С конца сентября в поиске резко выросли одни и те же вопросы: «токен это…», «что такое эмбеддинг», «чем ответ в режиме исследования отличается от ответа в обычном диалоге». По формулировкам это вопросы массового теста по ИИ-грамотности, судя по заданиям — для педагогов. Официальных ключей к нему в открытом доступе нет, поэтому мы не подсказываем «вариант Б», а объясняем каждую тему по сути. Поняв смысл, правильный вариант вы выберете сами при любой формулировке.
Коротко:
- Токен — кусочек текста, которым нейросеть читает и пишет: слово, часть слова, знак препинания.
- Эмбеддинг — запись смысла текста набором чисел, чтобы близкие по смыслу фразы оказались рядом.
- Видео по тексту нейросеть делает постепенно, «проявляя» кадры из шума и следя, чтобы они согласовались во времени.
- Режим исследования сам делает много поисков, читает источники и даёт ответ дольше, но со ссылками.
- Уточнять лучше в том же диалоге: модель помнит контекст беседы и не начинает с нуля.
Что такое токен в нейросети
Языковая модель не видит буквы и слова так, как человек. Перед обработкой текст режется на токены — фрагменты из словаря модели. Короткое частое слово может быть одним токеном, длинное или редкое разбивается на несколько частей, отдельным токеном часто идёт пробел со словом или знак препинания. Русский текст обычно дробится на токены мельче английского.
Почему это важно на практике: в токенах считают длину запроса и ответа, «окно контекста» (сколько текста модель удерживает за раз) и стоимость работы по API. Если в тесте предлагают варианты вроде «единица оплаты», «часть текста», «минимальная единица обработки текста», — верны по смыслу те, что говорят о фрагменте текста, с которым работает модель. Подробнее — в отдельной статье что такое токен в нейросети.
Что такое эмбеддинг
Эмбеддинг — это вектор, то есть длинный список чисел, в который модель переводит слово, фразу или целый документ. Числа подобраны так, что тексты с похожим смыслом получают близкие векторы. «Как испечь блины» и «рецепт блинов» окажутся рядом, даже если общих слов почти нет.
На эмбеддингах держится смысловой поиск, подбор похожих документов, рекомендации и подключение нейросети к базе знаний: система находит фрагменты, близкие по смыслу к вопросу, и передаёт их модели. Главное для теста: эмбеддинг — числовое представление смысла, а не перевод, не сжатие файла и не ключевые слова. Разбор с примерами — в статье что такое эмбеддинг простыми словами.
Как нейросеть создаёт видео по текстовому описанию
Большинство современных видеомоделей работает по принципу диффузии. Модель начинает с цифрового шума и шаг за шагом убирает его, двигаясь к картинке, которая соответствует описанию. Текст запроса сначала превращается во внутреннее представление (те же эмбеддинги), и оно направляет каждый шаг очистки.
Отличие видео от картинки — время. Модель генерирует не отдельные кадры, а сразу последовательность, следя, чтобы персонаж не менял лицо, предметы не исчезали, а движение было плавным. Это называют согласованностью во времени. Новые модели вроде Veo 3.1 или Sora 2 генерируют и звук. Нейросеть не «снимает» и не ищет готовые ролики в интернете — она синтезирует новые кадры по тому, чему научилась на обучающих данных.
Попробовать можно сразу: в LeanTech есть Veo 3.1, Kling v3 Pro и Sora 2 — сделать ролик по описанию в агенте. Как писать такие описания, есть в статье нейросеть для создания видео по тексту.
Чем ответ в режиме исследования отличается от обычного диалога
В обычном диалоге модель отвечает сразу — из того, что знает, иногда подключая один-два поиска. Режим исследования (в разных сервисах его называют deep research, «глубокое исследование», «исследование») устроен иначе:
- модель сама разбивает вопрос на подвопросы;
- делает много поисковых запросов и читает найденные страницы;
- сопоставляет источники и собирает структурированный отчёт;
- даёт ссылки, по которым можно проверить каждое утверждение;
- работает заметно дольше — минуты, а не секунды.
Поэтому правильный по смыслу ответ на вопрос теста — «ответ основан на анализе многих источников, подробнее и со ссылками, но готовится дольше». Обычный диалог подходит для быстрых вопросов, исследование — для обзора темы, например когда учителю нужно подготовить обзор исследований по методике.
Почему уточняющий запрос лучше отправлять в том же диалоге
Внутри одного чата модель видит всю предыдущую переписку: ваш первый запрос, свой ответ, приложенные файлы. Уточнение «сделай короче» или «добавь пример для 5 класса» она применит к уже готовому тексту. В новом чате контекста нет, и модель начнёт с нуля — придётся заново объяснять задачу.
Исключение одно: если диалог стал очень длинным или ушёл в другую тему, проще начать новый чат и коротко пересказать условия. Но в тесте ответ по смыслу — «модель учитывает контекст беседы».
Какие действия эффективны в работе с нейросетью
Хороший запрос похож на поручение толковому помощнику. Работают:
- Роль и цель: «Ты методист, помоги подготовить урок».
- Контекст: класс, тема, ограничения, для кого результат.
- Пример или образец: показать свой прошлый материал, чтобы модель повторила стиль.
- Формат ответа: таблица, план из 5 пунктов, текст на одну страницу.
- Проверка фактов: нейросеть может ошибаться, даты, цифры и цитаты стоит сверять.
- Итерации: уточнять результат в том же диалоге.
Отсюда же ответ на вопрос «зачем показывать нейросети свои разработки»: это образец, по которому модель поймёт ваш стиль, структуру и уровень сложности. Неэффективно — давать задачу одним словом, ждать от модели безошибочных фактов и не читать ответ перед использованием. Больше приёмов — в статье как составить промпт для нейросети.
Проверить на практике
Лучше всего такие понятия запоминаются, когда видишь их в работе. Агент LeanTech работает из России без VPN: напишите задачу словами, и он сам выберет модель. Например, попросите агента объяснить токен и эмбеддинг на примере — он разобьёт фразу на части и покажет, как близкие по смыслу предложения оказываются рядом.
