Поисковая выдача по запросу «нейросеть для работы с документами» это десять подборок сервисов. Списки на двадцать позиций, короткие описания, ссылки на тарифы. Все они отвечают на вопрос «что взять» и ни один не отвечает на вопрос «насколько результату можно верить».
Разница между этими вопросами стоит денег. Сервис, который вытаскивает из счета номер и сумму, полезен ровно настолько, насколько известно, как часто он их путает и на каких документах. Иначе экономия на ручном вводе превращается в поиск одной ошибки среди сотни строк.
Дальше цифры точности с методикой, по которой их можно получить на своих документах. Часть цифр наши, из замера на проде. Часть чужие, из тарифов вендоров, и у каждой стоит дата проверки.
Три разные задачи, которые называют одним словом
Под работой с документами прячутся три занятия с разной ценой ошибки.
Распознать. Получить текст из скана или фотографии. Метрика простая: доля символов и слов, совпавших с оригиналом. Ошибка заметна глазом, вместо нуля стоит буква «О», вместо «Иванов» получается «Ивансв». Это задача OCR, и выбор решения под нее мы разбирали в материале про распознавание документов.
Извлечь. Вытащить поля: номер договора, дату, сумму, стороны, срок действия. Здесь метрик две, и путать их дорого. Полнота показывает, сколько нужных полей машина нашла. Точность показывает, сколько из найденного оказалось мусором. Система умеет найти все поля до одного и при этом пометить полем половину лишнего текста.
Понять. Ответить на вопрос по содержанию: есть ли в договоре автопролонгация, чем вторая редакция отличается от первой. Проверяемой метрики здесь нет вообще. Ответ либо верен, либо нет, и судить об этом может только человек, который читал документ целиком.
Три задачи требуют трех разных проверок. Подборки сервисов этой разницы не делают. Дальше речь о второй задаче, извлечении полей: она чаще прочих встроена в рабочий процесс и чаще прочих ломает его молча.
Сколько машина вытаскивает на живых данных
Цифры ниже это заявленная точность движка обезличивания на 20 августа 2026 года. Задача движка ровно та, что описана выше: найти в тексте сущности заданных типов и не пропустить ни одной. Бенчмарк собран из 2867 сообщений, в них размечено 4585 сущностей.
Машина нашла 4241, пропустила 344. Взвешенное покрытие получилось 92,5 процента. Ложных срабатываний, то есть кусков текста, помеченных сущностью зря, набралось 301.
Одно среднее число говорит мало, потому что прячет разброс между типами данных. Вот та же выборка по категориям.
| Категория | Сущностей | Покрытие | Ложных |
|---|---|---|---|
| Секреты и ключи доступа | 4 | 100 % | 0 |
| Технические идентификаторы | 340 | 98,8 % | 3 |
| Финансовые данные | 198 | 98,0 % | 15 |
| Гос. идентификаторы | 639 | 97,8 % | 32 |
| Контакты | 290 | 97,6 % | 10 |
| Документы | 851 | 96,7 % | 10 |
| Организации | 166 | 92,8 % | 72 |
| ФИО | 986 | 87,3 % | 48 |
| Адрес и геолокация | 1111 | 86,5 % | 111 |
Первая строка таблицы стоит на четырех размеченных сущностях, на такой выборке процент ничего не доказывает, и мы его так и читаем. Работающие цифры начинаются со второй строки, где счет идет на сотни.
Правило формата: где машина сильна, где слаба
Разброс от 86,5 до 98,8 процента объясняется одним признаком. У данных либо есть жесткий формат, либо его нет.
Номер счета, ИНН, дата, серия и номер паспорта, телефон устроены по шаблону, у части из них есть контрольная сумма. На таких типах покрытие держится в коридоре 96,7-98,8 процента. Машина здесь не столько понимает текст, сколько узнает форму и проверяет ее арифметикой.
ФИО, адрес и название организации формата не имеют. Покрытие падает до 86,5-92,8 процента. Вся боль собирается именно тут: на эти категории приходится 287 пропусков из 344 и 231 ложное срабатывание из 301.
Внутри документов разброс небольшой. Свидетельство о рождении 98,5 процента, военный билет 97,0, водительские права 96,3, паспорт 95,7. Внутри адреса разброс втрое шире. Страна 97,8, улица 94,3, город 81,2, район 80,7. Названия городов и районов совпадают с фамилиями, склоняются и сокращаются, поэтому машина то теряет их, то видит там, где их нет.
Практический вывод для того, кто ставит нейросеть на поток документов. Реквизиты договора, суммы, даты и номера машина возьмет, выборочной сверки хватит. Адрес, ФИО и название контрагента читает человек. Это распределение внимания, а не недоверие к технологии: проверять надо там, где ошибка вероятнее.
Если документы идут потоком через согласования, порядок в самом процессе даст больше, чем выбор модели. Разбор процесса в материале про автоматизацию документооборота.
Правдоподобно не значит верно
Автоматическая обработка ошибается двумя способами. Первый очевиден: она чего-то не увидела. Второй опаснее, потому что результат при нем выглядит правильным.
17 августа 2026 года мы разбирали фид тендеров. В карточках лежала ссылка на закупку: нормальный адрес, правильная структура, узнаваемый идентификатор внутри. Ссылка не открывалась. Оказалось, что адрес собирался шаблоном по идентификатору, а источник такой ссылки не отдавал вообще. Битой была не одна карточка, а весь фид целиком.
Ни одна автоматическая проверка этого бы не поймала. Строка валидная, поле заполнено, формат соблюден. Поймал человек, который открыл случайную карточку руками.
С ответами языковой модели по документу работает та же логика. Модель отвечает уверенно и когда пересказывает текст, и когда достраивает недостающее. Кто отвечает за такие выдумки перед клиентом и что писать про это в договоре с подрядчиком, разбирали в материале про ответственность за галлюцинации нейросетей.
Отсюда простое следствие. Выборочная проверка руками это часть конвейера, а не признак недоверия к нему. В регламенте она выглядит как строка с долей документов, сроком и именем проверяющего.
Сколько это стоит и за что берут деньги
Счет за нейросеть растет от объема текста, а не от числа документов. Единица измерения токен, кусок слова. Модель платно читает вход и платно пишет выход. Поэтому отчет на сотни страниц обходится дороже, чем пачка коротких счетов, даже если счетов в пачке больше.
Официальные тарифы GigaChat API для юрлиц и ИП, проверено 31 августа 2026 года.
| Модель | Синхронно, ₽ за 1000 токенов | Асинхронно, ₽ за 1000 токенов |
|---|---|---|
| GigaChat Lite | 0,065 | 0,0325 |
| GigaChat Pro | 0,5 | 0,25 |
| GigaChat Max | 0,65 | 0,325 |
| Embeddings | 0,014 | 0,007 |
Пакетом выходит иначе: Lite на 300 млн токенов стоит 19 500 ₽, Pro на 50 млн 25 000 ₽, Max на 30 млн 19 500 ₽, Embeddings на 1 млрд 14 000 ₽. Пакет действует 12 месяцев. Минимальный платеж 600 ₽ в месяц, то есть месяц простоя тоже стоит денег.
Реселлеры считают за миллион токенов. У AITUNNEL, проверено 31 августа 2026 года, GigaChat 2 стоит 111 ₽ за миллион на вход и столько же на выход, GigaChat 2 Pro 850 ₽, GigaChat 2 Max 1105 ₽. В разделе вопросов на той же странице стоит другая цифра, 650 ₽ за миллион. Расхождение на одной странице это повод письменно уточнить цену до подключения.
Цены Yandex Vision OCR мы не приводим. 31 августа 2026 года страница тарифов отдала капчу «Вы не робот?», цены не проверены, ставить их по памяти нельзя.
Что из этого следует для бюджета. Считать надо не стоимость документа, а объем текста, который уходит в модель за один прогон, и умножать на число прогонов. Один договор, прочитанный трижды ради трех разных вопросов, оплачивается трижды.
Персональные данные: что нельзя грузить в чужое облако
Скан паспорта сотрудника, СНИЛС, адрес прописки, карточка клиента с телефоном. Как только такой файл уходит в чужой сервис, начинается обработка персональных данных сторонним лицом со всеми последствиями: нужны основание, поручение на обработку, срок хранения и понимание, где эти данные лежат.
Перед загрузкой читают пользовательское соглашение сервиса. Там написано, что он делает с загруженным файлом, сколько его хранит и использует ли содержимое для обучения. У бесплатных тарифов условия обычно жестче, чем у платных, и это отдельная причина не носить туда кадровые сканы.
Про хранение копий документов сотрудников писали отдельно, в материале про копию паспорта сотрудника. Про то, как канал до модели выглядит с точки зрения требований регулятора, в материале про ПДн в ИИ-канале.
Рабочий обходной путь снимает большую часть вопроса. Текст обезличивают до отправки: имена, адреса и номера заменяются метками, модель работает с обезличенным текстом, обратная подстановка происходит на своей стороне. Именно на этой задаче получены цифры выше. Они же объясняют, почему после обезличивания человек все равно нужен: на адресах и ФИО покрытие 86,5-92,8 процента, остаток ловит проверяющий.
Как проверить нейросеть на своих документах за один день
Своя проверка занимает рабочий день и отвечает на вопрос, на который не отвечает ни одна подборка сервисов.
-
Собрать выборку
Типичные документы, а не удачные. Мятые сканы, фотографии с телефона, договоры контрагентов с их версткой. Каждый тип документа должен встретиться несколько десятков раз, иначе процент по нему ничего не покажет.
-
Разметить эталон руками
Открыть каждый документ и выписать все поля, которые машина обязана найти. Это самый долгий шаг и он же самый важный: без эталона сравнивать не с чем. Для ориентира по размеру, наш бенчмарк это 2867 сообщений и 4585 размеченных сущностей.
-
Прогнать через сервис
В том же виде, в каком документы приходят в работу. Без предварительной чистки, поворота сканов и ручного кадрирования, иначе замер покажет лабораторные условия, а не рабочие.
-
Посчитать два числа раздельно
Пропуски и ложные срабатывания по каждому типу поля. Одно общее число прячет разброс, а решение принимается по конкретным полям: какие можно отдать машине, какие остаются человеку.
-
Записать методику
Что считалось попаданием, кто размечал эталон, какая была выборка. Без этой записи цифра нечитаема через месяц и не сравнима со следующим замером.
Пятый шаг важнее самой цифры, и вот почему. Один и тот же движок на одной и той же выборке дает разные проценты в зависимости от способа счета. Пока кейс засчитывается по принципу «все или ничего», цифра низкая. Как только попадание считается по каждой отдельной сущности, она вырастает в полтора раза, хотя в коде не поменялось ничего.
Обе цифры честные, и сравнивать их между собой нельзя. Поэтому у вендора спрашивают не процент, а три вещи: какая была выборка, что считалось попаданием и кто размечал эталон. Процент без ответов на них остается рекламной строкой.
Обезличим документы до того, как они уйдут в модель
Замер покрытия на вашей выборке, разбор пропусков по типам полей, методика счета письменно.
Какую нейросеть выбрать под работу с документами?
Сначала определите задачу из трех: распознать текст со скана, извлечь поля или ответить на вопрос по содержанию. Под распознавание берут OCR-движок, под извлечение полей систему с разметкой сущностей, под вопросы по тексту языковую модель с поиском по документу. Один сервис редко хорош во всех трех, а сравнение по подборке без своего замера ничего не решает.
Какие нейросети для документов бесплатные и где ограничения?
Бесплатные тарифы есть почти у всех крупных сервисов, но ограничения лежат в трех местах: объем в месяц, размер файла и условия по загруженным данным. Третье и есть настоящее ограничение для компании. Лимиты меняются, поэтому их смотрят на странице тарифов в день подключения, а не по обзору полугодовой давности.
Можно ли грузить в нейросеть договоры с персональными данными?
Загрузка в чужой сервис это передача персональных данных стороннему лицу, и она требует основания, поручения на обработку и понимания, где данные хранятся. Безопаснее обезличивать текст до отправки и подставлять реальные значения обратно у себя. Даже в этом случае адреса и ФИО проверяет человек: покрытие по ним 86,5-92,8 процента.
Какие ошибки чаще всего мешают получить хороший результат?
Три штуки. Первая: доверять полям без формата так же, как полям с форматом, хотя на ФИО, адресах и организациях у нас собралось 287 пропусков из 344. Вторая: принимать правдоподобный результат за верный, как было с фидом тендеров, где ссылка выглядела корректной и не открывалась. Третья: сравнивать проценты точности из разных методик счета.
Сколько стоит проверка нейросети на своих документах?
Деньгами это стоимость токенов на выборке. У GigaChat API минимальный платеж 600 ₽ в месяц, тариф Lite 0,065 ₽ за 1000 токенов синхронно, проверено 31 августа 2026 года. Основная статья расхода не деньги, а время человека на ручную разметку эталона. Этот день окупается тем, что дальше вы знаете, какие поля можно отдать машине.
Замерим точность на вашей выборке
Оставьте контакт: обсудим, какие поля вы хотите отдать машине, соберем эталон и покажем покрытие с раскладкой по типам полей и описанной методикой счета.
Нейросеть для работы с документами берет реквизиты почти без ошибок и путает адрес с названием компании. Как замерить точность на своих документах и по какой методике принимать результат.
