GigaChat в программировании справляется на уровне рабочих скриптов и SQL-запросов — модель пишет и объясняет код для 1С и Python-автоматизации, а в сложных многошаговых задачах уступает моделям, заточенным под код специально. Ниже — где GigaChat применяют для кода на практике, чем это отличается от западных моделей, как подключить модель по API и что проверять в готовом коде руками.
Что умеет модель
GigaChat пишет и объясняет код для типовых рабочих задач — скрипты для 1С и Python-автоматизации, SQL-запросы к отчётам, разбор чужого кода для коллеги без технического опыта; линейка моделей Lite, Pro и Max растёт по качеству и стоимости запроса.
Для рабочих скриптов и запросов к базе GigaChat справляется уверенно: понимает структуру таблиц, если её описать в запросе, предлагает варианты SQL-запроса под конкретную задачу, комментирует код построчно. Постановка задачи на обычном русском языке без строгого технического синтаксиса воспринимается моделью ровно.
Три уровня модели — GigaChat Lite, GigaChat Pro и GigaChat Max — различаются глубиной разбора задачи и стоимостью запроса; для коротких скриптов и простых SQL-запросов обычно хватает младшей модели, для многошаговой логики берут версию выше. Подробный разбор возможностей — в статье GigaChat для бизнеса: возможности.
Модель обучена в том числе на русскоязычной технической документации — это заметно на задачах, где нужно объяснить код или запрос коллеге без технического образования: формулировки получаются понятнее, чем прямой перевод английского термина или калька с зарубежной документации.
Где применяют
| Задача | Что делает модель | Что проверяет человек |
|---|---|---|
| Скрипт для 1С | черновик обработки на встроенном языке по описанию задачи | синтаксис среды 1С и совместимость с версией конфигурации |
| Python-автоматизация | код для выгрузки, переименования файлов, простого разбора таблиц | работу скрипта на реальных данных и обработку ошибок |
| SQL-запрос к отчёту | запрос под структуру таблиц, что описаны в промпте | план выполнения запроса и корректность соединений между таблицами |
| Объяснение чужого кода | пересказ логики по шагам для коллеги без опыта в разработке | точность пересказа по ключевым местам кода |
Условный пример для Python-автоматизации: скрипт, что раз в день выгружает свежий прайс поставщика из общей папки, переименовывает файл по дате и складывает в архив — типовая задача для отдела снабжения или бухгалтерии, где важна регулярная повторяемость сценария, а разовый результат вторичен.
Задачи из таблицы объединяет общая черта — результат проверяемый: скрипт либо отрабатывает на реальных данных, либо нет, запрос либо возвращает верную выборку, либо ошибку. Для таких задач GigaChat — рабочий инструмент вместо эксперимента.
Где слабее других
В многошаговых задачах программирования — архитектура сервиса целиком, сложная логика с десятками условий, код на редком языке или фреймворке — модель уступает решениям, что специализируются на коде отдельно. Разница заметна на задачах, где важна память о структуре большого проекта целиком вместо отдельного файла: здесь GigaChat реже удерживает контекст так же уверенно, как модели, обученные на огромных объёмах кода специально.
Типичный сигнал границы — задача, где решение держится на памяти о нескольких файлах сразу: модель путает, в каком именно модуле лежит нужная функция, если фрагменты кода даны разрозненно вместо одного связного запроса.
Честная оценка без цифр: для типового рабочего скрипта или SQL-запроса разница редко критична, а для архитектурного решения или редкого стека стоит свериться результатом ещё одной модели перед тем, как брать код в работу.
Какую задачу на GigaChat вы бы попробовали в первую очередь?
Подключение по API
- Зарегистрировать доступ к GigaChat API на портале разработчика Сбера.
- Получить ключ авторизации и сохранить его в переменных окружения проекта вместо самого файла кода.
- Выбрать модель — Lite, Pro или Max — под сложность задачи.
- Отправить тестовый запрос и сверить формат ответа с документацией.
- Встроить обработку ошибок и лимитов на случай сбоя сети или превышения нагрузки.
- Замерить время ответа на типовом запросе — от него зависит, годится ли синхронный режим для конкретного сценария или нужен асинхронный.
У GigaChat API есть синхронный и асинхронный режимы обращения к модели — для разового скрипта или интерактивной проверки годится синхронный, для потоковой обработки большого числа запросов задачу отправляют асинхронно и забирают результат отдельным запросом.
Пошаговый разбор подключения — в статье как подключить GigaChat по API; термин и общее устройство модели — в глоссарии GigaChat.
Пример и проверка
Условный пример: промпт для SQL-запроса к таблице заказов интернет-магазина. Задача — вывести сумму заказов за прошлый месяц по каждому менеджеру, отсортировать по убыванию, исключить отменённые заказы. В запросе к модели описывают структуру таблиц (заказы, менеджеры, статусы) и просят прокомментировать каждое условие запроса отдельной строкой — так проще сверить логику построчно.
Структуру таблиц описывают явно — названия столбцов и типы данных вместе с человеческим названием сущности вроде «таблица заказов»: так модель реже путает поле с идентификатором менеджера с похожим полем из другой таблицы.
Выбери из таблицы orders сумму по каждому manager_id за прошлый календарный месяц, исключи заказы со статусом cancelled, отсортируй по убыванию суммы. К каждому условию запроса добавь комментарий одной строкой. пример запроса к модели
Готовый запрос проверяют так же, как код от коллеги: смотрят план выполнения, сверяют список исключённых статусов с реальным списком в базе, прогоняют на тестовой выборке перед тем, как ставить в отчёт на поток. Отдельные скрипты и запросы такого рода обычно встраивают в общую автоматизацию процесса — разбор подхода на странице автоматизации бизнес-процессов.
Второй условный пример — скрипт для 1С, что собирает акт сверки по контрагенту за квартал из нескольких документов встроенного учёта. Промпт описывает исходные документы, правило сопоставления сумм и формат итогового отчёта — модель отдаёт черновик обработки, а специалист 1С проверяет его на тестовой базе, прежде чем ставить в основной контур. Такой промпт обычно короче SQL-запроса из первого примера, зато требует точнее описать бизнес-правило сопоставления — именно оно чаще всего расходится с ожиданием, если сформулировано на словах слишком общо.
Дополнительная проверка перед переносом скрипта в рабочий контур — прогон на копии реальных данных за прошлый период: результат сверяют построчно с уже готовым отчётом за тот же период, и расхождения разбирают до того, как автоматизация встаёт на регулярное расписание.