Агент и модель ИИ: чем они отличаются

Поставьте GPT-4.1 сразу двум агентам: один продаёт окна, другой записывает на приём в стоматологию. Спросите обоих одно и то же, «а можно перезвонить вечером?», и получите два непохожих по тону и структуре ответа, хотя движок внутри буквально один и тот же. Спрашивать, какая модель лучше, здесь бессмысленно: она одна, а разное поведение задаёт то, что вокруг неё собрано.

Что такое модель, а что — агент

Модель — это языковая нейросеть, которая на основе полученного текста генерирует ответ и сама по себе больше ничего не умеет: не помнит вашу компанию, не заводит сделку в CRM, не знает прайса.

Агент — это обвязка вокруг модели: инструкция, которая говорит, кем он работает и к чему ведёт разговор, база знаний с фактурой компании, действия во внешних системах, подключённые каналы и память диалога, которая связывает всё это в рабочий сценарий.

Смешение терминов и рождает мутный запрос «агент модели ИИ»: люди спрашивают одновременно про движок и про то, что вокруг него собрано, не различая слои.

Таблица ниже сводит разницу к пяти проверяемым признакам, её удобно держать перед глазами, когда термины путаются в разговоре с подрядчиком или коллегой.

Строка «модель» здесь короткая не случайно: там нечего расписывать, кроме списка в кабинете. Вся содержательная работа над результатом идёт во втором столбце.

Как модель выбирают в кабинете

Модель ставится в разделе «Дополнительные настройки → Параметры LLM», и по умолчанию новым агентам ставится GPT-4.1: она быстрая, предсказуемая и стабильно вызывает функции, этого хватает большинству сценариев продаж и поддержки.

В списке доступны семейства OpenAI, Anthropic, Google, xAI, DeepSeek, YandexGPT и Alice AI, GigaChat, а также собственная Suvvy-GPT. Внутри каждого модели различаются по трём осям: режим (обычный или с рассуждением перед ответом), размер (от лёгких nano-версий до старших) и страна, где физически обрабатываются данные. Разбор, какую модель брать под конкретную задачу, собран в статье про выбор модели для ИИ-агента: здесь важно другое, сам факт выбора модели не делает из неё агента, это только один параметр настройки.

Что достраивает обвязка вокруг модели

Четыре компонента складываются в рабочего агента, и порядок их появления в кабинете важен.

Без инструкции модель превращается в вежливого собеседника без роли: отвечает складно, но ни к чему не ведёт разговор. Без базы знаний она начинает уверенно называть цены, которых никогда не видела, — так модель ведёт себя всегда, когда ограничителя нет. Ни то, ни другое не лечится сменой движка.

Настройка «Случайность»: одна модель, разное поведение

Лучшее доказательство того, что характер задаёт обвязка, а не сама нейросеть, это ползунок «Случайность» в дополнительных настройках. Он регулирует теплоту ответа: чем больше значение, тем креативнее и разнообразнее формулировки, чем меньше, тем точнее и формальнее, ближе к букве инструкции.

Сколько стоит диалог, независимо от того, какая модель внутри

Списание идёт по токенам, и это касается любой модели из списка, разница только в её уровне стоимости.

В токены считается весь текст, который проходит через модель: сообщение клиента, инструкция, история переписки, описания функций и сам ответ. Поэтому короткая инструкция экономит на каждом диалоге, а не только один раз при настройке, и это работает для любой модели из списка одинаково.

Свяжите модель и обвязку в своём проекте

Свяжите каждую жалобу на агента с одним из двух слоёв, прежде чем что-то менять в кабинете: строка «Языковая модель» — это движок, а вкладки «Инструкция», «База знаний» и «Действия» — обвязка, которая решает, что этот движок будет делать. Так проще понять, где на самом деле сломалось.

На практике это почти всегда обвязка. Если агент отвечает не так, как хочется, первым делом стоит перечитать инструкцию и базу знаний, а модель менять в последнюю очередь. Полный список настроек, влияющих на поведение агента, собран в руководстве Савви: там же описано, как агент решает, когда обратиться к внешней системе, а когда просто ответить текстом.

Частые вопросы