.5 | 2.25 |
| GPT-5.4 Mini | 0.075 | 0.45 |
| GPT-5.4 Nano | 0.02 | 0.125 |
| GPT-5.2 | 0.175 | 1.4 |
| GPT-5.1 | 0.125 | 1 |
| GPT-5 | 0.125 | 1 |
| GPT-5 Mini | 0.025 | 0.2 |
| GPT-5 Nano | 0.005 | 0.04 |
| GPT-4.1 | 0.2 | 0.8 |
| GPT-4.1 Mini | 0.04 | 0.16 |
| GPT-4.1 Nano | 0.01 | 0.04 |
| GPT-4o | 0.25 | 1 |
| GPT-4o Mini | 0.015 | 0.06 |
### Расход моделей Anthropic
| Модель | Цена за 1000 входящих токенов (Botcoin) | Цена за 1000 исходящих токенов (Botcoin) |
| --------------------- | :-------------------------------------: | :--------------------------------------: |
| **Claude Fable 5** | 1 | 5 |
| **Claude Sonnet 5** | 0.2 | 1 |
| **Claude Opus 4.8** | 0.5 | 2.5 |
| **Claude Opus 4.7** | 0.5 | 2.5 |
| **Claude Opus 4.6** | 0.5 | 2.5 |
| **Claude Sonnet 4.6** | 0.3 | 1.5 |
| **Claude Haiku 4.5** | 0.1 | 0.5 |
### Расход моделей xAI
| Модель | Цена за 1000 входящих токенов (Botcoin) | Цена за 1000 исходящих токенов (Botcoin) |
| ------------ | :-------------------------------------: | :--------------------------------------: |
| **Grok 4.3** | 0.125 | 0.25 |
### Расход моделей DeepSeek
| Модель | Цена за 1000 входящих токенов (Botcoin) | Цена за 1000 исходящих токенов (Botcoin) |
| --------------------- | :-------------------------------------: | :--------------------------------------: |
| **DeepSeek V4 Flash** | 0.014 | 0.028 |
| **DeepSeek V4 Pro** | 0.043 | 0.087 |
{% hint style="info" %}
При использовании своего API-ключа запрос к модели стоит 0.01 BotCoin.
{% endhint %}
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://doc.nextbot.ru/functional/setting-up-agent/yazykovye-modeli.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.