Тендеры и лиды
Информация
Вчера Google перевернул рынок нейросетевых моделей: Gemini 3.5 Flash обогнал предыдущий флагман Gemini 3.1 Pro по ключевым тестам производительности, оставаясь при этом в четыре раза быстрее конкурентов. Это первая модель класса Flash, которая не жертвует интеллектом ради скорости — она побеждает по обоим фронтам одновременно. 76.2% в тестах написания кода, 1656 баллов Эло в агентных задачах, мультимодальность из коробки и способность управлять долгосрочными рабочими процессами делают её идеальным инструментом для промышленной разработки. Лучшая новость: модель уже доступна на русском через сервис Study AI. Если вы до сих пор используете GPT-4o mini или Claude Haiku — самое время попробовать альтернативу, которая может изменить ваш взгляд на баланс цены, скорости и качества.
19 мая 2026 года на конференции Google I/O произошло событие, которое индустрия искусственного интеллекта ждала несколько месяцев: анонс Gemini 3.5 Flash. Это не просто очередное постепенное обновление в бесконечной череде релизов — это архитектурный сдвиг в философии Google DeepMind.
Впервые в истории линейки Gemini модель класса Flash не просто догнала флагманский уровень Pro предыдущего поколения — она его превзошла. Джемини 3.5 Flash обходит Gemini 3.1 Pro в тестах по коду, агентным задачам и мультимодальному пониманию, при этом генерируя токены в четыре раза быстрее, чем конкурирующие передовые модели.
Генеральный директор Google Сундар Пичаи на основном выступлении озвучил впечатляющую цифру: компания теперь обрабатывает более 3.2 квадриллиона токенов в месяц — это рост в семь раз по сравнению с показателями I/O 2025 (480 триллионов токенов). Такое масштабирование стало возможным именно благодаря эффективности новой линейки моделей.
Для разработчиков, продуктовых менеджеров и корпоративных команд это означает одно: эпоха компромиссов между скоростью и интеллектом подошла к концу. Теперь можно получить оба параметра одновременно, не разоряя бюджет на вызовы API и не жертвуя качеством результата.
>>> Регистрация в Gemini 3.5 Flash
Чтобы понять масштаб достижения Gemini 3.5 Flash, нужно проследить эволюцию всей линейки — путь от экспериментальной «быстрой» модели до полноценного флагмана.
Gemini 1.5 Flash (2024) — первая попытка Google создать экономичную альтернативу моделям класса Pro. Основная ставка делалась на скорость и низкую стоимость для высоконагруженных задач: классификация, суммаризация, простые чат-боты. Модель работала, но уступала Pro в сложных сценариях — компромисс был очевиден.
Gemini 2.0 Flash (начало 2025) — фокус на пропускную способность и граничные случаи использования. Google оптимизировала архитектуру для массовых развертываний, но модель всё ещё воспринималась как «бюджетный вариант». Для серьёзных задач разработчики по-прежнему выбирали Pro.
Gemini 2.5 Flash (июнь 2025) — переломный момент. Это была первая модель Flash с встроенным режимом рассуждений и контекстным окном в 1 миллион токенов. Google начала стирать границу между «быстрой» и «умной» моделью. Показатели в тестах улучшились на 20-30%, появилась поддержка сложных агентных задач. Разработчики начали массово мигрировать с версий 1.5 и 2.0.
Gemini 2.5 Flash Preview (сентябрь 2025) — промежуточное обновление принесло улучшенное использование инструментов и рост на 5% в тесте SWE-Bench Verified (с 48.9% до 54%). Модель стала заметно лучше справляться с многошаговыми приложениями.
Gemini 3.0/3.1 Flash (зима 2025-2026) — серия быстрых итераций, где Google экспериментировала с балансом скорости и качества, готовя почву для большого скачка.
Gemini 3.5 Flash (май 2026) — кульминация всего пути. Модель впервые обогнала класс Pro предыдущего поколения, сохранив все преимущества архитектуры Flash. Это уже не компромисс — это новый стандарт эффективности.
>>> Попробовать Gemini 3.5 Flash онлайн
Гемини 3.5 Флэш — это мультимодальная языковая модель, спроектированная для выполнения передовых задач на скоростях, недостижимых для традиционных флагманских моделей. Google называет её «первой моделью серии 3.5, сочетающей передовой интеллект с возможностью выполнять действия».
Контекстное окно: 1 миллион токенов на входе — это примерно 1500 страниц текста формата А4. Для сравнения: GPT-4o mini ограничен 128 тысячами токенов, что в восемь раз меньше. Это критическое преимущество для анализа длинных документов, кодовых баз и рабочих процессов с несколькими документами без необходимости разбиения на части.
Скорость генерации: Google заявляет о четырёхкратном превосходстве по скорости генерации выходных токенов над конкурирующими передовыми моделями. В реальных измерениях Gemini 2.5 Flash показывал 249 токенов в секунду, а Flash-Lite — до 363 токенов в секунду. Для 3.5 Flash Google пока не раскрыла точных цифр, но судя по заявлениям, модель должна работать в диапазоне 300-400+ токенов в секунду.
Выходной лимит: 65,535 токенов — достаточно для генерации объёмных отчётов, документации или длинных файлов кода в один проход.
Модель нативно поддерживает работу с:
Текстом — стандартные задачи обработки естественного языка, анализ, генерация
Изображениями — распознавание, описание, визуальные рассуждения
Аудио — транскрипция, понимание голосовых команд
Видео — анализ видеопотоков и понимание контекста
Все типы данных обрабатываются единой архитектурой без необходимости внешних конвейеров предобработки.
Gemini 3.5 Flash наследует систему «рассуждений» от серии 2.5: модель может показывать свой мыслительный процесс перед финальным ответом. Ключевое отличие — разработчик может контролировать бюджет рассуждений через параметр API, регулируя баланс между глубиной рассуждений и скоростью ответа.
Google позиционирует 3.5 Flash как платформу для построения долгосрочных агентных систем:
Долгосрочные рабочие процессы — задачи, требующие десятков шагов и часов выполнения
Развёртывание подагентов — модель может управлять командами специализированных подагентов
Генерация интерактивных интерфейсов — создание интерактивных веб-интерфейсов и графики на лету
Использование инструментов — нативная интеграция с внешними инструментами через вызов функций
Модель уже доступна в приложении Gemini, поиске Google (режим AI) и через API в Google AI Studio и Vertex AI.
>>> Бесплатная регистрация: Gemini 3.5 Flash
Тесты производительности — это не просто маркетинговые цифры. Для промышленных команд они показывают, справится ли модель с вашими реальными задачами. Gemini 3.5 Flash демонстрирует результаты, которые ещё полгода назад были достижимы только для тяжёлых флагманских моделей.
Написание кода: Terminal-Bench 2.1 — 76.2%
Terminal-Bench измеряет способность модели писать, исправлять и рефакторить код в реальных условиях разработки. 76.2% — это результат, превосходящий Gemini 3.1 Pro и сопоставимый с Claude Sonnet 4.5. Для класса Flash это исторический максимум.
Что это означает на практике: модель может самостоятельно реализовывать функции средней сложности, исправлять ошибки по описанию и проводить проверку кода с разумными комментариями. Для конвейеров непрерывной интеграции и автоматизированных помощников по коду это критически важная метрика.
Агентные задачи: GDPval-AA — 1656 Эло
GDPval-AA тестирует способность модели выполнять реальные агентные задачи: планирование, использование инструментов, адаптация к изменениям окружения. 1656 Эло ставит Gemini 3.5 Flash в топ-5 всех протестированных моделей.
Это означает, что модель может:
Разбивать сложную задачу на подзадачи
Выбирать правильные инструменты из доступного набора
Обрабатывать ошибки и корректировать план действий
Работать в многошаговых сценариях без потери контекста
Надёжность инструментов: MCP Atlas — 83.6%
MCP Atlas (протокол контекста модели) измеряет, насколько стабильно модель использует внешние инструменты при масштабировании. 83.6% — показатель, критичный для корпоративных развертываний, где каждый неправильный вызов API может обрушить рабочий процесс.
Мультимодальное понимание: CharXiv Reasoning — 84.2%
CharXiv тестирует способность модели рассуждать на основе визуальной информации: графики, диаграммы, схемы. 84.2% означает, что Gemini 3.5 Flash может анализировать научные статьи с иллюстрациями, финансовые панели и технические чертежи почти на уровне человека-эксперта.
Сравнение с предыдущим флагманом
Самый впечатляющий факт: Gemini 3.5 Flash превосходит Gemini 3.1 Pro (модель предыдущего поколения из премиум-сегмента) практически по всем внутренним тестам Google. Это означает, что граница между «быстрыми» и «умными» моделями окончательно стёрта.
Для разработчиков это конкретный сигнал: если вы использовали модель Pro только ради качества, теперь можно мигрировать на Flash и получить улучшение и по скорости, и по стоимости без потери точности.
>>> Протестировать Джемини 3.5 Flash
Рынок эффективных нейросетевых моделей в 2026 году — это битва трёх гигантов: Google Gemini 3.5 Flash, OpenAI GPT-4o mini и Anthropic Claude Haiku 4.5. Все три модели нацелены на один сегмент: промышленные системы с высокой нагрузкой, где важен баланс скорости, качества и стоимости.
Gemini 3.5 Flash: Google заявляет о четырёхкратном превосходстве над конкурентами. Предыдущее поколение (2.5 Flash) выдавало примерно 249 токенов в секунду, Flash-Lite — 363 токена в секунду. Для 3.5 Flash можно ожидать 350-400+ токенов в секунду.
GPT-4o mini: примерно 202 токена в секунду через API OpenAI. Стабильная скорость, но отстаёт от Google почти в два раза.
Claude Haiku 4.5: Данные по пропускной способности варьируются, но большинство измерений показывают 150-250 токенов в секунду в зависимости от сложности запроса.
Вердикт: Gemini 3.5 Flash — безусловный лидер по скорости генерации.
Gemini 3.5 Flash: 0.30 доллара за миллион входных токенов / 2.50 доллара за миллион выходных. С учётом режима рассуждений цена может варьироваться, но Google унифицировала тарификацию для стабильной версии.
GPT-4o mini: примерно 0.15 доллара за миллион входных / примерно 0.60 доллара за миллион выходных. Самый дешёвый вариант для задач с большим объёмом выходных данных.
Claude Haiku 4.5: 1.00 доллар за миллион входных / 5.00 долларов за миллион выходных по заявлениям 2025 года. Самый дорогой в тройке.
Вердикт: GPT-4o mini выигрывает на чистой стоимости, особенно если модель генерирует много текста. Но Gemini 3.5 Flash предлагает лучший баланс цены и производительности с учётом скорости и качества.
Gemini 3.5 Flash: 1,000,000 токенов — абсолютный рекорд в категории.
GPT-4o mini: 128,000 токенов — в восемь раз меньше. Для длинных документов требуется разбиение на части.
Claude Haiku 4.5: 200,000 токенов — средний показатель.
Вердикт: Gemini 3.5 Flash позволяет работать с целыми кодовыми базами, многостраничными контрактами и комплексной документацией без разбиения на части. Это архитектурное преимущество для корпоративных сценариев.
Gemini 3.5 Flash: Текст, изображения, аудио, видео — все типы данных нативно поддерживаются.
GPT-4o mini: Текст + изображения. Аудио и видео не поддерживаются.
Claude Haiku 4.5: Текст + изображения.
Вердикт: Только Gemini предлагает полный спектр типов данных, что критично для мультимедийных приложений.
Claude Haiku 4.5: 73.3% в тесте SWE-bench Verified — лучший результат в категории для инженерных задач. Anthropic специализируется на использовании инструментов и структурированных выходных данных, что делает Haiku предсказуемым для промышленного использования.
Gemini 3.5 Flash: 83.6% в тесте MCP Atlas, 1656 Эло в GDPval-AA — отличные показатели надёжности и универсальности в агентных задачах.
GPT-4o mini: Слабее в тестах по агентным задачам, но имеет самую зрелую экосистему плагинов и интеграций.
Вердикт: Для сложных многошаговых рабочих процессов Gemini 3.5 Flash и Claude Haiku 4.5 примерно равны. Выбор зависит от конкретной задачи: Haiku надёжнее в структурированных данных, Gemini быстрее и универсальнее.
Общий вердикт: Gemini 3.5 Flash — лучший универсальный выбор для большинства промышленных сценариев, где важны скорость, контекст и мультимодальность.
>>> Протестировать Gemini 3.5 Flash на русском
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13507 тендеров
проведено за восемь лет работы нашего сайта.
Тесты производительности — это одно, а реальная работа — совсем другое. Давайте разберём конкретные случаи использования, где Gemini 3.5 Flash показывает максимальную эффективность.
Разработка программного обеспечения и проверка кода
С результатом 76.2% в Terminal-Bench модель может:
Автоматизировать проверку кода: анализировать запросы на слияние, находить потенциальные ошибки, предлагать улучшения архитектуры
Генерировать модульные тесты: на основе существующего кода создавать тестовые сценарии
Рефакторинг устаревших систем: переписывать устаревший код с учётом современных паттернов
Документирование: автоматически генерировать строки документации, файлы README и технические спецификации
Контекстное окно в миллион токенов позволяет загружать целые репозитории и работать с ними как единым целым — без потери связей между модулями.
Агентные конвейеры и автоматизация
Результаты в тестах MCP Atlas (83.6%) и GDPval-AA (1656 Эло) делают модель идеальной для построения автономных агентов:
Автоматизация непрерывной интеграции: агент может мониторить систему сборки, анализировать логи, создавать задачи в системах учёта при падениях
Автоматизация клиентской поддержки: обработка заявок первой линии, маршрутизация запросов, генерация ответов с обращением к базе знаний
Оркестрация конвейеров данных: автоматическое управление процессами извлечения, преобразования и загрузки с адаптацией к изменениям схемы данных
Способность управлять подагентами означает, что один Gemini 3.5 Flash может координировать команду специализированных моделей для разных подзадач.
Анализ документов и работа с длинными контекстами
Миллион токенов контекста открывают сценарии, недоступные конкурентам:
Юридический анализ: обработка многостраничных контрактов без разбиения, поиск противоречий между разделами
Научные исследования: анализ академических статей с сохранением связей между теорией, методологией и выводами
Финансовый аудит: проверка годовых отчётов компаний, сопоставление данных из разных кварталов
Кодовые базы: анализ корпоративных проектов целиком, трассировка зависимостей между микросервисами
Для GPT-4o mini с его 128 тысячами токенов эти задачи требуют сложной логики разбиения и риска потери контекста на границах сегментов.
Мультимодальные приложения
Нативная поддержка текста, изображений, аудио и видео позволяет строить комплексные системы:
Видеоаналитика: обработка видеопотоков с камер наблюдения, детекция аномалий, генерация текстовых отчётов
Образовательные платформы: анализ лекций (видео + аудио + слайды) с генерацией конспектов и тестов
Медицинские приложения: анализ медицинских снимков с учётом истории болезни пациента (текст + изображения)
Модерация контента: проверка пользовательского контента во всех форматах одновременно
Высоконагруженные промышленные системы
Скорость 350-400 токенов в секунду критична для сервисов с высоким количеством запросов:
Чат-боты реального времени: мгновенные ответы в пиковые часы без очередей
Пакетная обработка: массовая классификация, анализ тональности, извлечение сущностей для миллионов документов
Рекомендательные системы: генерация персонализированных рекомендаций для каждого пользователя в реальном времени
Разработка с API в основе: когда модель — это ядро продукта, и задержки напрямую влияют на пользовательский опыт
Комбинация низкой задержки и высокой пропускной способности означает, что одна инстанция может обслуживать тысячи конкурентных запросов без деградации качества.
>>> Попробовать Гемини 3.5 Флеш
Gemini 3.5 Flash уже доступен — не в формате «скоро будет», а прямо сейчас, через несколько каналов с разными уровнями доступа.
Приложение Gemini — бесплатный старт для всех
Самый простой способ протестировать модель — официальное приложение Gemini. С 19 мая 2026 года Gemini 3.5 Flash стал моделью по умолчанию в приложении для всех пользователей.
Режим AI в поиске Google
Gemini 3.5 Flash интегрирован в режим AI поисковой системы Google. При активации этого режима поисковые запросы обрабатываются не классическим ранжированием, а генеративной моделью с доступом к индексу в реальном времени.
Применение: мгновенные ответы на сложные запросы, синтез информации из нескольких источников, визуализация данных прямо в результатах поиска.
Google AI Studio — игровая площадка для разработчиков
Для тех, кто хочет экспериментировать с API без написания кода, Google предлагает AI Studio — веб-интерфейс с:
Визуальным конструктором запросов
Тестированием разных параметров (температура, топ-p, бюджет рассуждений)
Просмотром использования токенов и стоимости в реальном времени
Экспортом готовых запросов в код (Python, JavaScript, curl)
Строка модели: gemini-3.5-flash
AI Studio доступен бесплатно с лимитами на количество запросов. Для промышленных нагрузок нужен переход на платный уровень.
Vertex AI — корпоративная платформа
Для корпоративных клиентов модель доступна через Vertex AI — управляемую платформу Google Cloud с:
Гарантиями уровня обслуживания времени работы и задержки
Интеграцией виртуальной частной сети для безопасной работы с чувствительными данными
API для пакетной обработки для массовой обработки с оптимизацией стоимости
Тонкой настройкой для адаптации модели под специфичные задачи (в планах)
Мониторингом и наблюдаемостью через консоль Cloud
Vertex AI поддерживает мультирегиональное развёртывание, что критично для соблюдения GDPR и других регуляторных требований.
>>> Начать пользоваться Gemini 3.5 Flash
Gemini 3.5 Flash — впечатляющая модель, но не волшебная палочка. Понимание её ограничений критично для принятия правильного архитектурного решения.
Несмотря на превосходство над Gemini 3.1 Pro, существуют сценарии, где более тяжёлые модели остаются предпочтительным выбором:
Экстремально сложные математические задачи. Google анонсировал Gemini 2.5 Pro Deep Think с результатом в олимпиаде USAMO 2025 (один из сложнейших математических тестов), который недостижим для архитектуры Flash. Если ваша задача требует многоступенчатых доказательств или олимпиадного уровня рассуждений — Pro остаётся лидером.
Максимальная точность в критичных системах. Медицинская диагностика, финансовый риск-менеджмент, юридическая экспертиза — области, где цена ошибки высока. Модели Pro с расширенным бюджетом рассуждений дают дополнительный запас надёжности за счёт более глубокого анализа.
Узкоспециализированные домены. Flash оптимизирован для универсальности. Если вам нужна модель, тонко настроенная на специфичных корпоративных данных (медицинские протоколы, финансовые регуляции), версия Pro с возможностью кастомизации может дать лучший результат.
Gemini 3.5 Flash тренирован на данных с датой среза знаний в январе 2025 года. Это означает:
События после января 2025 модель не знает без дополнительных источников
Регуляторные изменения, вышедшие в 2025-2026, требуют привязки через API поиска Google или систему дополненной генерации
Быстроменяющиеся отрасли (криптовалюты, биотехнологии, сам ИИ) нуждаются в интеграции данных реального времени
Google предлагает привязку к поиску Google как нативную функцию для Vertex AI, но это добавляет задержку и стоимость к каждому запросу.
Выходной лимит: 65 тысяч токенов
Максимальный объём выходных токенов ограничен 65,535. Для большинства задач это достаточно (примерно 50-70 страниц текста), но существуют граничные случаи:
Генерация полных книг или объёмных технических спецификаций требует нескольких вызовов
Трансляция очень больших кодовых баз в другой язык программирования может упереться в лимит
Генерация нескольких документов нуждается в стратегии разбиения на выходе
Бюджет рассуждений: баланс скорости и глубины
Режим рассуждений даёт модели возможность «думать» перед ответом, но:
Увеличивает задержку (токены рассуждений обрабатываются до генерации финального ответа)
Расходует дополнительные токены (хотя Google включил их в базовую цену)
Не всегда улучшает результат для простых задач
Разработчикам нужно экспериментировать с параметром бюджета рассуждений, чтобы найти оптимальную точку для своего случая использования. Для чатов реального времени рассуждения, скорее всего, стоит отключить или минимизировать.
Экосистемная зависимость от Google
Привязка к поставщику: Переход на Gemini означает интеграцию с инфраструктурой Google Cloud. Миграция на другого провайдера (AWS Bedrock для Claude, Azure для GPT) потребует переписывания значительной части кода.
Волатильность цен: Google может изменить цены после выхода из предварительного статуса. История с Gemini 2.5 Flash показывает, что ранние пользователи иногда сталкиваются с пересмотром тарификации при переходе к общедоступной версии.
Стабильность API: Модели Flash обновляются чаще, чем Pro. Если вы используете псевдоним gemini-flash-latest, поведение может измениться без предупреждения. Для промышленного использования критично использовать версионированные точки доступа (gemini-3.5-flash).
Задержка мультимодальности
Обработка видео и аудио добавляет значительную задержку по сравнению с чистыми текстовыми входами. Если ваше приложение требует ответа менее чем за секунду, мультимодальные входы могут нарушить соглашение об уровне обслуживания. Рекомендуется использовать асинхронную обработку для мультимедийного контента.
Нет автономного режима
В отличие от локальных моделей (Llama, Mistral), Gemini 3.5 Flash требует постоянного подключения к API Google. Для встраиваемых систем, граничных устройств или приложений с требованиями к резидентности данных это может быть блокером.
Альтернатива: Gemini Nano — версия для устройств для мобильных устройств, но с сильно урезанными возможностями.
После анализа характеристик, тестов производительности и реальных сценариев применения ответ зависит от вашей конкретной ситуации. Вот честная матрица принятия решений.
Gemini 3.5 Flash — идеальный выбор, если вы:
Работаете с длинными контекстами. Если ваши задачи регулярно требуют обработки документов больше 128 тысяч токенов — миграция с GPT-4o mini окупится мгновенно. Отсутствие логики разбиения упрощает архитектуру и снижает риск потери контекста.
Строите агентные системы. Результаты в тестах MCP Atlas (83.6%) и GDPval-AA (1656 Эло) говорят сами за себя. Если ваш продукт — это автономные агенты, оркестрация инструментов или многошаговые рабочие процессы, Gemini 3.5 Flash даёт готовую к промышленному использованию стабильность.
Нуждаетесь в мультимодальности. Единственная модель в сегменте с нативной поддержкой текста, изображений, аудио и видео. Для мультимедийных приложений альтернатив просто нет.
Оптимизируете задержку. 350-400 токенов в секунду делают модель самой быстрой в категории. Для приложений реального времени (чат-боты, голосовые помощники, интерактивные инструменты) это конкурентное преимущество.
Используете экосистему Google Cloud. Если ваша инфраструктура уже на GCP, интеграция Vertex AI даёт бесшовный опыт с едиными биллингом, мониторингом и политиками безопасности.
Оставайтесь на текущем решении, если:
Бюджет — главный приоритет. GPT-4o mini дешевле на задачах с большим объёмом выходных данных (0.60 доллара против 2.50 доллара за миллион токенов). Если вы генерируете огромные объёмы текста и качество не критично, OpenAI может быть выгоднее.
Вам нужна максимальная предсказуемость структурированных данных. Claude Haiku 4.5 всё ещё считается золотым стандартом для генерации JSON и вызова функций в промышленной среде. Если ваш код парсит структурированные данные, Anthropic даёт меньше сюрпризов.
Вы требуете развёртывания на собственных серверах. Gemini 3.5 Flash — это решение только для облака. Для изолированных систем или строгих требований к резидентности данных нужны самостоятельно размещаемые модели (Llama, Mistral) или специальные корпоративные договорённости.
Экосистема OpenAI критична. Если вы глубоко интегрированы с магазином GPT, пользовательскими GPT, DALL-E и другими сервисами OpenAI, миграция потребует значительных усилий.
Многие промышленные команды используют стратегию нескольких моделей:
Gemini 3.5 Flash для агентных задач, длинных контекстов и мультимедиа
GPT-4o mini для простой классификации, анализа тональности, где цена важнее скорости
Claude Haiku 4.5 для критичных структурированных данных и генерации кода
Платформы вроде LangChain, LlamaIndex и специализированные маршрутизаторы языковых моделей позволяют динамически выбирать модель в зависимости от типа запроса.
Gemini 3.5 Flash — это не пустая реклама, а реальный сдвиг в соотношении цены, скорости и качества. Google впервые за историю Gemini создал модель, которая не требует компромиссов. Если ваши задачи попадают в профиль сильных сторон модели (длинные контексты, агентность, мультимодальность, скорость), тестирование займёт несколько часов через AI Studio.
Для большинства промышленных команд, работающих с современными стеками искусственного интеллекта, Gemini 3.5 Flash заслуживает места в коротком списке — если не как основная модель, то как специализированный инструмент для определённого класса задач.
