Нейросеть для анализа документов: что умеет?

Что умеет нейросеть для анализа документов?

Нейросеть для анализа документов отвечает на вопросы по содержимому файла: находит нужный пункт, сжимает отчёт до тезисов, вытаскивает даты и суммы в список, сверяет две редакции договора. Современные модели видят страницу и как текст, и как картинку, поэтому скан с печатью тоже идёт в работу.

Задачи делятся на две группы, и это деление важнее любого рейтинга сервисов. Первая группа — найти и пересказать. Вторая — пересчитать: сложить суммы, посчитать пункты, свести проценты. С первой модели справляются уверенно. Со второй как повезёт, и граница проходит по арифметике.

В документации Gemini API за 2026 год есть важная оговорка: понимание страницы «зрением» работает только для PDF. Файлы TXT, Markdown, HTML и XML модель получает как голый текст, и всё, что в них было графикой — схемы, диаграммы, разметка, — теряется по дороге. Отсюда практическое следствие: спорный документ лучше нести именно в PDF.

Какие форматы файлов читают ИИ-сервисы?

PDF — основной формат, остальное модель разбирает как обычный текст. DOCX, TXT, CSV и XLSX сервисы обычно принимают, но перед отправкой конвертируют, и вёрстка при этом упрощается. Скан или фотография страницы работают через распознавание: как это устроено, разбирали в материале про распознавание текста с картинки.

Лимиты у провайдеров разные, и об это спотыкается каждый, у кого на руках толстое дело. Google в документации Gemini API указывает потолок: PDF до 50 МБ или 1000 страниц, каждая страница засчитывается как 258 токенов. Крупные развороты ужимаются до 3072 × 3072 пикселей, мелкие растягиваются до 768 × 768.

У Anthropic рамка другая. В документации Claude заявлены 32 МБ на весь запрос и до 600 страниц, причём шестьсот доступны только моделям с контекстным окном от миллиона токенов; у остальных потолок падает до 100 страниц. PDF с паролем не примут вовсе.

Ограничение	Gemini API	Claude API
Максимум страниц за запрос	1000	600, но 100 при контексте меньше 1 млн токенов
Максимальный размер	50 МБ на файл	32 МБ на весь запрос
Защита паролем	—	файл не принимается
Вес одной страницы	258 токенов	считается по содержимому

Сколько страниц документа реально влезает в один запрос?

Влезает столько, сколько помещается в контекстное окно модели, а страницы PDF расходуют его быстрее, чем ожидаешь. Умножьте 258 токенов на число страниц — и получите нижнюю границу, к которой ещё добавится ваш вопрос и ответ модели.

Google описывает миллион токенов наглядно: это примерно 50 000 строк кода, восемь романов средней длины или расшифровки более чем двухсот подкастов (документация Gemini API, раздел про длинный контекст). Там же напоминают, что ранние модели работали с 8000 токенов за раз. Разница в два порядка и объясняет, почему разбор договора целиком стал бытовой задачей.

Дальше начинается тонкость: заявленный объём окна и полезный объём — не одно и то же. Чем плотнее набит контекст, тем аккуратнее приходится формулировать вопрос. Механику окна и способы его экономить разобрали отдельно в статье про контекстное окно нейросети.

Правда ли, что модель теряет середину длинного документа?

Наполовину правда. Эффект описан в исследовании, но на поиске по характерному слову он у нас не проявился.

В 2023 году исследователи Стэнфордского университета опубликовали работу «Lost in the Middle: How Language Models Use Long Contexts» (Nelson F. Liu с соавторами, arXiv). Вывод: точность зависит от того, где в длинном контексте лежит нужный фрагмент. Лучше всего читаются начало и конец, в середине результат заметно проседает, и это верно даже для моделей, заявленных как длинноконтекстные.

Мы собрали синтетический договор на 900 пунктов: 14 073 слова, 27 902 токена на входе. В пять позиций — на 5, 27, 50, 73 и 95 процентах длины — вшили пункты про штрафы с разными ставками и попросили Gemini 2.5 Flash перечислить их все. Модель нашла пять из пяти, включая тот, что лежал ровно посередине. На укороченной версии в 200 пунктов результат повторился.

Значит, когда искомое отличается словом («неустойка», «штраф»), середина не пропадает. Провал из статьи бьёт по другому сценарию: когда нужный кусок лексически не выделяется и модели приходится удерживать десятки похожих фрагментов сразу. Для договора это вопрос вроде «где здесь скрытые обязательства» — там перепроверять придётся.

Где нейросеть ошибается при анализе документов

Первым ломается пересчёт. Тот же договор, тот же файл, вопрос простой: сколько в нём всего пронумерованных пунктов. Модель ответила «901» при девятистах. Ошибка на единицу — ровно та, которую никто не пойдёт проверять: число выглядит правдоподобно.

Проверка на выдумку, наоборот, прошла чисто. Мы спросили про неустойку за нарушение сроков оплаты, хотя такого пункта в договоре не было. Ответ: такого условия нет, а есть пять других санкций, вот их номера. Придумывать модель не стала. В задаче «найди в приложенном тексте» галлюцинации случаются реже, чем в задаче «расскажи, что знаешь».

Что перепроверять руками всегда:

• Арифметику. Итоги, проценты, количества, сроки в днях.
• Отрицания. «Не допускается», «за исключением», «кроме случаев» — модель иногда сворачивает оговорку и меняет смысл на противоположный.
• Цитаты. Просите номер пункта рядом с каждым утверждением, тогда проверка занимает секунды.

Безопасно ли загружать личные договоры и финансовые отчёты?

Паспортные данные, банковские реквизиты и коммерческую тайну в чужой сервис отправлять не стоит. Причина простая: файл уходит на сторонний сервер, живёт там в логах и попадает под чужую политику хранения.

Рабочий компромисс — обезличивание. Замените ФИО на «Сторона 1» и «Сторона 2», номера счетов на XXXX, адреса на «город N». Смысл документа от этого не меняется, а модель отвечает ровно так же: юридическая конструкция читается без персональных данных. Если документ содержит гостайну или медицинские записи, вариант один — не выгружать вовсе.

Отдельно про юридические документы. Разбор нейросетью — это черновик мнения, а не заключение. Модель подсветит слабые места и странные формулировки, но подпись под договором ставите вы, и ответственность остаётся на вас.

Как разобрать договор за три захода

Один длинный вопрос работает хуже трёх коротких. Проверенная последовательность выглядит так.

1. Карта документа. «Перечисли разделы и одной строкой опиши, о чём каждый». Так вы увидите структуру и поймёте, где искать дальше.
2. Целевой вопрос. «Выпиши все обязательства Заказчика с номерами пунктов и сроками». Требование указать номер пункта дисциплинирует модель и упрощает сверку.
3. Красные флаги. «Найди условия, которые невыгодны Исполнителю, и объясни почему». Здесь ответ уже оценочный, поэтому читать его нужно скептически.

Приём, который экономит время: попросите ответ таблицей «пункт — обязательство — срок — риск». Структурированный вывод легче проверять глазами, чем сплошной пересказ. Дальше эту таблицу можно докрутить в разборе данных — как это делается, описано в гайде про нейросети для таблиц.

Какую модель выбрать под документ

Для длинных файлов берите модель с большим контекстом и внятной работой с PDF. По документации это линейки Gemini и Claude: у первой выше потолок по страницам, у второй строже требования к размеру запроса. Для коротких документов на пару страниц разницы почти нет, так что переплачивать незачем.

В каталоге Trackly обе линейки живут в одном окне, оплата в рублях и без VPN. Сообщение Gemini 2.5 Pro стоит 30 токенов, сообщение Claude Sonnet 4.6 — 40 токенов; на первые запросы хватает приветственного бонуса после регистрации.

Есть и ограничение: загрузки PDF-файла целиком в чате Trackly пока нет. Длинный документ вставляется текстом, а к сообщению прикрепляется фото — например, снимок спорной страницы с печатью и подписями. Для договора на десять страниц этого хватает; для дела на триста придётся работать по частям, разбивая документ на разделы.

Источники

• Nelson F. Liu и соавторы. Lost in the Middle: How Language Models Use Long Contexts, arXiv, 2023 (проверено 07.08.2026).
• Google. Document understanding, Gemini API — лимиты PDF и стоимость страницы (проверено 07.08.2026).
• Google. Long context, Gemini API — что помещается в миллион токенов (проверено 07.08.2026).
• Anthropic. PDF support, Claude Docs — ограничения по страницам и размеру запроса (проверено 07.08.2026).