ИИ-бот в Телеграме: сколько стоит месяц его работы

Давыдов Константин Юрьевич · Основатель aiglue

Смета на разработку бота обсуждается до старта, счёт за эксплуатацию приходит после. Мы разобрали 442 заказа, заведённых в работу с бирж за всё время наблюдения; 119 из них касались ботов и языковых моделей. Бюджет на месяц работы не назван ни в одном.

Ниже посчитано, из чего этот месяц складывается: цена токенов у моделей, доступных из России, рост счёта от длины диалога, сервер, поддержка базы знаний и цена неверного ответа. Часть расчётов приведёт вас к выводу, что ИИ-бот в Телеграме вашей задаче не нужен. Такой исход разобран отдельно, в разделе «Кому ИИ-бот не нужен».

Из чего складывается месяц работы ИИ-бота?

Из пяти статей расхода, и заказчик обычно считает одну. Месяц работы ИИ-бота в Телеграме состоит из платы за токены модели, аренды сервера, базы под историю диалогов и поиск, ручной поддержки базы знаний и разбора неверных ответов. Разработка оплачивается один раз, эти пять статей - каждый месяц.

Статья расхода	От чего зависит	Как обычно ошибаются
Токены модели	число диалогов, длина каждого, размер системного промпта	считают по одному запросу вместо диалога
Сервер	нагрузка, требование хранить данные в России	принимают единственную дешёвую строку за весь счёт
База данных и поиск по ней	объём базы знаний, частота переиндексации	закладывают бесплатный тариф, рассчитанный на прототип
Поддержка базы знаний	как часто меняются цены, условия, ассортимент	считают базу разовой загрузкой
Разбор неверных ответов	доля вопросов вне базы, цена ошибки в вашей нише	не закладывают вовсе

Дальше разобрана каждая строка, а в разделе про сервер собран итог на тысячу диалогов в месяц. Начинаем со статьи, которая в подборках готовых ботов не названа никогда.

Сколько стоит тысяча токенов у моделей из России?

От 6,5 копейки до 80 копеек. Токен - кусок текста длиной в несколько знаков, на такие куски модель делит и ваш вопрос, и свой ответ, а счёт выставляет за тысячу штук отдельно на вход и на выход. Разброс между самым дешёвым и самым дорогим вариантом примерно двенадцатикратный, и он больше любой разницы в качестве ответа.

Цены ниже сняты 6 сентября 2026 года с официальных страниц тарифов и указаны в рублях с НДС. Режим синхронный - тот, в котором работает бот в чате.

Модель (сентябрь 2026)	Вход, ₽ / 1000 токенов	Выход, ₽ / 1000 токенов
YandexGPT Pro 5.1	0,8	0,8
YandexGPT Lite	0,2	0,2
Alice AI LLM Flash	0,1	0,2
GigaChat Lite	0,065	0,065
GigaChat Pro	0,5	0,5
GigaChat Max	0,65	0,65

Три обстоятельства меняют этот прайс сильнее, чем выбор строки в таблице. Первое: асинхронный режим у обоих провайдеров примерно вдвое дешевле синхронного, но боту он не подходит - человек ждёт ответ в чате. ИИ-бот в Телеграме по устройству платит по дорогому тарифу.

Второе: у GigaChat есть минимальный платёж 600 ₽ в месяц с НДС. Сбер оговаривает, что платёж не взимается, если сервис вообще не использовался, так что шестьсот рублей платит бот, который отвечает хотя бы изредка.

Третье: один и тот же русский текст стоит по-разному на разных моделях, потому что по-разному делится на токены. Яндекс приводит собственный замер на тексте в 501 знак: токенизатор YandexGPT Pro укладывает в токен 5,2 знака, Qwen3 235B - 3,6 знака. Полтора раза разницы в счёте при одинаковой цене за тысячу.

Зарубежные модели по цене токена выигрывают: у gpt-4o-mini вход обходится примерно в 1,3 копейки за тысячу токенов при официальной котировке Банка России 86,5857 ₽ за доллар на 5 сентября 2026 года. Против этого стоит один факт. России нет в списке поддерживаемых стран OpenAI, и страница формулирует последствия прямо - «Accessing or offering access to our services outside of the countries and territories listed below may result in your account being blocked or suspended», то есть «доступ к нашим сервисам или предоставление доступа к ним за пределами перечисленных стран и территорий может привести к блокировке или приостановке вашей учётной записи». Бизнес-бот на такой связке может замолчать в любой день по решению вендора.

Почему счёт растёт быстрее числа обращений?

Из-за истории диалога. Она отправляется в модель целиком при каждом новом вопросе, потому что модель прошлый ход не помнит - переписку прикладывает заново ваш код. Вход поэтому растёт квадратично от числа реплик, и десять диалогов по восемь реплик обходятся дороже, чем восемьдесят одиночных вопросов.

Механика подтверждается обоими вендорами. OpenAI в разделе про состояние разговора пишет: «Even when using previous_response_id, all previous input tokens for responses in the chain are billed as input tokens in the API» - «даже при использовании previous_response_id все предыдущие входные токены ответов в цепочке тарифицируются как входные токены API». Сбер формулирует то же требование со стороны разработчика: «историю чата нужно передавать явно в поле messages запроса POST».

Арифметика простая. Если системный промпт занимает S токенов, а пара «вопрос-ответ» - примерно R токенов, то на N-й реплике во входе лежит S + (N−1)·R, а за весь диалог оплачивается N·S + R·N·(N−1)/2 входных токенов.

Подставим числа и назовём допущения вслух: системный промпт с инструкциями 1500 токенов, вопрос клиента 60 токенов, ответ бота 250 токенов, диалог из восьми пар реплик. На YandexGPT Pro 5.1 такой диалог обойдётся примерно в 18 ₽. Тысяча диалогов в месяц - около 18 000 ₽ на одну только модель; на GigaChat Lite тот же объём выходит примерно в 1500 ₽. Обе цифры получены умножением публичного прайса на эти допущения; ничьего реального счёта за ними не стоит.

Кеширование промпта помогает частично. Anthropic отдаёт чтение из кеша вдесятеро дешевле обычного входа, но срок жизни кеша по умолчанию пять минут, а запись в него стоит дороже обычного запроса. У YandexGPT Pro 5.1 колонка кешированного входа в прайсе равна обычной, то есть скидки нет вовсе. Кеш экономит на неизменной шапке промпта, и только пока клиенты пишут часто.

Сколько текста уезжает в модель до первого вопроса?

Больше, чем кажется. В нашем собственном ИИ-боте в Телеграме база знаний загружается в системный промпт целиком при каждом запросе - 55 614 знаков в двух файлах. Клиент ещё молчит, а модель уже получила весь справочник и выставит за него счёт. Функция называется _load_quiz_system_prompt, и комментарий над ней объясняет решение честно: «Загружаем базу знаний в system_prompt при старте, чтобы не тратить turns на Read».

Перевести знаки в токены точно мы не можем и не будем делать вид, что можем: замер токенизатором мы не проводили. По коэффициенту из документации Яндекса - от 3,6 до 5,2 знака на токен - получается 11-15 тысяч токенов в каждом запросе. При цене YandexGPT Pro 5.1 выходит от 9 до 12 ₽ за один вопрос клиента, до того как модель произнесла первое слово ответа.

Системный промпт из расчёта в предыдущем разделе весил полторы тысячи токенов - одни инструкции и правила поведения, без базы. Загруженный справочник добавляет к ним ещё в семь-десять раз больше. Первая цифра - допущение расчёта, вторая - пересчёт из знаков нашей базы, и разница между ними целиком в том, положили ли в промпт справочник.

Отсюда растёт вторая по важности команда бота. Она сжимает разговор: модель пересказывает диалог в три-пять предложений, сессия сбрасывается, новая начинается с этой выжимки. Код предусматривает и провал сжатия, и тогда пользователь видит строку «Контекст сброшен (сжатие не удалось). Новая сессия».

Память бота живёт семь дней. Идентификатор сессии лежит в Redis с этим сроком, после чего клиент, вернувшийся через неделю, начинает разговор с нуля. Хранить переписку дольше - отдельная работа и отдельная строка в бюджете.

Наш опыт в ИИ-интеграциях и Telegram-ботах открыт для чтения: демонстрационный репозиторий с измеренным порогом отказа разобран ниже, а сроки и вилки по типовым задачам собраны в ответах на частые вопросы. Разложить свой счёт по пяти статьям расхода можно и без нас; если не получается, опишите задачу - посмотрим вашу схему вместе.

Что в смете дороже - сервер или токены?

Зависит от числа диалогов, и по этому вопросу инженерные разборы противоречат друг другу совершенно законно. У бота с десятком обращений в день главная строка счёта - хостинг, а модель стоит несколько сотен рублей. У бота с сотнями диалогов в месяц пропорция переворачивается, и сервер становится самой мелкой позицией сметы.

Сервер под ИИ-бота в Телеграме стоит немного. Timeweb Cloud просит 900 ₽ в месяц за конфигурацию 2 ядра / 2 ГБ / 40 ГБ NVMe в Москве, reg.ru - 390 ₽ за минимальную и 980 ₽ за 2 ядра / 2 ГБ / 40 ГБ, Selectel начинает от 948,50 ₽. Конфигурация с запасом - четыре ядра и 8 ГБ у того же Timeweb - обойдётся в 1800 ₽. Цены сняты 6 сентября 2026 года, у Timeweb они указаны при оплате за год.

Базу под историю диалогов и поиск по ней можно поднять на том же сервере: PostgreSQL с расширением pgvector - открытый код, отдельной оплаты нет. Бесплатный тариф Qdrant Cloud существует, но сам вендор описывает его как вариант для тестирования и прототипирования. Переиндексация базы знаний стоит копейки: эмбеддинги тарифицируются по 0,0101 ₽ за тысячу токенов у Яндекса и по 0,014 ₽ у Сбера, то есть справочник на 55 тысяч знаков переиндексируется за 11-22 копейки.

Отдельная строка появляется у тех, кто решил вообще не платить за токены и поставить модель к себе. GPU-линейка Selectel начинается от 21 999 ₽ в месяц, то есть выходит дороже самого сервера в двенадцать-двадцать четыре раза. Окупается такой ход только на больших объёмах.

Соберём месяц для бота с тысячей диалогов, по допущениям из предыдущего раздела. Сервер 900-1800 ₽, база на нём же 0 ₽, модель от 1500 ₽ на GigaChat Lite до 18 000 ₽ на YandexGPT Pro 5.1. Итого при этих допущениях от 2,4 до 20 тысяч ₽ в месяц за инфраструктуру и модель.

Сверху ложатся поддержка базы знаний и разбор неверных ответов. Обе статьи считаются в часах вашего человека, и провайдер их вам не выставит.

Откуда ИИ-бот берёт ответы?

Из двух источников, и от выбора между ними зависит и цена, и риск. Первый - память самой модели, второй - ваша база через RAG. RAG (retrieval-augmented generation) - схема, в которой система сначала находит подходящие куски вашей базы знаний, кладёт их в запрос и просит модель ответить по ним.

Лучше всех разницу сформулировал сам заказчик. Техническое задание с Kwork на 15 000 ₽ требует: «выбирать и отправлять только утверждённый ответ из базы знаний. Нейросеть нужна для определения смысла вопроса, а не для самостоятельного создания фактов». Там же - «не придумывать цены, сроки, гарантии и условия».

В нашем боте эта схема собрана водопадом из трёх ступеней. Сначала проверяется кеш ответов по хешу вопроса. Потом модель отвечает по базе знаний, и инструмент у неё ровно один - чтение файлов, интернета нет. Веб-поиск включается только после того, как модель призналась, что ответа не знает.

Признание оформлено техническим маркером: правила в системном промпте требуют вернуть строку [NEED_WEB], если ответа в базе нет. Тот же подход показан открыто в нашем демонстрационном репозитории docs-rag-demo под учётной записью github.com/dkyitdevops. Там ответ строится в два разделённых шага: поиск считает близость вопроса к кускам документов, и языковая модель вызывается, только если лучший результат достиг порога 0,12. Не достиг - модель молчит, и это состояние закреплено отдельным тестом.

Порог всегда стоит между двумя ошибками, и в README демо они названы числами: без штрафа за незнакомые слова на контрольной выборке выходит 12 протечек и 1 ложный отказ, со штрафом - 8 и 9. Вопрос «Где филиалы?» получает оценку 0,1041 при пороге 0,12 и остаётся без ответа, хотя про филиалы в корпусе написано прямым текстом. Такой порог настраивается на ваших данных, и в коробке правильного значения не лежит.

Почему бот выдумывает даже с базой знаний?

Потому что выдумывание неустранимо в принципе. RAG снижает его долю в разы и на этом останавливается. Исследование Стэнфорда (RegLab, май 2024) проверило коммерческие юридические системы: Lexis+ AI выдумывал в 17% случаев, Westlaw AI-Assisted Research - в 33%. Универсальные чат-боты на юридических вопросах в более раннем замере, на который та же работа ссылается, ошибались в 58-82% случаев; собственная проверка GPT-4 у Стэнфорда дала 43%.

Авторы отдельно бьют по маркетингу вендоров, обещавших ответы «hallucination-free» - «без галлюцинаций». Выдумка в каждом шестом ответе у одной системы и в каждом третьем у другой под это описание не подходит.

У этого есть теоретический предел. Работа «Hallucination is Inevitable: An Innate Limitation of Large Language Models» (arXiv, январь 2024) формально доказывает: «it is impossible to eliminate hallucination in LLMs» - «устранить галлюцинации в больших языковых моделях невозможно». Причину называет другая работа, «Why Language Models Hallucinate» (OpenAI, сентябрь 2025): принятые способы тренировки и проверки моделей поощряют угадывание там, где уместно признание неуверенности.

Проверки, на которых учат модель, награждают уверенный ответ наугад и наказывают за пропуск. Промолчать она поэтому умеет хуже, чем сочинить.

Насколько плохо она умеет молчать, видно по нашему коду. Рядом с правилом про маркер [NEED_WEB] стоит регулярное выражение на девять человеческих формулировок отказа - «не могу найти», «нет данных», «база знаний не содержит» и так далее. Комментарий над ним объясняет, зачем оно там.

# Backup-эвристика: типичные формулировки «не знаю» — на случай если модель
# проигнорирует инструкцию про маркер и выдаст человеческий отказ.

Формулировка «настроим промпт, и бот перестанет врать» разбивается об эту строку. В работающем боте пришлось написать детектор того, что модель проигнорировала прямое указание. История коммитов показывает четыре подхода к задаче, прежде чем контур заработал.

Цена одного выдуманного ответа измерена судом. В деле Moffatt против Air Canada (трибунал Британской Колумбии, февраль 2024) чат-бот авиакомпании сообщил пассажиру, что скидку можно оформить задним числом, хотя реальные правила этого не допускали.

Air Canada заявила в свою защиту, что бот - «separate legal entity responsible for its own actions», то есть «отдельное юридическое лицо, отвечающее за свои действия». Трибунал ответил, что компания отвечает за всю информацию на своём сайте, и взыскал 650,88 канадского доллара. Юрисдикция канадская, российской практики такого рода мы не нашли.

Какие лимиты Телеграма бьют по ИИ-боту?

Три штуки, и все три специфичны именно для медленного и многословного собеседника. Длина сообщения, срок жизни статуса «печатает» и поведение вебхука при долгом ответе. Общие лимиты частоты разобраны в статье про потолок конструктора ботов, здесь только то, что добавляет языковая модель.

Сообщение длиннее 4096 знаков Telegram отклоняет целиком, без всякой обрезки. Модель легко выдаёт больше, особенно если её попросили расписать подробно, и без разбиения бот молча не отвечает ничего. Наш бот режет ответ по 4000 знаков, а финальный текст отправляет одним сообщением через поле rich_message, которое держит 32768 знаков.

Статус «печатает» живёт пять секунд. Описание метода sendChatAction в Telegram Bot API формулирует это так: «The status is set for 5 seconds or less» - «статус устанавливается на 5 секунд или меньше». Ответ модели идёт дольше: по замерам из комментариев нашего кода ответ по базе знаний занимает около 9 секунд, а с походом в интернет - 30-40 секунд. Статус приходится отправлять заново каждые четыре-пять секунд, иначе человек видит тишину, пишет вопрос повторно, и вы платите за второй запрос.

Третий промах архитектурный. Если модель вызывается синхронно прямо в обработчике вебхука, Telegram считает доставку неуспешной и присылает то же сообщение снова - бот отвечает дважды, счёт за токены умножается. Точный таймаут вебхука Telegram не публикует, поэтому число здесь назвать нельзя; правило же простое - ответить площадке сразу, а модель звать в фоне.

Что требует закон от бота с языковой моделью?

Три вещи подряд. Переписка клиента с ботом почти всегда содержит персональные данные, база с ней должна находиться в России, а отправка текста в зарубежную модель считается трансграничной передачей и требует отдельного уведомления Роскомнадзора. Требования складываются в цепочку, и разорвать её нельзя ни на каком шаге.

Персональными данными переписку делает её содержимое. Бот получает идентификатор пользователя и имя с первым же обращением, ещё до того как человек что-то о себе рассказал, а дальше в чат попадают телефон, адрес, номер заказа. Чем больше такого в диалоге, тем строже к вам требования ниже.

Уведомить регулятора о намерении обрабатывать данные нужно до начала обработки - статья 22 закона 152-ФЗ. Часть 5 статьи 18 требует, чтобы запись, хранение и извлечение данных граждан России шли через базы на территории страны; Telegram по собственной политике конфиденциальности держит дата-центры за пределами России, поэтому сам чат местом хранения не считается. Статья 12 добавляет отдельное уведомление о трансграничной передаче, а часть 8 той же статьи даёт Роскомнадзору право её ограничить.

Нарушение	Норма	Штраф для юрлица
Неуведомление о начале обработки	ч. 10 ст. 13.11 КоАП	100 000 - 300 000 ₽
Обработка без согласия	ч. 2 ст. 13.11 КоАП	300 000 - 700 000 ₽
Нарушение требования о локализации	ч. 8 ст. 13.11 КоАП	1 000 000 - 6 000 000 ₽
Утечка данных 1-10 тыс. человек	ч. 12 ст. 13.11 КоАП	3 000 000 - 5 000 000 ₽

Оговорка обязательна, и она здесь важнее таблицы. Разъяснений Роскомнадзора по чат-ботам в мессенджерах нет, всё доступное публично сводится к интерпретациям юристов и вендоров, а текст выше - обзор норм, а не юридическая консультация под вашу схему. Как эти требования исполняем мы сами, видно в политике обработки данных и форме согласия.

Сложите штрафы с расчётом из раздела про сервер. Самый дорогой риск ИИ-бота живёт вне счёта за токены: миллион за базу, оставленную за границей, перекрывает годовую эксплуатацию целиком.

О чём просят в 119 заказах на ИИ-ботов

Про точность ответов написали пятеро из ста девятнадцати. Мы разобрали 442 заказа, заведённых в работу с FL.ru и Kwork за всё время наблюдения; 119 из них имеют тип «бот» или «AI». Счёт ведётся по заведённым заказам - другая методика и другой знаменатель, чем «13 заказов из 102» в статье про конструкторы, где считались упоминания в потоке сканера за 99 дней.

Что упомянуто в ТЗ	Заказов из 119
ИИ, искусственный интеллект	73
ChatGPT, OpenAI, GPT	18
База знаний	17
RAG	12
Промпт	12
Переключение диалога на человека	12
Векторный поиск, эмбеддинги	7
Точность, галлюцинации, «выдумывает»	5

Главный результат разбора - две строки про поведение бота при незнании. О том, откуда бот берёт ответы и что делает, когда не знает, на входе думает примерно каждый двадцать четвёртый. Ещё каждый десятый просит «подключать менеджера, если не может ответить самостоятельно» - проблему люди чувствуют, но формулируют как потребность в запасном человеке.

Бюджеты называют сами заказчики, и рынок расслоён надвое. На Kwork медиана по ботам - 30 000 ₽ при диапазоне от 12 000 до 200 000, по заказам с языковой моделью - 60 000 ₽ при диапазоне от 15 000 до 200 000. Треть заказов лежит ниже 20 000 ₽, рядом стоит группа в 150-200 тысяч, а середины мало. На FL.ru бюджет не указан у 52 заказов из 59.

Бюджета на эксплуатацию нет ни в одном из 119 заданий. Зато встречаются задания от тех, у кого бот уже работает: в одном из них требуется поднять точность ответов по большому корпусу технической документации и отдельным пунктом - «снижение себестоимости ответа, сейчас она неадекватно высокая». Обе задачи появились после запуска.

Оговорка про нас самих столь же обязательна. Ни один из этих 119 заказов мы не выиграли: у нас на руках срез спроса, а не портфель сданных ИИ-ботов. Всё, что мы показываем в этой статье, - публичные прайсы со ссылками и собственный код, который можно прочитать.

Как проверить смету подрядчика до подписания?

Четырьмя вопросами, и ни один не требует технических знаний. Задавайте их до подписания договора, потому что после запуска те же ответы обойдутся заметно дороже. Разница между хорошим и плохим ответом видна сразу: в первом есть число и указание, откуда оно взято.

Сколько токенов уходит на один типовой диалог и откуда взято это число. Расчёт по одному запросу вместо диалога занижает счёт в разы.
Что попадает в системный промпт при каждом запросе и сколько это знаков. Справочник целиком в промпте оплачивается на каждом вопросе клиента.
Что бот делает, когда ответа в базе нет. Ответ «модель придумает что-нибудь разумное» стоит дороже любого тарифа.
Кто правит неверный ответ и как он перестаёт повторяться. Без ответа на этот вопрос вы платите за одну ошибку многократно.

К четырём вопросам добавьте требование, которого в подборках готовых ботов не встретишь: попросите логировать стоимость каждого ответа с первого дня. У Claude Agent SDK, на котором собран наш бот, ответ модели приходит вместе с полями total_cost_usd, usage и num_turns, и в API Яндекса и Сбера расход токенов возвращается тем же ответом. Наши собственные боты эти поля выбрасывают, потому что платят подпиской, а не поштучно, и месячного счёта по своим замерам у нас поэтому нет.

Кому ИИ-бот не нужен

Тем, у кого вопросы повторяются. Языковая модель нужна там, где вопросы формулируются свободно и список их заранее неизвестен. Если ваши клиенты спрашивают одно и то же десятком разных способов, а ответов конечное число, бот на конструкторе выйдет дешевле, быстрее и предсказуемее. Выдумать он ничего не может, потому что ему попросту нечем.

Проверка простая. Выпишите пятьдесят последних обращений в вашу поддержку и разложите по типам. Если они укладываются в семь-восемь веток, языковая модель добавит расход и риск, не добавив ответов. Где конструктор упирается в собственный потолок, разобрано в отдельном разборе конструкторов.

Отрезвляющая цифра для тех, кто считает решение очевидным: отчёт MIT Project NANDA «The GenAI Divide: State of AI in Business 2025» (июль 2025, в изложении Forbes) утверждает, что 95% пилотных внедрений генеративного ИИ не дают измеримого возврата. Главная причина по версии авторов лежит в способе внедрения, а качество моделей идёт вторым номером.

С чего начать, если бот уже работает

Начните с трёх действий, если ИИ-бот в Телеграме у вас уже запущен, а счёт за него вызывает вопросы. Ни одно из них не требует переписывать бота, и все три укладываются в рабочую неделю. Порядок при этом важен, потому что без первого пункта остальные два нечем мерить.

Разложите счёт за прошлый месяц по пяти статьям расхода из таблицы в начале статьи. Если хотя бы одна не выделяется отдельно, начните с того, чтобы её выделить.
Посчитайте долю диалогов, которые кончились переключением на человека. Она показывает, что бот умеет на самом деле, лучше любой оценки точности.
Проверьте, где физически лежит история переписки и в какую страну уходит текст клиента. Пройдите всю цепочку: бот, база, модель, все внешние сервисы.

Источники

Yandex AI Studio, правила тарификации и раздел «Токены» - цены за 1000 токенов, эмбеддинги, сравнение токенизаторов на русском тексте. Проверено 6 сентября 2026.
Тарифы GigaChat API для юридических лиц, developers.sber.ru и руководство «Как сохранить контекст» - цены, минимальный платёж, передача истории в запросе. Тарифы действуют с 1 сентября 2026, проверено 6 сентября 2026.
OpenAI, цены на модели, Conversation state и список поддерживаемых стран - цена gpt-4o-mini, тарификация истории, отсутствие России в списке. Проверено 6 сентября 2026.
Anthropic, кеширование промпта - цена чтения и записи кеша, срок жизни пять минут. Проверено 6 сентября 2026.
Официальная котировка доллара на 5 сентября 2026, Банк России - 86,5857 ₽.
Timeweb Cloud, reg.ru, Selectel - цены серверов и GPU-линейки. Проверено 6 сентября 2026.
Qdrant, тарифы - описание бесплатного тарифа. Проверено 6 сентября 2026.
Varun Magesh и др., «Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools», Stanford RegLab и HAI, май 2024 - доли выдуманных ответов 17% и 33%, замер по GPT-4, ссылка на более ранние 58-82%.
Ziwei Xu и др., «Hallucination is Inevitable: An Innate Limitation of Large Language Models», arXiv, январь 2024 - доказательство неустранимости.
Adam Tauman Kalai и др., «Why Language Models Hallucinate», OpenAI, сентябрь 2025 - почему тренировка модели поощряет угадывание.
Разбор дела Moffatt против Air Canada, American Bar Association, февраль 2024 - ответственность компании за ответ бота.
Политика конфиденциальности Telegram - расположение дата-центров. Проверено 6 сентября 2026.
Telegram Bot API - описание метода sendChatAction и параметры setWebhook. Проверено 6 сентября 2026.
Статья 12, статья 18 и статья 22 закона 152-ФЗ, статья 13.11 КоАП РФ, КонсультантПлюс - обязанности оператора и размеры штрафов. Проверено 6 сентября 2026.
MIT Project NANDA, «The GenAI Divide: State of AI in Business 2025», июль 2025, в изложении Forbes от 26 августа 2025 - 95% пилотов без измеримого возврата.

Цифры про наш собственный ИИ-бот в Телеграме взяты из его кода и коммитов: этого бота мы построили себе и эксплуатируем сами. Порог отказа, тесты и честно посчитанные промахи лежат в открытом репозитории docs-rag-demo, читаются за десять минут и проверяются без нас. Если после разбора счёта у вас осталась статья расхода, которую нечем объяснить, напишите нам.