Версии искусственного интеллекта (ИИ) Яндекса и история его развития

Время на прочтение: 19 минут

История ИИ в Яндексе — это путь от первых экспериментов с машинным обучением для поиска до полноценных генеративных моделей и умных ассистентов. Я подобрала ключевые вехи и версии, чтобы было проще проследить эволюцию.

Ранние шаги: ИИ в сервисах

Всё началось задолго до громких названий. Ещё в 2007 году Яндекс впервые применил машинное обучение для ранжирования результатов поиска. Позже появилась технология Матрикснет (2013), которая значительно улучшила качество выдачи.

В 2013 году запустили Yandex SpeechKit — технологию распознавания речи. Именно на её базе позже создали голосового помощника Алису.
В 2014 году нейросети начали применять для поиска по картинкам.
В 2015 году представили Meteum — прогноз погоды на базе машинного обучения.
В 2016 году нейросетевая модель стала оценивать смысловую близость заголовков страниц и запросов пользователя, а в 2017 году алгоритм «Королёв» начал сопоставлять запрос уже с текстом самих страниц.
В 2017 году состоялась официальная презентация Алисы. Первые версии работали по сценариям, но уже тогда выделялись качественным распознаванием русской речи.
В 2018 году вышла первая Яндекс Станция — умная колонка, которая вывела Алису за пределы смартфонов.

Появление YaLM и рождение YandexGPT

Важным этапом стала разработка языковой модели-трансформера YaLM (Yet another Language Model). В июне 2022 года представили YaLM на 100 млрд параметров с открытым кодом — это была исследовательская веха.

На базе YaLM в феврале 2023 года начали создавать генеративную нейросеть. Изначально проект называли YaLM 2.0, но позже переименовали в YandexGPT.

17 мая 2023 года — официальный релиз YandexGPT. Модель интегрировали в Алису.
7 сентября 2023 года — выход YandexGPT 2. По внутренним тестам, она давала более точные и детальные ответы в 67% случаев по сравнению с первой версией.
28 марта 2024 года — запуск YandexGPT 3 Pro (для бизнеса и Yandex Cloud) и облегчённой YandexGPT Lite (28 мая 2024).
24 октября 2024 года — YandexGPT 4 Pro и 4 Lite. Ключевое новшество — поддержка «скрытых рассуждений» (chain-of-thought): модель стала разбивать сложные задачи на шаги.
25 февраля 2025 года — YandexGPT 5 Pro. В тестах она показала паритет с GPT-4o в 64% задач.
31 марта 2025 года — YandexGPT 5 Lite Instruct. Эту версию дополнительно настроили для решения пользовательских задач по промтам, и её выложили в открытый доступ.
28 августа 2025 года — YandexGPT 5.1 Pro. Ориентирована на корпоративные задачи: анализ данных, подготовка отчётов, поддержка RAG (использование внутренних баз знаний компании).

Развитие экосистемы

Параллельно с языковыми моделями развивались и другие направления:

В 2024 году в Шедевруме представили YandexART 2.0 — гибридную модель (свёрточная + трансформерная) для генерации изображений.
В октябре 2024 года технологии Нейро (который весной 2024 года стал отдельным сервисом) интегрировали прямо в Поиск.
В 2025 году появился формат «Поиск с Алисой» — переход к полноценному диалогу прямо в поисковой строке.
Осенью 2025 года представили Алиса AI — универсальную нейросистему, ориентированную на решение конкретных пользовательских задач, а не только на генерацию текста.
В 2026 году вышли обновления: Алиса научилась подстраиваться под стиль общения пользователя, а также появились ИИ-агенты (например, «Исследователь» для комплексного анализа данных) и режим «Репетитор».

Как это меняло продукты

Эволюция шла от улучшения базовых сервисов (поиск, картинки, погода) к созданию полноценных ассистентов и инструментов для бизнеса. Ключевой поворот случился в 2023 году: интеграция YandexGPT превратила Алису из исполнителя команд в генеративный ИИ, способный писать тексты, код, поддерживать сложные диалоги.

Мультимодальные модели и работа с изображениями

Если YandexGPT — это про текст и код, то для картинок у Яндекса своя ветка: YandexART.

2023–2024: YandexART первой версии научили генерировать изображения по русским промптам и хорошо понимать локальный контекст (русские шрифты, надписи, бытовые сцены). Это важно для быстрого создания обложек, баннеров, иллюстраций к статьям.
Октябрь 2024: YandexART 2.0. Модель стала гибридной (свёрточная + трансформер) и заметно лучше держит композицию, пропорции и детали. В Шедевруме это дало более предсказуемые результаты: меньше «сломанных» пальцев и артефактов, лучше читаются надписи на картинке.

В связке «YandexGPT + YandexART» получается рабочий конвейер: сначала текстовая модель пишет промпт и варианты композиции, потом картинка рисуется в YandexART. Такой подход активно используют в маркетинговых командах и контент‑студиях.

Нейро и «Поиск с Алисой»: как ИИ стал решать задачи

Весной 2024 запустили сервис Нейро, а осенью 2024 его технологии встроили прямо в Поиск. Смысл не в том, чтобы просто ответить, а в том, чтобы решить задачу пользователя:

Нейро сам делает до 5 уточняющих запросов, собирает информацию из нескольких источников, суммирует и даёт ответ со ссылками.
В мае 2025 «Поиск с Алисой» расширил это: теперь в выдаче могут быть не только тексты, но и мини‑статьи с картинками, видео, структурированными списками.
Появилась поддержка VLM (Visual Language Model): можно загрузить фото и спросить «что это за ошибка в консоли» или «как сверстать такой блок», а модель проанализирует изображение и даст пояснение. Для твоих задач по вёрстке это удобно: можно кидать скриншот макета и просить «напиши HTML/CSS под этот блок».

Алиса и Alice AI: переход от ассистента к агентам

Осенью 2025 представили Alice AI как семейство моделей для решения прикладных задач, а не только для диалога. В 2026 году это уже не просто «болталка», а набор режимов:

«Исследователь» — глубокий анализ: собирает данные, сравнивает варианты, делает сводную таблицу, приводит источники. Например, можно попросить «сравни 3 CMS для корпоративного сайта по требованиям Роскомнадзора в 2026» — и получить структурированный ответ.
«Репетитор» — объясняет пошагово, с примерами и проверкой понимания. Удобно, если нужно быстро освоить новую библиотеку или разобраться в нюансах SEO.
«Вайб‑кодинг» и вёрстка: модель подстраивается под стиль кода, соблюдает принятые в проекте соглашения, может предложить несколько вариантов реализации.

Также в 2026 Алиса научилась лучше учитывать контекст диалога и «память» о предыдущих задачах: если ты делаешь проект поэтапно (макет → вёрстка → SEO), она помнит предыдущие шаги и не начинает каждый раз с нуля.

Корпоративные и облачные версии: YandexGPT Pro и RAG

Для бизнеса и интеграций в продукты используют YandexGPT Pro (версии 3 Pro, 4 Pro, 5 Pro, 5.1 Pro) и облачную платформу Yandex Cloud.

Ключевые фишки:

RAG (Retrieval‑Augmented Generation): модель может обращаться к внутренней базе знаний компании (документация, регламенты, FAQ) и отвечать строго по этим данным. Это полезно, когда нужно, чтобы ИИ не «выдумывал», а опирался на утверждённые тексты.
Контекстное окно: актуальные версии держат в памяти до 60 страниц текста. Это позволяет загружать большие ТЗ, макеты в текстовом виде, требования к сайту и получать точные ответы без потери контекста.
Тонкая настройка (fine‑tuning): для специфических доменов (например, юридическая консультация для нерезидентов или расчёт тарифов ЖКХ) можно дообучать облегчённые версии, чтобы они говорили на нужном языке и в нужном стиле.

Техническая сторона: как устроены версии и чем отличаются

Pro‑версии (например, YandexGPT 5.1 Pro) — большие, точные, дорогие в расчёте на токен, зато хорошо держат контекст и решают сложные задачи. Их ставят в облаке или используют через API для внутренних инструментов.
Lite‑версии (YandexGPT Lite, YandexGPT 5 Lite Instruct) — быстрые и дешёвые, подходят для массовых сценариев: автоответы, генерация коротких текстов, подсказки в интерфейсе.
Instruct‑версии дополнительно заточены на следование инструкциям и выполнение задач по чёткому алгоритму.

Что ещё важно знать про развитие ИИ в Яндексе

Локализация и русский язык: модели изначально обучались на большом объёме русскоязычного контента, поэтому лучше понимают идиомы, профессиональный сленг, региональные особенности.
Безопасность и контроль: в корпоративных сценариях есть механизмы ограничения тем, фильтрации ответов, проверки фактов по доверенным источникам.
Интеграции: API в Yandex Cloud, плагины для редакторов, встраивание в CRM/таск‑трекеры — чтобы ИИ был не отдельным окном, а частью рабочего процесса.

Инфраструктурные и «невидимые» технологии: что стоит за фасадом моделей

Когда вы используете Алису или YandexGPT, ты видишь только интерфейс, но за ним — целая инфраструктура, которая делает ИИ быстрым, дешёвым и применимым в реальных проектах (вроде вёрстки, интеграции с CMS, работы с оборудованием).

YandexInference — платформа для быстрого и дешёвого запуска нейросетей в продакшене. Она отвечает за то, чтобы модель отвечала с низкой задержкой даже при большой нагрузке. Для разработчиков это важно, если они встраивают ИИ в свои сервисы (например, чат-бот поддержки, автогенерация описаний товаров).
Суперкомпьютеры Яндекса — именно на них обучают большие версии (Pro). У них своя оптимизация под трансформеры и под русский язык: отдельные слои под морфологию, падежи, склонения. Это одна из причин, почему YandexGPT лучше держит русскую грамматику в длинных ответах.
RLHF и AI‑тренеры. Модели не просто «читали интернет», их дообучали на примерах хороших ответов. Этим занимались AI‑тренеры (редакторы, предметные эксперты), а дальше модель докручивали с помощью Reinforcement Learning from Human Feedback. В практическом смысле это значит, что модель реже уходит в «воду», лучше следует структуре и формату (например, «выдай ответ списком», «сделай таблицу», «напиши код с комментариями»).

Агентная архитектура и будущее: что идёт дальше

В 2026 году в экосистеме Яндекса активно развивают агентные системы: не одну модель, а цепочку действий. Пример рабочего агента:

Сбор: «Возьми требования РКН 2026 из официальных источников».
Анализ: «Сопоставь их с текущим сайтом клиента».
План: «Составь список правок: что поправить в коде, какие документы добавить, где разместить ссылки».
Реализация: «Сгенерируй фрагменты кода/текстов под эти правки».
Проверка: «Проверь, не нарушены ли другие требования при этих изменениях».

Такие агенты уже доступны в облачных сценариях (Yandex Cloud) и в расширенных версиях Алисы. Для небольших задач хватает режима «Исследователь», для корпоративных — Pro‑версии с RAG (чтобы опираться на внутреннюю базу знаний).

Нюансы, которые важно держать в голове

Факты ≠ гарантия. Даже самые сильные модели могут ошибаться в деталях (версии ПО, точные параметры оборудования, формулировки законов). Всегда перепроверяйте критичные данные по официальным источникам.
Промпт решает многое. Чем конкретнее задача (роль, формат, ограничения, примеры), тем лучше результат. Например, вместо «сверстай» лучше: «Сверстай на Flex, ширина контейнера 1200px, на мобильных — 100% ширины, добавь комментарии, не используй внешние библиотеки».
Контекст и длина. Pro‑версии держат большой контекст, но и у них есть предел. Если даёшь ТЗ на 20 страниц, лучше разбивать на логические блоки.
Безопасность и данные. Если работаешь с реальными данными (логины, пароли, персональные данные), не передавай их в публичные модели. Для таких задач используют изолированные облачные среды и RAG с контролируемыми базами.

Новые форматы взаимодействия: от чата к инструментам

В 2026 году Алиса AI всё меньше ощущается как «чат», и всё больше — как набор встроенных инструментов. Вот какие форматы реально экономят время в рабочих задачах.

Режим «Вайб‑кодинг» (vibe coding)

Это не про «дай мне код», а про «делай вместе со мной»: ты кидаешь контекст (фрагмент кода, требования, скрин), а модель ведёт себя как напарник — предлагает варианты, объясняет компромиссы, предупреждает о рисках.

Корпоративные сценарии: RAG и приватные базы знаний

Если ты делаешь проект для компании, где нельзя «сливать» данные в публичный ИИ, используют RAG (Retrieval‑Augmented Generation) в Yandex Cloud.

Как это выглядит на практике:

В облако загружают внутреннюю документацию: ТЗ, брендбук, гайдлайны, требования РКН, регламенты.
Модель отвечает строго по этим документам, не «придумывая» лишнего.
Можно сделать «эксперта» под конкретную роль: «Frontol‑инженер», «SEO‑специалист», «Техписатель».

Интеграции и автоматизация: API, плагины, CI

В Yandex Cloud есть API для YandexGPT Pro и Lite, и его реально встраивают в рабочие процессы:

Плагины в редакторах кода: автодополнение, рефакторинг, генерация тестов.
CI‑пайплайны: автоматическая генерация changelog, описаний релизов, документации по коду.
CMS/конструкторы: автогенерация мета‑тегов, alt‑текстов, микроразметки.

Для ИТ‑проекта это значит, что часть рутины (документация, тексты, разметка) можно автоматизировать, а фокус оставить на архитектуре и UX.

Краткий итог

Путь от поиска к агентам

Сначала ИИ улучшал базовые сервисы: Матрикснет для поиска, SpeechKit для речи, Meteum для погоды — всё это были первые шаги, где машинное обучение работало «под капотом».
Потом появился генеративный ИИ: с YaLM как исследовательской базой и далее YandexGPT (версии 1–5, Pro/Lite/Instruct) — уже для создания текстов, кода и диалогов.
Дальше — мультимодальность и VLM: YandexART для картинок, а также модели, которые понимают и текст, и изображения.
Сейчас — агентность и интеграция: режимы вроде «Исследователь» и «Репетитор», цепочки рассуждений, RAG (работа по внутренним базам знаний), API и встраивание в рабочие процессы.