ChatGPT, Claude или Gemini: как выбрать AI-ассистента под свою работу

Три похожих окна, три разных рабочих места

Представим три задачи: разобрать интервью, свести таблицу расходов и отредактировать письмо. Любой из трёх ассистентов способен пересказать текст, найти формулу и предложить редактуру. Разница может проявиться в работе с материалами: насколько легко собрать их вместе, исправить отдельный фрагмент и перенести результат в нужный документ.

Вопрос «кто умнее?» здесь слишком широкий. Пользователь работает не с голой LLM, а с продуктом вокруг неё: интерфейсом, выбранным режимом, поиском, исполняемым кодом, памятью, подключёнными приложениями и правилами обработки данных.

Сначала разделим продукт, модель и режим

В разговорах эти уровни часто смешиваются.

• ChatGPT, Claude и Gemini — пользовательские продукты.
• Модель — нейросеть, которая обрабатывает запрос; её версия зависит от продукта, плана и режима.
• Инструменты — поиск, выполнение кода, генерация файлов, голос, подключённые приложения и другие действия вокруг модели.
• Workspace — личная или организационная среда со своими настройками доступа, хранения и администрирования.
• API — отдельный способ интеграции, у которого свои модели, цены, лимиты и политика данных.

Фраза «Claude лучше прочитал PDF» ничего не говорит, если один файл был текстовым, другой — сканом, а ChatGPT в соседнем тесте получил таблицу через Python. Для честного вывода нужны одинаковые входы и понятные условия.

Что проверить в каждом продукте

Возможности пересекаются: редактирование, поиск и файлы не принадлежат одному бренду. Ниже — удобные точки для сравнения, а не постоянное разделение «этот для текста, тот для кода».

ChatGPT: широкий набор инструментов в одном проекте

ChatGPT объединяет обычный чат с веб-поиском, анализом файлов и таблиц, выполнением Python, голосом, генерацией изображений, Canvas и Projects. Проект хранит связанные чаты, файлы и инструкции; доступные инструменты зависят от плана и настроек рабочей среды.

Такой формат удобно проверить, если работа часто перескакивает между текстом, расчётами, диаграммой, поиском и изображением. В тесте можно проследить весь путь: загрузить таблицу, получить расчёт, построить график и подготовить пояснение. Важно, сколько ручных переносов и исправлений останется между этапами.

Claude: работа с самостоятельным результатом и контекстом проекта

Claude предлагает Projects с файлами и инструкциями, Artifacts для отдельного редактируемого результата, подключаемые источники и среду для создания файлов и анализа данных. Для разработки рядом существует Claude Code, но это отдельный рабочий продукт, а не просто режим веб-чата.

Такую оболочку имеет смысл тестировать на длинной редактуре, спецификации, прототипе или кодовой задаче, где результат живёт дольше одного ответа и требует нескольких аккуратных итераций.

Gemini: связь с сервисами Google и мультимодальными источниками

Gemini умеет работать с загруженными документами, таблицами, кодом, изображениями, аудио и видео. Canvas предназначен для документов, кода, приложений и слайдов; Deep Research собирает отчёты по выбранным источникам. При разрешённом подключении Gemini может использовать данные из сервисов Google.

Отдельный NotebookLM (Gemini Notebook) полезен, когда ответы должны опираться на выбранный корпус источников и сопровождаться ссылками на фрагменты. Это соседний продукт, поэтому его не стоит молча записывать в возможности обычного чата Gemini.

Похожие функции не означают одинаковый процесс

Во всех трёх продуктах есть способы работать с источниками и создавать материалы, но набор функций и организация работы различаются. Одинаковое название не обещает одинакового процесса.

Поиск и исследование

Обычный веб-поиск помогает найти короткий ответ, а исследовательские режимы могут собирать и сопоставлять несколько источников. Длинный отчёт не обязательно надёжнее короткого. В обоих случаях полезно открыть ссылки: наличие цитаты ещё не доказывает, что источник подтверждает соседнее предложение.

Для сравнения подойдут три вопроса: можно ли задать круг источников, понять ход исследования и отличить найденный факт от вывода модели?

Документы и большой контекст

Размер контекстного окна сам по себе мало говорит о качестве. Сервис может загрузить файл целиком, извлечь только текст, применить поиск по фрагментам или не распознать таблицу в скане. Для работы важнее три вопроса:

1. Находит ли ассистент факт в середине документа?
2. Показывает ли страницу, строку или цитату, по которой ответ можно проверить?
3. Признаёт ли отсутствие сведений вместо правдоподобного дополнения?

Код и анализ данных

Текстовый ответ с формулой и исполненный расчёт — разные вещи. Если результат зависит от чисел, смотрите, выполнил ли сервис код, сохранил ли таблицу, показал ли допущения и можно ли повторить вычисление.

Для репозитория важны доступ к нужным файлам, видимый diff, запуск тестов и контроль разрешений. Работающий и проверенный патч полезнее красивого фрагмента кода, который не подходит к проекту. Но и зелёные тесты не исключают ошибок за пределами их покрытия.

Голос, изображения и видео

Факт поддержки модальности не гарантирует подходящий сценарий. Голос может быть обычной диктовкой или живым разговором; работа с видео — анализом файла, транскрипта либо изображения и звука вместе. Генерация изображения и его разбор тоже являются разными инструментами.

Для первого опыта подойдёт открытая запись или материал, который разрешено передавать сервису. По нему можно проверить, распознаёт ли ассистент нужные детали, а не только принимает файл.

Тест, который переживёт смену моделей

Для начала достаточно нескольких повторяющихся задач. Если работа состоит из писем и отчётов, они расскажут о полезности ассистента больше, чем олимпиадная головоломка. Из рабочих материалов заранее убирают данные, которые нельзя передавать проверяемым сервисам.

Подходящий набор выглядит так:

Для каждого продукта создайте чистый чат или отдельный проект. Отключите лишнюю память, если она способна подсказать ответ из предыдущих попыток. Для первого прохода подойдут один запрос, одинаковые файлы и формат ответа. Затем можно отдельно проверить удобство встроенных инструментов: результат такого теста относится ко всему продукту, а не только к модели.

Простая шкала оценки

Пяти критериев обычно достаточно:

• верность задаче — выполнены ли все ограничения;
• проверяемость — видны ли источники, расчёты или diff;
• стоимость правки — сколько минут ушло на исправление;
• удобство процесса — легко ли добавить контекст и продолжить работу;
• предсказуемость — повторяется ли качество на нескольких примерах.

Можно ставить от 0 до 2 баллов и добавлять короткое примечание: 0 — задача не решена, 1 — нужны существенные правки, 2 — результат принят после проверки. Критические ошибки, например неверную сумму, лучше отмечать отдельно: удобный интерфейс не должен компенсировать их общим баллом. Итоговая сумма менее важна, чем профиль: один сервис может уверенно выигрывать на таблицах и проигрывать на вашем стиле текста.

Как посчитать реальную стоимость

Цена подписки — только одна строка. Добавьте к ней:

• время на повторные запросы и ручную редактуру;
• стоимость ошибки в документе, расчёте или коде;
• лимиты на файлы, исследования и сложные режимы;
• необходимость второго сервиса для недостающей функции;
• перенос результатов в вашу рабочую систему;
• обучение команды и администрирование доступов.

Если ассистент за минуту выдаёт черновик, который приходится час перепроверять, дешёвым его назвать трудно. И наоборот: более дорогой план может окупиться, если даёт воспроизводимый расчёт или избавляет от ручного копирования между сервисами.

У API отдельная экономика. Считаются входные и выходные токены, кэш, поиск, выполнение инструментов и число повторов. Для оценки пригодится обезличенный набор типичных запросов. Журнал с секретами или клиентскими данными нельзя просто отправить нескольким поставщикам ради сравнения.

Данные: название тарифа ничего не гарантирует

Личный чат, корпоративная рабочая среда и API одного провайдера могут обрабатывать данные по-разному. Настройка «не использовать для обучения» также не равна нулевому хранению, отсутствию журналов контроля злоупотреблений или отключённой памяти.

Перед загрузкой рабочих материалов проверьте:

• используется ли ввод и вывод для обучения по умолчанию;
• где отключается такое использование и на какие будущие чаты действует настройка;
• срок хранения чатов и файлов;
• могут ли материалы просматривать сотрудники сервиса;
• какие данные видит администратор рабочей среды;
• какие разрешения получают подключённые приложения;
• сохраняются ли данные у стороннего инструмента после отключения;
• можно ли удалить и экспортировать материалы.

У личного аккаунта, организационной рабочей среды и API могут быть разные правила. Политики и настройки меняются, а подключённое приложение добавляет ещё одного обработчика данных. Для коммерческой тайны, медицины, персональных данных и клиентских документов ориентируются на действующие условия выбранного продукта и правила своей организации.

Быстрый выбор без рейтинга

Начальную тройку кандидатов можно сузить так:

• Если основная работа уже живёт в Gmail, Drive, Docs, Sheets и Meet, включите Gemini в тест интеграции. Проверяйте реальные права доступа, а не обещание «знает всё из Google».
• Если нужен один интерфейс для поиска, Python-анализа, графиков, голоса и изображений, проверьте маршрут в ChatGPT целиком.
• Если работа строится вокруг длинного редактируемого результата, проектных материалов или разработки, проверьте Projects, Artifacts и соответствующий инструмент Claude.
• Если важна работа с небольшим выбранным корпусом, добавьте NotebookLM или собственный RAG в сравнение. Ни один из этих подходов не гарантирует, что каждый ответ будет строго подтверждён источниками.
• Если критичны локальный запуск и контроль инфраструктуры, рассмотрите открытые веса через LM Studio или Ollama. Это уже другой класс решения с собственными затратами на железо и поддержку.

Вполне нормально оставить два инструмента: например, один для работы с источниками, второй для файлов и кода. Второй сервис имеет смысл, если он действительно закрывает задачу, с которой первый регулярно не справляется.

Поле шире трёх логотипов

ChatGPT, Claude и Gemini — лишь один слой рынка. Есть поисковые ассистенты, локальные приложения, API-агрегаторы, встроенные помощники в офисных пакетах и продукты вокруг открытых весов.

DeepSeek, Qwen, Mistral, Llama и другие семейства могут быть доступны через собственный сервис, сторонний API или локальную программу запуска. «Открытая модель» не означает автоматически бесплатную, приватную или пригодную для коммерции: нужно проверить лицензию, способ размещения и поставщика конкретного API.

С чем не путать

• ChatGPT и GPT. ChatGPT — продукт, GPT — семейство моделей OpenAI.
• Claude и Anthropic. Claude — продукт и семейство моделей, Anthropic — компания.
• Gemini и Google Workspace. Чат Gemini и функции Gemini внутри организационных сервисов могут иметь разные возможности и правила данных.
• План и модель. Название подписки не сообщает автоматически, какой режим или модель обрабатывает конкретный запрос.
• Контекст и знания. Большое контекстное окно позволяет передать больше материала, но не гарантирует правильный поиск факта внутри него.
• Цитата и доказательство. Ссылка рядом с ответом полезна только после проверки содержимого источника.

Частые вопросы

Какой ассистент лучше понимает русский?

Это зависит от типа текста, выбранной модели и ваших требований к стилю. Можно дать кандидатам один сложный русский оригинал с просьбой сохранить факты, а затем сравнить смысл, тон и число ручных правок.

Можно ли сравнить бесплатные версии?

Да, если именно ими вы собираетесь пользоваться. Не переносите результат на другие планы: доступные модели, инструменты и лимиты могут отличаться.

Какой сервис меньше галлюцинирует?

Ни один не даёт универсальной гарантии. Отдельно тестируйте ответы по памяти, по загруженному документу и с веб-поиском. В важных задачах ответ проверяют по первичному источнику или воспроизводимому расчёту.

Что выбрать для кода?

Проверяйте не объяснение функции, а изменение в своём репозитории: минимальный diff, запуск тестов, отсутствие выдуманных зависимостей и удобство отката. Веб-чат и специализированный агент для разработки сравниваются как разные продукты.

Что выбрать для большой библиотеки документов?

Для ограниченного корпуса важны поиск нужных фрагментов и точные цитаты, а не только вместимость контекстного окна. Проверьте, как сервис индексирует источники, обновляет их и отвечает, когда нужного факта нет.

Можно ли загружать конфиденциальные файлы?

Только если выбранная рабочая среда, договор и настройки соответствуют правилам вашей организации. Личная подписка и корпоративный продукт одного бренда не взаимозаменяемы.

Нужны ли сразу три подписки?

Редко. Сначала измерьте один основной сервис на пяти задачах. Второй имеет смысл, когда стабильно закрывает конкретный пробел и экономия превышает его стоимость.

Как часто повторять сравнение?

Когда меняется ваша работа, тариф, политика данных или важный инструмент. Ежемесячный забег по случайным бенчмаркам не нужен; небольшой регрессионный набор собственных задач полезнее.

Главное

ChatGPT, Claude и Gemini нельзя честно расставить по местам один раз и навсегда. Это меняющиеся продукты вокруг моделей, инструментов, подключённых приложений и разных правил обработки данных.

Устойчивый выбор получается из короткого теста: одинаковые исходники, пять реальных задач, проверяемый результат, стоимость исправлений и подходящий режим приватности. Результат может быть простым: один ассистент подходит для большинства задач, а для отдельных случаев удобнее другой.

Источники

• OpenAI: Projects in ChatGPT
• OpenAI: ChatGPT Search
• OpenAI: Data analysis with ChatGPT
• OpenAI: Data Controls FAQ
• OpenAI: business data privacy
• Anthropic: Projects in Claude
• Anthropic: Artifacts
• Anthropic: create and edit files with Claude
• Anthropic: personal data in model training
• Google: upload and analyse files in Gemini Apps
• Google: Deep Research in Gemini Apps
• Google: Canvas in Gemini Apps
• Google: Gemini Apps Privacy Hub
• Google Workspace: generative AI privacy
• Google: about NotebookLM