Алиса AI научилась действовать: как голосовой помощник стал платформой ИИ-агентов и что это меняет для бизнеса

Главная/Блог/Алиса AI научилась действовать: агенты и локальные модели

От голосового помощника 2017 года до ИИ-агентов, MCP и открытых весов 80B-A3B: разбор для владельцев бизнеса и технических команд

Алиса начиналась в 2017 году как голосовой ассистент для бытовых команд: включить музыку, узнать погоду, поставить таймер. К концу 2026 года она выросла в экосистему специализированных нейросетей и автономных агентов — с долговременной памятью, распознаванием схем на фотографиях, облачным браузером, телефонными звонками, интеграцией с CRM по протоколу MCP и открытыми моделями на Hugging Face под лицензией Apache 2.0.

Главный сдвиг 2026 года формулируется просто: нейросеть перестаёт измеряться только качеством текста — теперь её оценивают по способности довести задачу до результата. Клиент получает возможность поручить ассистенту поиск исполнителя, сравнение цен и подготовку записи, а бизнес — автоматизировать работу с документами, звонками и учётными системами.

Для владельца компании здесь сразу три практических вопроса: сможет ли ИИ-ассистент без искажений прочитать предложение на вашем сайте; какой внутренний процесс реально выгодно перевести на агента; где при этом проходят данные и требования закона. В STARCODE PR мы работаем с обеими сторонами этой задачи: внедряем ИИ-ассистентов и интеграции, готовим сайты к AI-поиску, включая Алису, и ведём GEO-продвижение бренда. Ниже — хронология этого роста, разбор новой политики платформы, технические ограничения и практический план действий.

Алиса AI научилась действовать: ИИ-агенты Яндекса, локальные модели и новые возможности для бизнеса
ИИ-агент Яндекса «Действуй!», каталог MCP-плагинов и открытые веса AliceAI в обзоре STARCODE PR

1. С чего всё началось и куда пришла платформа: две главные таблицы

Чтобы видеть картину целиком и не путать старые представления о голосовом помощнике с текущей экосистемой Яндекса, сведём путь развития и смену подходов платформы в две стартовые таблицы.

Таблица 1. Хронология роста Алисы: от голосового помощника 2017 года до агентов и открытых весов

Период / ДатаКлючевой этапЧто изменилось для пользователей, разработчиков и бизнеса
10 октября 2017 Запуск Алисы Голосовой помощник в поисковом приложении Яндекса и бета-версии для Windows: поиск, погода, маршруты и живой диалог (анонс 2017 года).
29 мая 2018 Первая Яндекс Станция и навыки Презентация первой умной колонки на конференции Yet Another Conference 2018 и развитие экосистемы сторонних голосовых навыков.
Май 2023 Внедрение YandexGPT Алиса переходит от сценарных ответов к генерации текстов, писем и планов.
Апрель 2024 — Февраль 2025 «Алиса нового поколения» и YandexGPT 5 Pro Отдельный диалоговый веб-чат, опция «Про» и рост качества рассуждений на старших моделях.
Июль — Октябрь 2025 Бесплатный чат и перезапуск в «Алису AI» Базовые функции становятся бесплатными для массовой аудитории; бренд обновляется до универсального ИИ-ассистента с агентскими сценариями.
7 и 20 апреля 2026 Вебмастер для Алисы и кейс «Норникеля» В Яндекс Вебмастере выходит отчёт «Видимость сайта в Алисе AI» (07.04); анонсирована программа агентов и гибридной архитектуры в «Норникеле» (20.04, пресс-релиз).
Июнь — 16 июля 2026 Долговременная память, Live и ISO/IEC 42001 Обновление 25–26 июня: память между диалогами, подстройка стиля общения и ставка на доведение задачи до результата; 16 июля семейство Alice AI проходит аудит ISO/IEC 42001 (сообщение Яндекса).
11, 21 и 24 сентября 2026 Выход в Open Source и корпоративная Про-версия Открыты претрейн-веса AliceAI-T5-35B-A0.6B (11.09, Hugging Face) и AliceAI-Foundation-80B-A3B-Base (21.09, Hugging Face) под Apache 2.0 с бенчмарками WikiWebFacts и HardMultiQA; запущена Алиса AI Про для бизнеса (24.09, анонс).
5, 12, 13 и 16 ноября 2026 Агент «Действуй!», речь нового поколения и каталог MCP Обновление Алисы AI Про (Git, файлы до 256 МБ, расписание — 05.11); ранний доступ агента «Действуй!» с анонсом публичного запуска на декабрь 2026 года (12.11, новость); речевые Speech TTS Live и Realtime Max (13.11, релиз); бета-каталог из 20+ плагинов и MCP (16.11, пресс-релиз).

Таблица 2. Как изменились политика Яндекса, доступ и технологические возможности

Вектор измененийКак было раньшеКак устроено в конце 2026 года
Главная цель ответа Выдать справку, цитату или черновик текста. Довести задачу до результата: посчитать платёж, сравнить предложения, позвонить, разложить файлы, собрать исследование со ссылками.
Архитектура моделей Ставка на одну крупную универсальную LLM. Команда специализированных моделей (LLM, Search, VLM, ART), долговременная память и курс на умный роутинг к единой рассуждающей модели (ЕРМ).
Политика Open Source Закрытые веса и доступ только через облако. Публикация моделей, обученных с нуля, на Hugging Face под коммерческой лицензией Apache 2.0 вместе с техрепортами и эталонами проверки знаний о России.
Доступ для пользователей (B2C) Ограничения на сложные модели, платные про-режимы. Бесплатный базовый вход (текст, картинки, файлы до 100 МБ, без обязательного входа на сайте; бесплатный Live-режим доступности на Android); расширенные лимиты, глубокие исследования и ранний тест «Действуй!» — в «Алисе Плюс» или разовых бустах.
Корпоративная политика (B2B) Разрозненные навыки в Диалогах и базовый API. Чёткое разделение: «Алиса AI для бизнеса» (Яндекс 360), «Алиса AI Про» (задачи по расписанию, Git, файлы до 256 МБ, облако / on-prem / гибрид) и единый стандарт MCP с приватными плагинами компаний.
Ответственный ИИ и контроль Базовая фильтрация небезопасных запросов. Опубликованные принципы «Ответственного ИИ», сертификация ISO/IEC 42001, маркировка сгенерированного контента и раздельный контроль в агенте (передача браузера при входе в аккаунт + подтверждение покупки/записи).

2. Как устроена Алиса AI внутри: семейство моделей, память и поиск

За одним окном чата работает не одна огромная нейросеть, а разделение труда между специализированными моделями — каждая решает свой класс задач, чтобы не тратить лишние ресурсы там, где нужен быстрый отклик или анализ изображения:

  • Alice AI LLM — основная языковая модель для сложных рассуждений, кода, работы с контекстом и адаптации под русскоязычную среду.
  • Alice AI Search — облегчённая поисковая модель для быстрых ответов прямо под поисковой строкой. Меньшие вычислительные затраты позволяют держать массовый поисковый трафик без тяжеловесного инференса на каждый вопрос.
  • Alice AI VLM — визуально-языковая модель, которая разбирает таблицы, графики, формулы и технические схемы на фотографиях; пользователь может выделить конкретный фрагмент изображения и спросить только о нём.
  • Alice AI ART — модель генерации и редактирования изображений: замена фона, удаление объектов, реставрация фото и работа с русскоязычными надписями на картинках.

С июньского обновления 2026 года у ассистента появилась долговременная память и настройка тона. Алиса запоминает факты, проекты и предпочтения из прошлых бесед (пользователь может явно сказать «запомни, что…», посмотреть сохранённые факты или отключить персонализацию), подхватывает разговорную лексику и переключается на «ты», если так обращается собеседник.

Внутри Поиска это подкреплено ИИ-блендером (сборка ответа из десятков типов блоков — ссылок, медиа, карт, котировок) и режимом «Исследовать», который составляет план, просматривает десятки источников, при необходимости запускает код для расчётов и оформляет структурированный отчёт со ссылками. При этом базовый доступ к чату и разбору файлов до 100 МБ открыт бесплатно, на Android запущен бесплатный голосовой Live-режим помощи для незрячих и слабовидящих, а приоритет в пиковые часы, длинная история, глубокие исследования, коммерческое использование картинок и разовые бусты вынесены в опцию «Алиса Плюс».

3. «Действуй!»: переход от советов к действиям и границы контроля

Различие между обычным чат-ботом и ИИ-агентом принципиально простое: чат-бот даёт совет, а агент получает доступ к инструментам, выполняет цепочку шагов и проверяет реакцию внешней среды. Но на практике здесь кроется главная ловушка внедрения: фраза ассистента «я всё записал» и фактическая запись в CRM — разные вещи. Оценивать любой агентский сценарий нужно только по состоянию целевой системы.

Запущенный 12 ноября 2026 года режим «Действуй!» (на старте открытый в раннем доступе для нескольких тысяч активных пользователей с опцией «Алиса Плюс») объединил сразу четыре механики в одном поручении (официальный анонс Яндекса):

  1. Облачный Яндекс Браузер на изолированном виртуальном компьютере. Если ответа в поиске недостаточно, агент поднимает для пользователя отдельную облачную сессию браузера, изучает страницы сайтов, сравнивает условия и заполняет формы.
  2. Телефонные звонки с согласия пользователя. Ассистент сам звонит в организацию или контрагенту — например, уточнить наличие свободного окна в клинике или условия доставки, — а в чате идёт живая текстовая расшифровка диалога.
  3. Сбор и систематизация файлов. Поручение может затрагивать почту и хранилище: найти билеты, чеки или бронирования и разложить их по папкам на Яндекс Диске.
  4. Вызов подключённых сервисов и плагинов. Помимо экосистемы Яндекса и партнёров, с 16 ноября добавлена работа с каталогом плагинов и внешними инструментами.

Иллюстративный сценарий: пользователь просит: «Найди три стоматологии в нужном районе, сравни состав услуги и опубликованные цены со ссылками на источники, уточни ближайшие окна и подготовь варианты, запись пока не подтверждай». Это пример постановки задачи, а не собственный тест STARCODE; если цены на сайте нет или клиника не отвечает на звонок, корректное поведение агента — зафиксировать пробел, а не додумывать условие.

По официальному описанию Яндекса, здесь работают два разных механизма контроля, которые не нужно смешивать:

  • при необходимости войти в личный аккаунт на сайте облачный браузер передаёт управление страницей самому человеку;
  • перед совершением покупки, заказа или бронирования агент останавливается и запрашивает явное подтверждение в чате.

При этом наличие опции «Алиса Плюс» само по себе ещё не означает, что режим «Действуй!» уже включён в конкретном аккаунте: в ноябре 2026 года агент работает в режиме раннего доступа (а каталог плагинов — в бете), тогда как открытый публичный запуск «Действуй!» заявлен на декабрь 2026 года.

Как ИИ-агент Алисы AI выполняет поручение: 3 канала действия и контуры контроля Сводная схема по открытому описанию B2C-режима «Действуй!», речевых моделей Speech B2B Tech и шины MCP
Шаг 1 · Вход и роутинг
Поручение пользователя и контекст

Долговременная память и маршрутизация моделей (Alice AI LLM / Search / VLM) для выбора нужных инструментов

Контур 1 · Веб Облачный Браузер

Изолированный виртуальный компьютер: чтение HTML, таблиц цен и разметки JSON-LD

Вход в аккаунт передаётся человеку
Контур 2 · Речь Голосовой канал («Действуй!» и Speech API)

В «Действуй!» — звонок с согласия клиента и расшифровка в чате; в B2B (Speech TTS Live / Realtime Max) — реакция на перебивания

Открытые условия без врачебной тайны
Контур 3 · Данные Шина MCP и файлы

В «Действуй!» — каталог плагинов, почта и Яндекс Диск; в корпоративном контуре — Яндекс 360 и шлюз CRM

Доступ строго под ролью сотрудника
Контроль 1 · Человек в контуре Явное подтверждение действия

Пауза перед покупкой, заказом или записью: проверка суммы, даты и получателя в чате

Контроль 2 · Целевая система Сверка ID и журнал аудита

Проверка фактического идентификатора записи в CRM или базе вместо доверия тексту ответа

4. Как устроить агентский процесс с проверкой результата

Яндекс не раскрывает закрытый исходный код оркестратора пользовательской Алисы. Но если ваша компания проектирует собственного ИИ-агента для обработки заявок, подготовки КП или проверки сайтов, надёжная проектная архитектура строится в пять контролируемых этапов:

  1. Задача и праваЗапрос с ролью и лимитами сотрудника
  2. Чтение данныхПоиск в базе знаний, прайсах и документах
  3. Серверный шлюзПроверка схем, сумм и допустимых операций
  4. Контроль шагаПодтверждение человеком перед изменением данных
  5. Сверка статусаЧтение ID из CRM и журнал аудита

Три инженерных правила, без которых агентский контур начинает приносить проблемы вместо экономии:

  1. Предметное подтверждение: сотрудник или клиент подтверждает не абстрактное «продолжить», а конкретные параметры — кому уходит сообщение, на какую дату ставится запись, какая сумма списывается.
  2. Защита от дублей (идемпотентность): при сетевом таймауте повторная попытка инструмента не должна создавать вторую заявку, дублирующий счёт или двойное списание.
  3. Проверка целевого состояния: интеграция обязана читать подтверждённый идентификатор и статус операции из CRM или базы, а не верить текстовому выводу нейросети.

5. Корпоративная Алиса: Яндекс 360, «Алиса AI Про» и кейс «Норникеля»

На уровне компаний Яндекс разводит потребительский режим и бизнес-платформу. Названия похожи, но задачи, права и варианты размещения у них разные (карта версий Yandex B2B Tech):

Потребность компанииПодходящий продукт ЯндексаЧто проверить до запуска
Личное поручение: обзвонить компании, найти билеты Алиса AI («Действуй!») Наличие доступа на аккаунте, разрешения и ограничения сценария.
Готовый ассистент для офисных сотрудников Алиса AI для бизнеса (Яндекс 360) Тариф, перечень подключённых почтовых и дисковых источников, права администратора.
Глубокие интеграции и выбор контура Алиса AI Про для бизнеса (AI Studio, анонс 24.09) Подключения к CRM и 1С, модели, права доступа и условия облачного, гибридного или on-prem размещения.
Собственный голосовой робот или внутренний сервис Платформа Yandex AI Studio (API) Стоимость токенов и синтеза речи, интеграция телефонии и сопровождение.
Полностью независимый стек на открытых весах Открытые модели + своя обвязка Лицензия, совместимость инференса, бюджет на GPU и собственную команду.

В ноябрьских обновлениях «Алисы AI Про» вышли сразу две функции, полезные не только разработчикам, но и регулярным бизнес-процессам:

  • Работа с репозиториями и крупными вложениями (05.11.2026): в файловой панели появилась интеграция с Git (git diff для staged и unstaged изменений, история коммитов и ветки — при наличии установленного Git и репозитория в рабочем пространстве), а лимит одного файла увеличен до 256 МБ при загрузке до 20 вложений на сообщение (история изменений).
  • Задачи по расписанию: повторяющееся поручение запускается автоматически в заданный час, а результат сохраняется в чате даже при закрытой вкладке (документация AI Studio). Это позволяет вынести на фон утренние дайджесты, мониторинг упоминаний или сводку обращений — при условии строгих ограничений на права такого агента.

Что на самом деле показывает кейс «Норникеля»

Яндекс и «Норникель» описали программу разработки и внедрения ИИ-агентов более чем для 30 производственных и корпоративных процессов с использованием платформы Yandex AI Studio (совместное сообщение от 20 апреля 2026 года). Главная инженерная деталь проекта — гибридная архитектура с выделенным физическим каналом связи к облачным моделям Яндекса, изолированным от публичного интернета. По сообщению компании, на стадии тестирования и пилотирования уже находились десятки систем, а в отдельных аналитических сценариях срок выполнения задач удалось сократить с 30 дней до нескольких часов.

Для среднего бизнеса здесь важен трезвый вывод: это крупная поэтапная программа трансформации, а не коробочная кнопка «внедрить ИИ за вечер». Но сам принцип гибридного канала и опоры на выделенную инфраструктуру уже стал рабочим ориентиром для крупных российских заказчиков.

6. Голосовые ИИ-агенты: от речевой модели до записи в CRM

Не нужно путать потребительский режим «Действуй!» (где Алиса звонит от имени клиента) и платформенные речевые модели Yandex B2B Tech, представленные 13 ноября 2026 года для контакт-центров и сервисных компаний (официальный релиз):

  • Speech TTS Live — потоковый синтез речи в реальном времени, который анализирует контекст текста, расставляет логические паузы и подбирает амплуа под сценарий (уверенная подача для продаж, мягкая — для поддержки, специализированная интонация для медицинских клиник).
  • Обновлённая Speech Realtime Max — модель для сложных многошаговых звонков через Realtime API. Ключевое технологическое улучшение — корректная реакция на перебивания: если клиент перебивает робота на полуслове, агент мгновенно замолкает, подстраивается под реплику собеседника и фиксирует в истории диалога только фактически произнесённую часть ответа, чтобы не ссылаться на фразы, которые клиент не дослушал.

Проектный пример для клиники: пациент звонит вечером, когда администратор уже не на линии. Голосовой агент отвечает на типовые вопросы о графике и опубликованном прайсе, через разрешённый шлюз МИС/CRM проверяет свободные окна нужного специалиста, создаёт заявку и получает подтверждение записи — либо переводит разговор администратору с передачей контекста. Сбор симптомов и медицинские рекомендации в такой пилот автоматически включать не стоит: это отдельная зона ответственности с жёсткими ограничениями врачебной тайны.

Пять метрик первого пилота голосового агента

✓Доля завершённых обращений: сколько звонков привели к подтверждённой записи или точному ответу без потери контекста.
✓Ошибки записи и пропущенные уточнения: расхождения между разговором и реально созданной карточкой в CRM/МИС.
✓Задержка ответа в диалоге: пауза между репликой клиента и ответом модели, включая перебивания на середине фразы.
✓Стоимость успешного обращения: суммарные затраты на токены, синтез и телефонию с учётом неудачных и переведённых звонков.
✓Передача живому администратору: скорость переключения и передача уже собранных параметров разговора оператору.

7. Каталог плагинов и MCP: единая шина без иллюзий о безопасности

Выпущенный 16 ноября 2026 года бета-каталог Алисы AI (свыше 20 плагинов на старте) и поддержка открытого стандарта Model Context Protocol (MCP) закрывают главную проблему корпоративных ботов прошлых лет — разрозненные одноразовые коннекторы (пресс-релиз Яндекса). Через MCP компания может описать свои внутренние источники — 1С, Битрикс24, amoCRM, склад или трекер задач — в едином машиночитаемом формате, понятном агенту, в том числе через приватные плагины только для сотрудников.

При этом важно не смешивать протокол подключения и систему безопасности. В опубликованной спецификации MCP предусмотрены схемы описания инструментов и механизмы авторизации для HTTP-соединений (спецификация инструментов и авторизация в MCP), поэтому говорить «в MCP нет никакой защиты» некорректно. Но сам транспорт не отвечает за корректность бизнес-логики и не блокирует prompt injection — ситуацию, когда вредоносная инструкция прячется внутри текста клиентской заявки или сторонней веб-страницы.

Пять обязательных правил при подключении MCP на сервере компании

✓Авторизация от имени конкретного сотрудника: агент не должен ходить в базу с правами «суперадмина на всё»; доступ проверяется на стороне целевой системы под ролью пользователя.
✓Минимальный набор операций: если ассистенту нужно собрать отчёт по остаткам, в его схеме вообще не должно быть инструмента изменения или удаления карточек клиентов.
✓Контроль и чтения, и мутаций: случайная выгрузка всей базы контактов через «безопасное чтение» может навредить не меньше, чем неверный POST-запрос; опасность определяется составом данных и содержанием операции.
✓Серверная валидация параметров: суммы, контрагенты, скидки и даты проверяются кодом на бэкенде; внешний текст всегда обрабатывается только как данные, а не как новая команда к исполнению.
✓Журнал действий и аварийный рубильник: все вызовы инструментов логируются без утечки секретов, а любой плагин можно отключить одной настройкой.

8. Открытые модели Яндекса: можно ли поставить Алису на свой сервер?

Осенью 2026 года Яндекс сделал нетипичный для российского крупного IT шаг — выложил на Hugging Face под коммерчески дружелюбной лицензией Apache 2.0 две собственные базовые модели, полностью обученные с нуля без заимствования чужих базовых весов:

МодельАрхитектура и масштабКонтекст и обучениеНазначение и лицензия
AliceAI-Foundation-80B-A3B-Base
21 сентября 2026 (карточка модели)
Гибридная MoE: 80B параметров всего, активны 3B на токен (10 из 512 экспертов + 1 общий). Претрейн на 17,5 трлн токенов, расширение контекста до 262 144 токенов, этап reasoning с агентскими данными. Экспериментальный фундамент будущей единой рассуждающей модели (ЕРМ). Базовый чекпоинт под Apache 2.0 (техотчёт на Хабре).
AliceAI-T5-35B-A0.6B
Search Pretrain, 11 сентября 2026 (карточка модели)
Encoder-decoder MoE: 34,35B уникальных параметров, около 0,6B активных на токен. Контекст 128 000 токенов, 512 экспертов в MoE-слоях; закрытая дообученная версия работает в быстрых ответах Поиска. Исследования и быстрый RAG/поисковый инференс. Базовая версия под Apache 2.0 (файл LICENSE, описание команды).

Здесь важно сразу снять два популярных заблуждения. Первое: открытая базовая модель (-Base) — это не готовая потребительская Алиса. Она обучена продолжать текст и аккумулировала знания, но не содержит диалоговой оболочки, облачного браузера, телефонии, поиска и плагинов. Чтобы превратить её в корпоративного ассистента, нужны дообучение (SFT/alignment), системные инструкции, RAG и тестирование.

Миф про «маленькую модель на 3B параметров для смартфона»

Когда в релизах звучит «80B параметров, из них 3B активных», возникает соблазн решить, что это компактная нейросеть уровня 3B–4B, которая легко поместится на слабом VDS или даже в телефоне. На практике всё устроено иначе — важно разделять объём вычислений и хранение весов:

  • Вычисления (3B active): на каждый сгенерированный токен работают лишь 10 выбранных экспертов и общий слой, благодаря чему ответ считается значительно быстрее плотной модели сопоставимого размера.
  • Память (80B total): около 163 ГБ весов в BF16 (~2 байта на параметр) всё равно должны где-то лежать. В карточке Foundation для полноформатного запуска ориентируются на сервер с четырьмя ускорителями уровня 80 ГБ; даже при идеальном 4-битном сжатии только сами веса требуют порядка 40–50 ГБ видеопамяти, не считая памяти под 256K-контекст, KV-кэши и параллельных пользователей.
  • Что с младшей моделью и офлайном на колонках: открытая AliceAI-T5-35B-A0.6B (35B / 0,6B активных) в 4-битном представлении занимает около 21 ГБ — это уровень рабочей станции или ноутбука с дискретным GPU, но не смартфона. Единственное, что уже работает локально офлайн у пользователя дома, — распознавание базовых голосовых команд умного дома Zigbee на нейронном процессоре в «Станции 3» и «Миди», а не полноценная LLM на борту.
80B всего vs 3B активных: как соотносятся вычисления и память
3B active
Работает на один токен у AliceAI-80B-A3B (10 из 512 экспертов + 1 общий) — отвечает за скорость генерации
~163 ГБ памяти
Около 163 ГБ весов в BF16 (2 байта на параметр) и порядка 40–50 ГБ в 4-bit без учёта KV-кэша
~21 ГБ памяти
Веса младшей Search Pretrain (34,35B / 0,6B активных) в 4-bit — уровень GPU-ноутбука, но не телефона
120B / 12B
MoE-архитектура NVIDIA Nemotron 3 Super — конкурента тоже некорректно считать плотной моделью на 120B

Что реально показывают бенчмарки и почему это не «абсолютная победа»

Вместе с моделью Яндекс открыл два профильных русскоязычных датасета с эталонами и протоколом оценки: WikiWebFacts (короткие проверяемые факты на основе энциклопедий и популярных запросов о России) и HardMultiQA (анонимизированные сложные запросы к Алисе по праву, медицине, IT и поиску ошибок). Это сильный ответ на проблему англоцентричных бенчмарков, которые плохо оценивают знание российской специфики.

Ниже собраны ключевые цифры из собственного технического отчёта и карточки разработчика (карточка Foundation, техотчёт на Хабре) — собственное независимое воспроизведение этих тестов в STARCODE не проводилось:

Бенчмарк / Протокол AliceAI 80B-A3B Base Qwen3.5 35B-A3B Base Nemotron 3 Super 120B-A12B Base DeepSeek V4 Flash Base
WikiWebFacts, 5-shot (русские факты)86,562,472,883,2
HardMultiQA, 5-shot (экспертные запросы)67,947,254,565,4
Срез «Медицина» (техрепорт)63,6——60,7
Срез «Право» (техрепорт)49,6——40,5
HMMT, февраль 2026 (олимпиадная математика)96,987,9——
LiveCodeBench v5–6, pass@1 (код)50,550,4—38,1
BigCodeBench, реализация Яндекса, 1-shot, pass@148,343,548,849,1

На что обратить внимание техническому директору в этой таблице:

  • Российский контекст и знания — реальное преимущество. На WikiWebFacts, HardMultiQA, медицинском и правовом срезах AliceAI заметно опережает конкурентов, включая DeepSeek V4 Flash Base и NVIDIA Nemotron 3 Super 120B-A12B Base (карточка модели NVIDIA).
  • Универсального победителя не существует. В собственной реализации BigCodeBench с первой попытки (pass@1) модель Яндекса (48,3) слегка уступила и Nemotron (48,8), и DeepSeek V4 Flash (49,1). А метрики с множеством попыток вроде pass@8 нельзя переносить на ожидание идеального кода с одного запроса пользователя.

9. Собственный ИИ-агент на сервере: совместимость важнее моды

Перед проектированием локального агента в 2026 году первый шаг — не выбор красивого фреймворка в чате, а проверка совместимости движка инференса с конкретной архитектурой весов:

  • для AliceAI-Foundation-80B-A3B-Base в карточке опубликованы инструкции запуска через Transformers и vLLM (включая nightly-сборку и режим с MTP), а из-за гибридной архитектуры внимания в привычных настольных сборках вроде Ollama или LM Studio она «из коробки» может не завестись;
  • для поисковой AliceAI-T5-35B-A0.6B команда отдельно предупреждает: внешним пользователям доступен инференс через Transformers, а оптимизированный production-рантайм остаётся внутри Яндекса.

Поэтому рабочая последовательность сборки собственного агента выглядит так (проектная схема для закрытого контура):

  1. ИнтерфейсВнутренний веб-кабинет сотрудника с ролями
  2. RAG-поискПоиск по документам с проверкой прав доступа
  3. ИнференсСовместимая модель и фиксированная ревизия весов
  4. Шлюз MCP / APIВалидация параметров, лимиты и предпросмотр diff
  5. ПрименениеПроверяемый отчёт, заявка и журнал аудита

Проектный сценарий: для сайта или цифрового отдела компании можно настроить локальный контур на изолированном сервере, который собирает технические метрики страниц, проверяет статус форм, сверяет формулировки с регламентом 152-ФЗ и передаёт специалисту готовый отчёт или проект правок на утверждение.

Важно проверять весь маршрут данных: веб-интерфейс, эмбеддинги, векторный индекс, LLM, логи и бэкапы. Если локальная база на вашем сервере отправляет найденные фрагменты документов в облачный API или переписка идёт в обычном внешнем мессенджере, такой контур уже не является полностью закрытым.

10. Облако, свой сервер или гибрид: как считать экономику правильно

Выбор архитектуры почти всегда упирается в два крайних заблуждения: «облако всегда дешевле» или «купим один компьютер и полностью заменим корпоративное облако».

Вариант инфраструктурыКогда выбиратьЧто реально закладывать в бюджет
Готовый сервис (Алиса AI для бизнеса / Про) Нужен быстрый старт и типовые задачи в почте, документах, трекере и базовых плагинах. Подписки, интеграции, управление правами и договорные условия обработки данных.
Облачный API + своё приложение Нужен кастомный процесс (голосовой агент, скоринг заявок, шлюз к CRM) без покупки GPU. Стоимость токенов и речи, аренда бэкенда, поиск, разработка и сопровождение.
Свой сервер с GPU (Self-hosted) Строгие требования к размещению данных или высокий постоянный поток запросов. GPU и RAM с запасом, хостинг/энергия, инженеры MLOps, обновления и резервирование.
Гибрид (разделение контуров) Чувствительные данные остаются в РФ или локально, а общие задачи идут в облако. Маршрутизация запросов, обезличивание, аудит утечек и план работы при отказе внешнего API.

Отдельная путаница в сети возникла вокруг цифр 136 vCPU, 648 ГБ RAM, ~4,1 ТБ дисков и связки 1 × A100 (80 GB) + 2 × H100 (80 GB). По документации Yandex Cloud Stackland 26.3, это минимальный корпоративный кластер для развёртывания платформы AI Studio On-premises сразу с несколькими компонентами (YandexGPT 5 Lite, Embeddings, Ethics, документация Stackland). Малому и среднему бизнесу для одного прикладного процесса такой кластер не нужен, равно как и не стоит приравнивать его к минимальному порогу любого локального скрипта.

Учебный расчёт экономики пилота (как считать до покупки железа)

Возьмём учебный пример (это методика оценки, а не тариф STARCODE и не гарантия окупаемости):

  • Сотрудник обрабатывает 1 000 однотипных обращений или документов в месяц, тратя по 8 минут на каждое.
  • После внедрения ассистента человек проверяет черновик и поправляет редкие ошибки за 3 минуты в среднем (с учётом неудачных попыток).
  • При стоимости часа работы 900 ₽ высвобождается 1 000 × (8 − 3) / 60 × 900 = 75 000 ₽ в месяц производственной ёмкости.
  • Если текущие расходы на API, сервер и поддержку составляют условные 25 000 ₽/мес., а настройка пилота — 150 000 ₽, чистый расчётный остаток даёт 50 000 ₽/мес. (около 3 месяцев простого срока окупаемости).

Главная поправка практики: высвобожденные минуты превращаются в реальные деньги только тогда, когда команда сокращает ФОТ или переносит эти часы на дополнительные заказы. А ключевая метрика для сравнения облака и своего GPU — не «цена миллиона токенов», а все расходы на процесс / число принятых без брака результатов.

11. Приёмочные испытания: 5 проверок до расширения доступа

Открытые бенчмарки отсеивают заведомо слабые модели, но не отвечают, как система поведёт себя на прайсах, договорах и формах именно вашей компании. Прежде чем пускать агента к клиентам или в рабочую CRM, стоит прогнать узкий пилот из 30–50 обезличенных задач (достаточно для первичного отбора, но не является статистическим доказательством для критичных систем) и заранее утвердить стоп-условия. Ниже — программа проверок, которую мы используем как методику приёмочного тестирования:

Сценарий тестаЧто именно проверяемКритерий прохождения (что считать успехом)
1. Запрос по регламенту / праву Ответ по нормам (например, 152-ФЗ или внутренний регламент) с источниками. Точная редакция нормы, реальная ссылка; при нехватке данных — честный отказ вместо выдумки.
2. Аудит реальной страницы Анализ HTML коммерческого сайта и видимых условий. Выводы строго по полученному коду страницы; скрытые серверные настройки не угадываются.
3. Финансовая таблица (CSV/XLSX) Расчёт маржи, скидок и сводка аномалий. Арифметика воспроизводится формулами или кодом, пустые ячейки и единицы измерения не подменяются.
4. Многошаговая задача с CRM/формой Сбор условий, подготовка черновика заявки и пауза перед отправкой. Создан корректный черновик, соблюдён запрет на самовольную отправку, статус сверен по ID.
5. Доступ и prompt injection Попытка достать чужой документ или выполнить команду из текста внешней заявки. Закрытые данные не раскрываются; инструкция внутри клиентского поля игнорируется как данные.

Жёсткое правило пилота: любая самовольная отправка данных, утечка чужого контекста или выдуманное подтверждение записи останавливает расширение доступа до устранения причины.

12. Безопасность, 152-ФЗ и уроки осенних сбоев

Вокруг локальных моделей в России сформировался опасный юридический миф: «поставили сервер в офисе или в российском ЦОД — вопрос 152-ФЗ закрыт автоматически». Это не так. Физическое размещение даёт контроль над сервером, но не заменяет соблюдение закона № 152-ФЗ по всей цепочке обработки (текст 152-ФЗ):

  • Цели, основания и поручение (ст. 6 и ст. 9 152-ФЗ): согласие — не единственное основание обработки, но если используется именно оно, документ должен быть предметным и отделённым от других подтверждаемых соглашений. Передача данных подрядчику требует оформления поручения.
  • Локализация и трансграничная передача (ст. 18 и ст. 12 152-ФЗ): российский IP веб-сервера не спасает, если текст формы, RAG-фрагменты или телеметрия по API отправляются в зарубежную LLM или внешний трекер.
  • Технические меры (ст. 19 152-ФЗ) и медицина (ст. 10 152-ФЗ и ст. 13 закона № 323-ФЗ): состав мер защиты, включая требования к шифрованию, определяется применимыми нормами и моделью угроз, а для клиник дополнительно действуют ограничения по сведениям о здоровье и врачебной тайне независимо от того, отвечает ли пациенту администратор или голосовой ИИ-робот (закон № 323-ФЗ).

Что реально показали осенние сбои инфраструктуры 2026 года

Октябрь и ноябрь 2026 года наглядно проверили, насколько хрупкой бывает связка «весь бизнес на одной площадке без плана Б»:

  • 10 ноября Yandex Cloud опубликовал итоги восстановления инфраструктуры после инцидентов в дата-центрах: инженеры вернули доступ к 97,16% клиентских данных, а 2,84% оказались утеряны из-за физического повреждения носителей и отсутствия у пострадавших проектов настроенных резервных копий на самой платформе — при том, что клиенты с активированными инструментами резервного копирования Yandex Cloud потерь избежали (отчёт провайдера).
  • 1–2 ноября 2026 года масштабная кибератака на хостинг-провайдера Beget нарушила работу подсетей, DNS и виртуализации ряда проектов с последующими восстановительными работами (хронология инцидента).

Инженерный вывод простой: своя локальная машина в офисе тоже может выйти из строя. Независимая резервная копия (с регулярным тестом восстановления) защищает от потери данных, резервная площадка с процедурой переключения снижает простой, а раздельные права доступа не дают ошибке скрипта удалить оригинал и бэкап одновременно. До закупки резерва задают целевые показатели RPO (допустимую потерю последних данных) и RTO (допустимое время восстановления).

13. Как Алиса AI меняет SEO, GEO и готовность сайтов к действию агентов

Для владельцев сайтов и маркетологов здесь сходятся три разные задачи: классическое присутствие в поиске, попадание в источники ответов ИИ (GEO) и возможность для ассистента или облачного браузера без сбоев прочитать условия и оформить заявку (Agentic SEO — используем как удобное рабочее название третьей задачи, а не как отдельный подтверждённый фактор ранжирования Яндекса).

Что на самом деле показывает отчёт в Яндекс Вебмастере

Инструмент «Видимость сайта в Алисе AI» вышел 7 апреля 2026 года — тогда же Яндекс привёл историческую цифру аудитории быстрых ответов в Поиске около 46,5 млн пользователей в месяц (апрельский анонс). По текущей справке Вебмастера, отчёт строится по выборке поисковых запросов, где сайт уже находится достаточно высоко, обновляется раз в неделю, хранит данные за три месяца и показывает метрику Share of Voice (SoV) — долю упоминаний ресурса в ответах Алисы именно в Поиске (справка Яндекс Вебмастера). Это полезный диагностический ориентир наряду с позициями и конверсиями, но не общий счётчик упоминаний в личных чатах, агентском режиме или прямой показатель выручки.

Наглядный разбор: от вопроса клиента до заявки на примере двух сайтов клиник

Сравнение работы ИИ-поиска и облачного браузера на одном запросе (инженерный пример доступности условий, а не проверка выдачи Алисы AI):

Как структура страницы, цены и формы определяют итог: от вопроса к заявке Сравнение 2 подходов: Сайт А теряет обращение на пробелах и барьерах, Сайт Б доводит клиента до подтверждённой записи с ID
Вход · Запрос клиента в Алисе AI
«Сколько стоит чистка зубов в нужном районе, что входит и как записаться?»

Ассистент ищет проверяемые факты в поиске или открывает сайт в облачном браузере

Сайт А · Типовая витрина Заявка теряется
01 · Страница и прайс Цена «от 6 500 ₽» и PDF

Общие фразы о премиальном сервисе; полный прайс спрятан в скачиваемом PDF и спойлерах, JSON-LD отсутствует.

02 · Разбор ИИ и агентом Пробел в сумме и составе

Ассистент не видит, что входит в процедуру, не находит врачей и не может назвать реальную стоимость.

03 · Форма и защита Барьеры на записи

Поля подписаны только внутри placeholder, жёсткая капча блокирует проход, ответ формы неясен.

Итог: условия не уточнены, заявка не отправлена Клиент и ИИ-агент переходят к конкуренту или предлагают звонить в клинику вручную.
Сайт Б · Проверяемый ресурс Заявка с ID
01 · Страница и прайс Посадочная под услугу

Опубликован состав («что входит и что отдельно»), врачи и график; видимый HTML совпадает с JSON-LD.

02 · Разбор ИИ и агентом Точная цитата со ссылкой

ИИ-ассистент пересказывает реальные условия, диапазон цены и даёт прямую ссылку на страницу услуги.

03 · Форма и защита Предсказуемая отправка

Есть подписи label, выбор канала (Telegram, MAX или телефон), точечный антифрод и статус сохранения.

Итог: заявка принята и сохранена с ID После подтверждения клиента обращение ушло в CRM; точное время приёма подтверждает клиника.
Элемент сайтаЧто мешает человеку и ИИ-агентуЧто имеет смысл доработать
Состав услугиОдиночная сумма без перечня работ и ограничений.Раскрыть состав, сроки, противопоказания и правила расчёта.
Единый источник ценРазные цифры в тексте страницы, PDF и калькуляторе.Согласовать все представления и указать дату актуальности.
Подтверждение фактовШаблонные лозунги без лицензий, адресов и фамилий.Дать проверяемые реквизиты, специалистов, кейсы и первоисточники.
Доступность данныхКлючевые условия на баннерах или в картинках без текста.Перенести условия в доступный HTML-текст и таблицы.
Формы и записьОриентация только на placeholder, нет ясных ошибок и статуса заявки.Подписать поля через label, понятно проверять контакт и отдавать однозначный ответ.
Защита от ботовЛибо жёсткий WAF рубит легитимный обход, либо вообще нет антифрода.Выстроить точечные правила защиты с проверкой реальных сценариев.

Ни Schema.org, ни MCP, ни HTTP/3 не работают как «волшебная кнопка цитирования» поодиночке: разметка описывает уже существующее содержание, быстрый протокол доставки не спасает пустой HTML, а подключение MCP не делает сервис автоматически известным всем внешним агентам. Подробную диагностическую матрицу мы разбирали в руководстве по проверке сайта к AI-поиску и гайде по GEO-продвижению бренда.

8 практических шагов для владельца сайта, маркетолога и CTO

  1. Проверить индексирование, коды HTTP 200 и доступность основного контента (серверный HTML — надёжный способ дать тексту читаться без сложных задержек, хотя выбор рендеринга зависит от движка).
  2. Привести к одному виду цены, условия, адреса филиалов и режим работы на всех страницах и в фидах.
  3. Настроить релевантную микроразметку Schema.org строго по видимому содержимому страницы.
  4. Проверить формы с мобильного, с клавиатуры и в тестовом автоматизированном проходе: подписи полей, подсказки выбора канала связи, понятные сообщения об ошибках и подтверждение сохранения заявки.
  5. Усилить экспертный слой материалов: публиковать оригинальные инструкции, регламенты и разборы с указанием автора, даты сверки и источников.
  6. Подключать YML/XML-фиды или API-шлюз тогда, когда есть реальный потребитель, права и процесс обновления актуальности.
  7. Анализировать отчёт «Видимость сайта в Алисе AI» в Вебмастере в динамике отдельно от ручных проверок в чате (для ручных тестов фиксировать дату, точную формулировку запроса и несколько прогонов).
  8. Проверить сквозной путь от просмотра страницы до уведомления менеджеру, включая повторные попытки при сбое и резервный сервер.

14. С чего начать внедрение и как помогает STARCODE PR

Пытаться автоматизировать «всю компанию целиком» или ждать единой рассуждающей модели будущего невыгодно: базовые процессы можно спокойно тестировать уже сейчас, не покупая лишнее железо раньше срока.

Дорожная карта из 6 шагов для первого пилота

  1. Выбрать один частый, измеримый процесс и замерить текущие затраты времени и долю ошибок.
  2. Зафиксировать маршрут данных и границы допустимых действий; под них выбрать облачный сервис, API или локальный контур.
  3. Подготовить источники правды: регламенты, прайсы, матрицу прав и регулярное обновление.
  4. Запустить ограниченный пилот с подтверждением значимых операций человеком (для простого подготовленного сценария ориентируются примерно на 2–4 недели; сложные согласования и корпоративные интеграции увеличат срок).
  5. Сравнить стоимость одного принятого без брака результата с исходным процессом.
  6. Масштабировать доступ только после прохождения приёмочных критериев и проверки восстановления из резерва.

Задачи, которые мы берём под ключ в STARCODE PR

Мы объединяем доработку сайта, поиск, контент, серверную архитектуру и внедрение ИИ в единый управляемый проект — без отрыва маркетинга от техники и требований 152-ФЗ:

НаправлениеЧто делаем на практикеКакой измеримый результат вы получаете
AI SEO сайта и готовность к Алисе AI Дорабатываем код и ключевые страницы услуг, сводим прайсы и условия в проверяемую структуру, настраиваем Schema.org, формы и аналитику. Обновлённый сайт без технических барьеров и отчёт по работам, видимости и распознанным обращениям (AI-поисковая оптимизация).
GEO-продвижение бренда Выстраиваем контент-стратегию под реальные вопросы клиентов, готовим экспертные материалы с источниками, усиливаем внешние профили и ведём повторные замеры. Согласованный план, опубликованные материалы и регулярные срезы упоминаний и точности представления компании (GEO-продвижение).
Внедрение ИИ-агентов и автоматизации Собираем пилот под конкретный процесс, подключаем базу знаний, CRM, мессенджеры и API, настраиваем права, проверки, серверный контур РФ и требования 152-ФЗ. Работающий согласованный сценарий с тестовым протоколом, расчётом расходов и инструкциями (интеграция ИИ, автоматизация, облако и серверы).

Готовы проверить сайт под Алису AI или запустить пилот ИИ-агента?

Для AI SEO и GEO стартовая диагностика входит сразу в проект внедрения — отдельный аудит заказывать не обязательно, он нужен только тем, кто хочет получить план работ для собственной команды. Пришлите ссылку на сайт, приоритетные услуги и процесс для автоматизации — подготовим конкретное предложение с точками усиления и критериями приёмки.

Частые вопросы

1. Можно ли скачать открытые веса AliceAI-Foundation-80B-A3B-Base и получить готовую Алису со звонками и браузером?
Нет. Открыты базовые веса текстовой модели. Облачный браузер, телефония, поиск, плагины и диалоговое согласование — это отдельные продуктовые слои, которые придётся строить самостоятельно или брать через корпоративную линейку Яндекса.

2. Правда ли, что 3B активных параметров позволяют запустить её на телефоне или обычном дешёвом VDS?
Нет. 3B относится к объёму вычислений на один токен, а не к размеру весов. Все 80B параметров должны храниться в памяти (около 163 ГБ весов в BF16 или от 40–50 ГБ только под 4-битные веса без учёта контекста). Даже младшая Search Pretrain в 4-bit занимает около 21 ГБ. Обычный VDS без GPU подойдёт только для интерфейса, шлюза MCP и базы знаний при обращении к внешнему API.

3. Если перенести базу документов в локальный RAG, коммерческие данные гарантированно не покинут сервер?
Только если весь маршрут обработки остаётся внутри вашего контура: эмбеддинги, векторный поиск, модель генерации, логи и мессенджер интерфейса. Если локальный поиск находит фрагмент договора и отправляет его в публичную облачную нейросеть, текст всё равно уходит наружу.

4. Почему конкурент с 6-й строчки поиска цитируется в ответе Алисы AI, а наш сайт на 1–2 месте — нет?
Обычный поиск ранжирует страницу целиком, а генеративный ответ (RAG) ищет фрагмент с самым чётким и проверяемым ответом на конкретный аспект вопроса. Прямые таблицы условий, даты и ясные формулировки часто помогают источнику попасть в сноску, хотя единого гарантированного рецепта выбора цитаты нет.

5. Безопасно ли снимать капчу и защиту от ботов, чтобы к сайту свободно ходили ИИ-агенты?
Отключать защиту целиком нельзя — вы откроете формы для автоматического спама и накруток. Правильный путь — точечно проверять правила WAF на тестовых проходах и сохранять защиту при корректной работе легитимных форм.

6. Когда можно честно считать, что внедрение ИИ-агента окупилось?
Только когда сумма всех реальных расходов (API или GPU, разработка, поддержка и время сотрудников на проверку и исправление ошибок) ниже подтверждённого эффекта по принятым без брака результатам, а освободившееся время команды реально использовано.

7. Что делать уже сейчас, пока «Действуй!» находится в раннем тестировании?
Не ждать массового релиза: навести порядок в ценах, структуре страниц, микроразметке и формах на сайте, подключить в Яндекс Вебмастере отчёт видимости в Алисе AI и описать 1–2 внутренние рутинные задачи под контролируемый пилот. Дополнительно по теме читайте наши разборы об автоматизации с помощью ИИ-агентов и новом формате сайтов с управлением через ИИ.

Источники и документация

Источники проверены .

Документация описывает возможности платформы. Конфигурацию и совместимость проверяем для конкретного проекта; цены и SLA STARCODE определяются нашим предложением и договором.

Заходов: 47
Прочитали: 10
За прошлый месяц: 0
STARCODE PR · Инженерия, ИИ и GEO

Подготовим ваш сайт к Алисе AI и соберём контролируемый ИИ-контур

Упорядочим структуру страниц, цены, разметку и формы, настроим мониторинг видимости в ИИ-поиске и поможем безопасно внедрить агентов в рабочие процессы.