Битва нейросетей: GigaChat против Qwen3-Coder в задачах 1С

24 августа 2026 · infolimp.ru

Экосистема нейросетей: что скрывается за визуальной похожестью

На первый взгляд обе модели генерируют читаемый код на русском языке и корректно обрабатывают запросы типа «сделать отбор по периоду». Но на глубине обработки токенов выявляется критическое различие: GigaChat обучен преимущественно на русскоязычных текстах, а Qwen3-Coder — на корпусе кода с акцентом на латиницу и англоязычные комментарии.

GigaChat: наследник GPT с русским акцентом

Модель от Сбера прошла fine-tuning на платформенной документации 1С и форумах Infostart. Это даёт ей способность генерировать код с правильным использованием НайтиПоНаименованию, СоздатьДокумент и других методов, но расплата — склонность к «галлюцинациям» в нестандартных сценариях (например, вызов несуществующих методов объектов).

Ключевой тезис: GigaChat точнее воспроизводит русскоязычные идентификаторы и структуру типовых конфигураций, но хуже справляется с оптимизацией запросов и редкими комбинациями API.

Пример из нашего теста — задача сформировать HTTP-запрос с JSON-телом для отправки в новую CRM. GigaChat сгенерировал:

HTTPСоединение = Новый HTTPСоединение("api.crm.ru", 443);
HTTPЗапрос = Новый HTTPЗапрос("/v1/orders");
HTTPЗапрос.УстановитьТелоИзСтроки(ЗаписатьЗначениеJSON(СтруктураДанных));
HTTPОтвет = HTTPСоединение.ОтправитьДляОбработки(HTTPЗапрос);

Код верен, но ЗаписатьЗначениеJSON здесь не подходит — нужна объектная техника с ЗаписьJSON. GigaChat «забыл» про пропущенные настройки сериализации.

Qwen3-Coder: модель, заточенная на код

Китайская модель Qwen3-Coder прошла претрейн на миллионах репозиториев GitHub, включая 1С-проекты (правда, в основном на английском). Поэтому она реже ошибается в методах ЧтениеJSON.УстановитьСтроку, ПрочитатьJSON, но её код часто содержит англоязычные комментарии и идентификаторы переменных (например, ResultList вместо СписокРезультатов).

Практическое тестирование: выгрузка отборов с использованием HTTP

Для чистоты эксперимента мы дали обеим моделям один запрос: «Напиши обработку на 1С, которая получает список контрагентов из внешнего сервиса по HTTP, парсит JSON, и выводит ошибки в лог».

Результаты генерации

Таблица основана на результатах 10 различных запросов, выполненных автором в марте 2026 года.

Типичные ошибки: ловушка, которую не заметить с первого взгляда

Самая частая проблема GigaChat — вызов ПрочитатьJSON(ЧтениеJSON, Истина) без предварительного УстановитьСтроку. Модель генерирует:

ЧтениеJSON = Новый ЧтениеJSON;
ЧтениеJSON.УстановитьСтроку(Ответ.ПолучитьТелоКакСтроку());
СтруктураОтвета = ПрочитатьJSON(ЧтениеJSON, Истина);

Всё верно. Но когда мы попросили добавить разбор массива элементов, GigaChat выдал ПрочитатьJSON(ЧтениеJSON, Истина, "Дата", ФорматДатыJSON.ISO) — третий параметр не существует. Qwen3-Coder этого не делает.

Предупреждение: Если модель предлагает нестандартные параметры глобальных функций — проверяйте по справочнику. Даже одна такая ошибка может сломать всю обработку.

Механика под капотом: почему так происходит

GigaChat использует архитектуру Transformer с 120 млрд параметров, fine-tuned на корпусе, где преобладают текстовые обсуждения 1С (форумы, статьи). Поэтому модель «запоминает» частотные конструкции, но не понимает строгую грамматику языка. Qwen3-Coder (с 14 млрд параметров) использует специализированный претрейн на исходных кодах, что даёт лучшее понимание синтаксических ограничений.

Почему Qwen3-Coder не ошибается в методах

Корпус Qwen3-Coder содержит реальные исходники 1С, разобранные с помощью парсеров. Модель учится на последовательностях токенов, соответствующих AST (абстрактному синтаксическому дереву). Это снижает вероятность генерации невалидных конструкций. GigaChat же обучается на тексте — для неё ПрочитатьJSON(..., "Дата") выглядит как осмысленное продолжение, так как в обучающих диалогах часто упоминаются даты.

Практические рекомендации: как не попасть в ловушку

Чек-лист для выбора нейросети

1. Задача — генерация типового обработчика (документ, справочник): используйте GigaChat — он лучше понимает русские названия реквизитов.
2. Задача — интеграция с внешними API (HTTP, JSON): отдайте предпочтение Qwen3-Coder — он точнее в методах и меньше галлюцинирует.
3. Объём кода > 50 строк: обязательно проверяйте каждый вызов глобальных функций по справочнику.
4. Критичный код (например, для зарплатной отчётности): не доверяйте полностью ни одной модели — используйте как черновик и ревью.

Что делать прямо сейчас

Скачайте плагин для ИТС, автоматизирующий верификацию кода по справочнику API (такие утилиты уже появляются на Infostart). Прогоняйте через него сгенерированный нейросетями код перед выгрузкой в боевую базу.

Выводы

Выбор между GigaChat и Qwen3-Coder — не вопрос «какая умнее», а вопрос соответствия архитектуры модели типу задачи. Для бытовых операций 1С с русским интерфейсом GigaChat пока выигрывает. Для интеграций и сложной логики, где цена ошибки высока, — Qwen3-Coder. Главное правило: генерация нейросети — это предложение, а не готовое решение. Дважды проверяйте код, особенно его сериализацию и обработку ошибок.

Резюме: Лучший подход — комбинировать: первый черновик получать от GigaChat (быстро, на русском), а шлифовать и исправлять с помощью Qwen3-Coder, прогоняя через статический анализатор из состава ИТС.