ИИ-секретарь в Telegram — это бот, которому пишут как человеку: текстом, голосом или фото, а он сам отвечает или передаёт задачу профильному ИИ-агенту. Свежий публичный пример с цифрами: такой секретарь за 30 дней обошёлся автору в $77 на языковые модели для всех агентов. Главный вывод разбора — стоимость определяет не число сообщений, а доля сложных задач: 88% ответов секретаря дала дешёвая модель, а 7% ответов сильной модели съели около 77% его бюджета. Поэтому бюджет ИИ-секретаря проектируют через правила выбора модели, а не через тариф «за сообщение».
Материал подготовлен AIrassvet 13 октября 2026 года по открытому разбору на Хабре и документации использованных инструментов. Он адресован владельцам бизнеса, руководителям отделов и ИТ-директорам, которые думают о собственном ИИ-секретаре или ассистенте в мессенджере и хотят заранее понимать его устройство, риски и ежемесячные расходы. Мы не тестировали описанного бота сами: все цифры о нём — данные автора разбора, а расчёты в статье помечены как наши. AIrassvet не аффилирован с упомянутыми проектами и провайдерами моделей; раздел в конце статьи описывает услуги издателя.
Содержание
- Кратко: что показал разбор
- Что такое ИИ-секретарь и чем он отличается от чат-бота
- Как устроен ИИ-секретарь за $77 в месяц
- Куда уходят деньги: модели и доли ответов
- Правило эскалации: когда звать дорогую модель
- Память: как секретарь помнит разговоры
- Что люди на самом деле просят у ИИ-секретаря
- Где ИИ-секретарь ошибается и как это чинить
- Как посчитать бюджет своего ИИ-секретаря
- Когда ИИ-секретарь для компании оправдан, а когда нет
- Чек-лист запуска
- Частые вопросы
- Первоисточники и метод проверки
Кратко: что показал разбор
- $77 за 30 дней — расходы на языковые модели для всех агентов бота (без генерации картинок и видео). Из них $51 — сам секретарь.
- 88% ответов секретаря дала дешёвая модель DeepSeek, средняя цена ответа — $0,002–0,007.
- 7% ответов дала Claude Opus 5 по $0,21–0,24 за ответ — это около 77% расходов секретаря.
- Сильную модель включают два правила: в сообщении есть слова сложной задачи («проанализируй», «сравни», «посчитай», «напиши отчёт») или сообщение вместе с контекстом длиннее 2 500 символов.
- Каждая пятая задача начинается с фото документа или скриншота, а классической секретарской работы — календаря и напоминаний — меньше 5%.
- Память — это поиск по прошлым разговорам, а не огромный контекст: медиана поиска 17 мс, и он продолжает работать, когда сервис эмбеддингов недоступен.
Что такое ИИ-секретарь и чем он отличается от чат-бота
ИИ-секретарь — это единая точка входа в мессенджере, которая понимает свободную речь, помнит прошлые разговоры и сама решает, ответить или передать задачу специализированному агенту. Пользователь не выбирает раздел меню и не формулирует запрос по шаблону: он пишет одно сообщение в один чат.
Классический чат-бот работает по сценарию: кнопки, ветки, заранее подготовленные ответы. Он дешёвый и предсказуемый, но не справляется с вопросом, которого нет в сценарии. ИИ-секретарь, наоборот, опирается на большую языковую модель (LLM) — нейросеть, которая генерирует ответ на естественном языке. Поэтому он гибкий, но каждый ответ стоит денег, а качество зависит от выбранной модели.
ИИ-агент в этой схеме — программа на основе LLM, которой выданы инструменты и своя зона ответственности: например, агент-юрист с инструкцией не выдумывать статьи законов. Секретарь играет роль диспетчера между такими агентами. Подробнее о каналах, где можно разместить ассистента, мы писали в статье «ИИ-ассистент в WhatsApp, VK, Telegram и MAX».
Как устроен ИИ-секретарь за $77 в месяц
12 октября 2026 года автор под ником mrPetrukovich опубликовал на Хабре разбор своего ИИ-секретаря «Лиза Петровна». Бот работает в Telegram и через мост в MAX; это один диалог и одна общая память. По данным автора, с 30 мая боту написали 8 568 запросов 118 человек.
Архитектуру автор описывает так:
| Слой | Что используется | Зачем |
|---|---|---|
| Входы | Telegram-бот и мост в MAX | Один диалог в разных мессенджерах |
| Диспетчер | Секретарь-хаб | Отвечает сам или передаёт задачу агенту: доктору, юристу, дизайнеру, штурману |
| Доступ к моделям | Прокси LiteLLM | Агенты знают только псевдонимы моделей, реальный провайдер задаётся в конфигурации |
| Хранилище | Postgres с pgvector и Redis | Пользователи, переписка, память, метрики |
| Эмбеддинги | Локальная модель deepvk/USER2-small | Векторы для поиска по памяти без внешних API |
| Веб-поиск | Собственный SearXNG | Поиск доступен любой модели, включая дешёвую |
| Инфраструктура | docker compose, Ansible, мониторинг cAdvisor | Развёртывание и наблюдение за сервисами |
Ключевой элемент здесь — прокси перед всеми провайдерами моделей. По документации LiteLLM, это самостоятельно размещаемый шлюз, который даёт приложениям один OpenAI-совместимый адрес для более чем 100 провайдеров, ведёт учёт расходов по ключам, командам и пользователям, а также умеет переключаться на резервную модель при сбое. Для бизнеса это означает простую вещь: модель можно заменить в конфигурации, не переписывая бота, а расходы видны по каждому сценарию.
Куда уходят деньги: модели и доли ответов
Автор приводит распределение 2 500 ответов секретаря за последние 30 дней:
| Модель | Доля ответов | Медиана времени ответа | Средняя цена ответа |
|---|---|---|---|
| DeepSeek (текст и зрение) | 88% | 2,5–12 с | $0,002–0,007 |
| Claude Opus 5 | 7% | 18–38 с | $0,21–0,24 |
| Claude Haiku 4.5 | 2,4% | 43 с | $0,006 |
| GLM 5.2 (эксперимент) | 2,2% | 5 с | $0,026 |
Источник таблицы — разбор на Хабре, данные автора за 30 дней.
Секретарь за 30 дней стоил $51, из них $39 — ответы Opus. Наши расчёты по этим цифрам:
- Средняя цена ответа секретаря — $51 / 2 500 ≈ $0,02.
- Ответов Opus — 7% от 2 500 ≈ 175; $39 / 175 ≈ $0,22 за ответ, что совпадает с диапазоном в таблице.
- Остальные 93% ответов обошлись примерно в $12 на всех.
- Профильные агенты (доктор, юрист и другие) стоили около $26 ($77 − $51): у каждого из них своя модель, выбранная ради качества.
Отсюда главный управленческий вывод: стоимость ИИ-секретаря зависит от того, как часто вы зовёте сильную модель, а не от общего числа сообщений. Один ответ Opus, по оценке автора, стоит примерно как 50 ответов DeepSeek. При этом автор сознательно не отдаёт сложные 7% дешёвой модели: именно там пользователи просят «разобрать договор» или «посчитать, хватит ли топлива», а ошибка в таком ответе дороже двадцати центов.
Почему ответы на русском могут стоить по-разному у разных моделей, мы разбирали в статье о токенизации русского текста и стоимости LLM.
Правило эскалации: когда звать дорогую модель
Эскалация — это правило, по которому запрос уходит с дешёвой модели по умолчанию на более сильную и дорогую. В разобранном боте на проде включены два триггера:
- Сложность. Регулярное выражение ищет в сообщении глаголы аналитической работы: «проанализируй», «сравни», «спланируй», «разбери», «посчитай», «рассчитай», «исследуй», а также просьбы написать код, отчёт, статью или план и «объяснить подробно».
- Длина. Сообщение вместе с контекстом длиннее 2 500 символов. Длинная переписка часто означает, что человек застрял и ему нужен хороший ответ, даже если ключевых слов нет.
Веб-поиск в триггеры намеренно не входит: он есть у всех моделей, и дешёвая справляется с ним сама. Профильные агенты этим правилом не управляются — у каждого своя модель.
Почему регулярное выражение, а не классификатор на модели? Автор объясняет выбор так: правило можно прочитать, покрыть тестами и всегда объяснить, почему конкретный запрос ушёл на дорогую модель. Классификатор добавил бы задержку и стоимость к каждому ответу ради решения, которое касается лишь 7% из них.
| Подход к выбору модели | Плюсы | Минусы | Когда подходит |
|---|---|---|---|
| Правила (ключевые слова, длина) | Прозрачно, тестируемо, без доп. затрат | Пропускает сложные задачи без «сигнальных» слов | Старт, небольшой поток, понятные сценарии |
| Классификатор на модели | Учитывает смысл и контекст | Добавляет задержку и стоимость к каждому запросу | Большой поток, много неоднозначных запросов |
| Ручной выбор пользователем | Нет ошибок маршрутизации | Пользователь должен разбираться в моделях | Внутренние инструменты для специалистов |
Сравнение подходов — наша редакционная схема на основе разбора. Подробнее о маршрутизаторах моделей — в статье «Роутер моделей ИИ для бизнеса».
Память: как секретарь помнит разговоры
Память ИИ-секретаря — это база прошлых диалогов, по которой бот ищет нужный фрагмент перед ответом, а не попытка уместить всю переписку в контекст модели. Каждый обмен — сообщение пользователя и ответ бота — сохраняется как отдельный эпизод. По данным автора, в базе 7 933 эпизода от 97 человек.
Как это устроено:
- Эмбеддинг считается в фоне. Эмбеддинг — числовое представление смысла текста, по которому ищут похожие фрагменты. Ответ пользователю никогда не ждёт, пока он посчитается.
- Поиск гибридный: семантический через pgvector плюс совпадение по словам. Слова пользователя весят больше, чем слова ответа бота, — вопрос должен найти разговор, где человек сам это сказал.
- Отказоустойчивость: если сервис эмбеддингов недоступен, поиск работает только по словам — хуже, но без падения.
- Приватность: перед сохранением из текста вычищаются идентификаторы третьих лиц; память у каждого пользователя своя, и удаление пользователя удаляет его эпизоды.
- Скорость: поиск по памяти занимает в среднем 33 мс, медиана — 17 мс.
Для российской компании здесь есть юридическая граница. По части 5 статьи 18 закона № 152-ФЗ «О персональных данных» запись, систематизация, накопление и хранение персональных данных граждан России с использованием баз данных за пределами страны не допускаются, за исключением отдельных случаев, перечисленных в законе. Поэтому базу памяти с перепиской клиентов или сотрудников разумно размещать в России, а какие данные вообще уходят во внешние модели — решать заранее. Это общий обзор нормы, а не юридическая консультация.
Что люди на самом деле просят у ИИ-секретаря
Автор разметил все 8 568 запросов по темам с помощью той же дешёвой модели, не читая переписку вручную. Сначала отделили короткие реплики вроде «ты тут?» и тесты — их оказалось 21%: с ботом разговаривают как с человеком. Из оставшихся 6 796 задач:
| Тема | Доля задач |
|---|---|
| Разобрать фото, документ, скриншот | 19,6% |
| Сделать картинку, видео, дизайн | 12,5% |
| Компьютер, IT, настройка | 9,2% |
| Найти факт, новость, справку | 9,1% |
| Деньги, бизнес, работа | 7,1% |
| Техника, авто, авиация | 6,9% |
| Здоровье | 6,2% |
| Юридические и государственные вопросы | 5,6% |
| Календарь и напоминания | 4,7% |
В таблице — девять крупнейших тем из 16; классификация приблизительная, по оценке автора доли могут отличаться на пару процентных пунктов.
Что из этого следует для компании, которая планирует своего секретаря:
- Без распознавания изображений бот теряет главный сценарий. В разобранном боте для этого есть отдельная модель, которая даёт почти 7% всех ответов секретаря.
- «Секретарь» в узком смысле — малая часть работы. Календарь и напоминания — 4,7%. Люди воспринимают бота как того, у кого можно спросить что угодно, поэтому рамки ответственности нужно задать явно.
- Почти 12% — здоровье и право. Для таких тем автор выделил отдельных агентов с жёстким требованием не выдумывать дозировки и статьи законов. Во внутреннем корпоративном боте аналогом будут вопросы по трудовым отношениям, договорам и деньгам.
Важно: это статистика личного публичного бота, а не корпоративного. У ассистента отдела продаж или поддержки распределение будет другим — его стоит измерить на своём потоке в первые недели.
Где ИИ-секретарь ошибается и как это чинить
Автор честно перечисляет ошибки, которые встретились в эксплуатации. Мы свели их в таблицу с практическим выводом:
| Ошибка | Что произошло | Как исправляли или что делать |
|---|---|---|
| Ответ не на то сообщение | Модель разобрала предыдущее фото вместо нового | Явно отделять последнее сообщение маркером и инструкцией отвечать только на него |
| Неверный язык ответа | Ошибка в метаданных языка, модель слушалась системного промпта | Не передавать в промпт непроверенные метаданные; определять язык по самому сообщению |
| Путаница с датами | Бот обсуждал «будущие» планы, которые уже прошли | Подставлять текущую дату явно и заставлять сверяться с календарём |
| Записан факт вместо данных | В календаре пометка «ссылка сохранена», а самой ссылки нет | Проверять результат действия, а не текст о действии |
| Доменные термины | Профессиональный термин объяснён неверно | Отдать область отдельному агенту с узкой инструкцией |
| Ограничения генерации | Ретушь фото меняла лишнее с каждой попыткой | Предупреждать пользователя об ограничениях моделей редактирования |
Отдельно автор проверял устойчивость к промпт-инъекциям — попыткам заставить модель нарушить инструкции текстом в чате. Среди проверок: просьба «выполнить команду» и показать файл с секретами, та же просьба в base64, сообщение от «администратора» с требованием отключить фильтры, попытка записать в память правило выдачи секретов и вопрос о несуществующем законе. По словам автора, бот отказал во всех случаях. Для корпоративного бота такой набор атак стоит превратить в регрессионный тест, который прогоняется после каждого изменения промпта или модели. Подробнее о защите — в статье «Безопасность ИИ-агентов: защита ИИ-чата».
Самым ценным поведением автор называет случай, когда бот прямо сообщил, что не смог подтвердить данные и не будет их выдумывать. Для бизнеса это главный критерий: модель, которая говорит «не знаю», безопаснее модели, которая всегда уверенно отвечает.
Как посчитать бюджет своего ИИ-секретаря
Бюджет на языковые модели удобно считать по простой формуле. Это наша редакционная методика, а не прайс-лист:
Расходы в месяц = число ответов × (доля дешёвой модели × цена её ответа + доля сильной модели × цена её ответа) + расходы профильных агентов.
Пример на цифрах разбора (Calculated, по средним ценам автора):
| Сценарий | Расчёт | Результат за 2 500 ответов |
|---|---|---|
| Как в разборе: 93% ответов DeepSeek, Haiku и GLM, 7% Opus | 2 325 × ~$0,005 + 175 × ~$0,22 | ≈ $50 |
| Всё на сильную модель | 2 500 × ~$0,22 | ≈ $550 |
| Всё на дешёвую модель | 2 500 × ~$0,005 | ≈ $12,5 |
Средняя цена дешёвого ответа $0,005 — середина диапазона из разбора; фактические тарифы провайдеров меняются, поэтому перед запуском пересчитайте их по актуальным ценам и на своих запросах. Расчёт показывает порядок: отказ от маршрутизации в пользу одной сильной модели увеличивает расходы примерно в 11 раз, а отказ от сильной модели экономит около $38 в месяц, но переносит риск ошибки на самые ответственные задачи.
Что ещё входит в стоимость владения, кроме токенов:
- инфраструктура: сервер для бота, базы данных, эмбеддингов и поиска;
- генерация изображений и видео, если она нужна, — в разобранные $77 она не входит;
- разработка и поддержка: обновление промптов, моделей, тестов и интеграций;
- время сотрудников на разбор ошибок и обратную связь.
Шаблон для собственной оценки:
| Параметр | Ваше значение | Где взять |
|---|---|---|
| Ответов в месяц | … | Пилот на 2–4 недели или прогноз по текущим обращениям |
| Доля сложных задач | … | Разметка выборки реальных запросов |
| Цена ответа дешёвой модели | … | Тарифы провайдера и средняя длина ответа на пилоте |
| Цена ответа сильной модели | … | То же |
| Профильные агенты | … | Отдельный расчёт по каждому |
| Инфраструктура и поддержка | … | Оценка команды или подрядчика |
Когда ИИ-секретарь для компании оправдан, а когда нет
Оправдан, если:
- много однотипных обращений в мессенджерах, но вопросы формулируются свободно и не укладываются в кнопки;
- сотрудникам или клиентам нужен один вход вместо нескольких ботов и разделов;
- часть запросов приходит фото документов, скриншотов, счетов;
- есть база знаний или регламенты, по которым бот может отвечать со ссылкой на источник.
Не оправдан или преждевременен, если:
- сценарии жёстко формализованы и закрываются обычным кнопочным ботом;
- ошибка в ответе недопустима, а человека для проверки в процессе нет;
- нет понимания, какие данные можно передавать во внешние модели, а развернуть модель в своём контуре пока невозможно;
- поток небольшой, и расходы на разработку и поддержку не окупятся экономией времени.
Чек-лист запуска
- Определите 3–5 главных сценариев и запишите, что бот делать не должен.
- Выберите дешёвую модель по умолчанию и сильную для сложных задач; опишите правило эскалации так, чтобы его можно было протестировать.
- Поставьте прокси или шлюз перед моделями: замена модели без переписывания бота и учёт расходов по сценариям.
- Спроектируйте память: где хранится, что из неё вычищается, как удаляется по запросу.
- Подключите распознавание изображений, если пользователи пришлют документы и скриншоты.
- Подставляйте в промпт текущую дату и явно отделяйте последнее сообщение пользователя.
- Соберите набор атак и проверочных вопросов и прогоняйте его после каждого изменения.
- Проведите пилот на 2–4 недели, разметьте реальные запросы и пересчитайте бюджет по фактической доле сложных задач.
Частые вопросы
Сколько стоит ИИ-секретарь в Telegram в месяц?
В публичном разборе на Хабре расходы на языковые модели для всех агентов составили $77 за 30 дней, из них $51 — сам секретарь при 2 500 ответах. Это только модели: инфраструктура, генерация картинок, разработка и поддержка оплачиваются отдельно. Ваш бюджет зависит прежде всего от доли задач, отправляемых на сильную модель.
Почему дорогая модель съедает большую часть бюджета?
Один ответ сильной модели в разборе стоил $0,21–0,24, а дешёвой — $0,002–0,007. Поэтому 7% ответов сильной модели дали около 77% расходов секретаря. Управлять бюджетом нужно через правило эскалации, а не через ограничение числа сообщений.
Можно ли отдать все запросы дешёвой модели?
Можно, и по нашему расчёту на цифрах разбора это сэкономило бы около $38 в месяц. Но на сильную модель уходят самые ответственные задачи: разбор договоров, расчёты, планы. Ошибка в таком ответе обычно стоит дороже разницы в цене.
Чем ИИ-секретарь отличается от обычного чат-бота?
Обычный чат-бот работает по заранее заданному сценарию с кнопками и ветками. ИИ-секретарь понимает свободную речь, фото и голос, помнит прошлые разговоры и сам решает, ответить или передать задачу профильному агенту.
Где хранить переписку и память ИИ-секретаря?
Для персональных данных граждан России часть 5 статьи 18 закона № 152-ФЗ требует использовать базы данных на территории страны, за отдельными исключениями. Память бота с перепиской клиентов или сотрудников разумно хранить в российском контуре и заранее определить, какие данные передаются во внешние модели.
Как защитить ИИ-секретаря от промпт-инъекций?
Системные инструкции должны приходить только системным каналом, а не из чата; запросы на секреты и смену правил — отклоняться; память — не принимать «правила» от пользователя. Набор типовых атак стоит прогонять как регрессионный тест после каждого изменения промпта или модели.
Первоисточники и метод проверки
Мы прочитали первоисточники 13 октября 2026 года. Все данные о боте «Лиза Петровна» — архитектура, доли ответов, цены, память, темы запросов и ошибки — взяты из разбора автора на Хабре и нами не проверялись на практике. Расчёты средней цены ответа, числа ответов Opus, расходов профильных агентов и сценариев бюджета выполнены нами по цифрам автора и помечены в тексте. Таблицы сравнения подходов, «когда оправдан» и чек-лист — редакционная методика AIrassvet.
- mrPetrukovich, Хабр, 12.10.2026: ИИ-секретарь за $77 в месяц: 88% ответов даёт DeepSeek, а три четверти денег съедают 7% запросов к Opus — архитектура, цифры за 30 дней, правила эскалации, память, ошибки, тесты на инъекции.
- LiteLLM: документация AI Gateway — единый OpenAI-совместимый адрес для провайдеров, учёт расходов, бюджеты, резервирование.
- Федеральный закон № 152-ФЗ: статья 18 — требование использовать базы данных на территории России при обработке персональных данных граждан РФ.
- Telegram: документация Bot API — официальный интерфейс для ботов в Telegram.
Ограничения: данные описывают один личный публичный бот за 30 дней; цены моделей и тарифы провайдеров меняются; тематическая разметка сделана моделью и, по оценке автора, приблизительна; распределение запросов в корпоративном боте будет другим.
Как AIrassvet помогает запустить ИИ-секретаря для компании
Если вам нужен ИИ-секретарь, который отвечает сотрудникам или клиентам в мессенджере, но при этом опирается на ваши данные и не выходит за рамки бюджета, его устройство стоит проектировать под ваши процессы с самого начала. На сайте AIrassvet описаны направления, которые относятся к этой задаче напрямую:
- ИИ-агенты, интегрированные с каналами коммуникации, включая Telegram, и с бизнес-системами компании.
- RAG-системы и корпоративные базы знаний, чтобы секретарь отвечал по регламентам и документам, а не по общим знаниям модели.
- Развёртывание языковых моделей на серверах компании, если переписку нельзя передавать во внешние сервисы.
- Аудит процесса, разработка MVP, тестирование, запуск и сопровождение решения.
Первый шаг — выбрать один поток обращений, описать, как он обрабатывается сейчас и сколько это стоит, где лежат нужные данные, какие ограничения есть по персональным данным и по какому критерию вы признаете ответы секретаря достаточно точными.
Итог: бюджет ИИ-секретаря определяют правила, а не тариф
Разбор ИИ-секретаря за $77 в месяц показывает, что персональный помощник в Telegram на языковых моделях уже стоит недорого — если почти все ответы даёт дешёвая модель, а сильная подключается по прозрачному правилу. Именно редкие сложные задачи формируют большую часть расходов, и именно в них ошибка обходится дороже всего. Остальное — память по эпизодам, распознавание фото, явная дата в промпте и тесты на инъекции — определяет, будет ли бот полезным и безопасным.
Начните с одного потока обращений: пилот на несколько недель, разметка реальных запросов, правило эскалации и пересчёт бюджета по фактической доле сложных задач. Если после пилота ответы проверяемы, а стоимость укладывается в ваш расчёт, секретаря можно расширять на новые сценарии и агентов.
