1
Контекст
Определяем сценарии применения модели, пользователей и метрику.
Оценка качества
LLM-разработка с понятной сметой.
Выбираем, тестируем и внедряем LLM в продуктовые и внутренние сценарии с оценкой качества, стоимости и рисков.
Telegram
Онлайн
t.me/meretti_pro
Обычно отвечаем за 15 минут
WhatsApp
Пн–Пт 10–19
+7 993 600-62-23
Альтернативный способ связи
Вы также можете отправить запрос на нашу почту hello@meretti.pro
Оценка качества
Экономика токенов
Production-подход
Прозрачная оценка
01 — Состав
Что входит.
Аудит сценариев и данных
Карта рисков и критериев качества
UX ключевого взаимодействия
Архитектура AI-контура
Интеграции с системами клиента
Оценка ответов и мониторинг
Тестирование крайних случаев
Документация и передача команде
02 — Метод
Как создаём llm-решения
Начинаем с оценки качества, стоимости и рисков, затем выбираем модель и контур.
2
Данные
Проверяем источники данных, доступы и качество для контекста модели.
3
Прототип
Тестируем несколько моделей на реальных задачах и сравниваем ответы.
4
Production
Собираем интеграции, наблюдаемость и защиту production-контура.
5
Развитие
Улучшаем выбор модели по данным реального использования.
Квиз по проекту
Быстрый расчёт проекта.
Заполните заявку и получите расчёт на ваш проект — и скидку 20% на разработку.
Скидка 20% за заполненную заявку
Шаг 1 / 6
Что нужно сделать?
Шаг 2 / 6
Какая главная цель проекта?
Шаг 3 / 6
Сайт или система уже есть?
Шаг 4 / 6
Какие интеграции понадобятся?
Шаг 5 / 6
Когда нужен результат?
Шаг 6 / 6
Ориентир по бюджету?
Последний шаг — куда прислать расчёт
Расчёт почти готов.
Оставьте номер — пришлём расчёт и скидку 20% в течение 15 минут. Без презентаций и давления.
03 — Процесс
Этапы работы.
01
Фиксируем сценарии применения LLM и границы первой версии.
02
Собираем сценарии, данные и требования к качеству и стоимости.
03
Делаем решение инкрементами с регулярными демо на реальных задачах.
04
Проводим тесты, обучение команды и включаем мониторинг стоимости.
04 — Интеграции
Интеграции для LLM-решения
OpenAI APIТестируем модели OpenAI на ваших реальных задачах и сравниваем качество, скорость и стоимость.
Anthropic APIПроверяем модели Anthropic там, где важны длинный контекст и точное следование инструкциям.
Google Vertex AIОцениваем модели, доступные через Vertex AI, если инфраструктура компании уже на Google Cloud.
PostgreSQLПроектируем хранилище в PostgreSQL для датасетов, промптов и результатов сравнения моделей.
TelegramСобираем обратную связь от тестовой группы через бота в Telegram на этапе пилота.
CRMПроверяем, как выбранная модель работает с реальными данными клиентов из вашей CRM.
05 — Стек
Технологии проекта.
Модели
GPTClaudeGeminiLlama
06 — Сравнение
Внедрение вместо эксперимента
| Критерий | meretti.pro | Разрозненный пилот | Готовый бот |
|---|---|---|---|
| Сценарий | Привязан к процессу | Проверяется в вакууме | Ограничен шаблоном |
| Качество | Тесты и мониторинг | Без системы оценки | Не управляется |
| Данные | Права и контекст | Ручные выгрузки | Закрытый контур |
07 — Цифры
Почему с нами.
48 ч
на первичную оценку
1
команда от гипотезы до запуска
100%
прозрачности по данным
7 дней
ритм демо
Бесплатная консультация 15 минут
Оставьте номер — перезвоним.
Перезвоним в течение 2 часов в рабочее время (Пн–Пт, 10:00–19:00 МСК) — коротко разберём объём, сроки и порядок цифр. Без продаж и обязательств.
Ответим за 2 часа
Менеджер проекта, а не отдел продаж
Никакого спама
08 — Стоимость
Тарифы и ориентиры.
Пилот
от 405 000 ₽
8–12 недель
- Ключевой сценарий
- Прототип
- Тестовые кейсы
Популярный
Production
от 640 000 ₽
12–18 недель
- Всё из «Пилота»
- Интеграции
- Мониторинг и безопасность
Масштаб
от 1 081 000 ₽
18–26 недель
- Всё из «Production»
- Несколько сценариев
- План развития
Стоимость зависит от данных, интеграций и требований к качеству; состав работ фиксируем до старта.
Дополнения
Подготовка данныхДополнительные интеграцииОценка качестваПоддержка
10 — FAQ
Частые вопросы
Дообучение или промпты/RAG?
Какую модель выбрать?
По качеству на ваших тестах, цене, латентности, политике данных. Бенчмарк на вашем наборе. Смена модели через слой абстракции.
Оценка качества?
Золотой набор, метрики, слепое сравнение, регрессия при изменениях. Без набора — ощущения. Версионируем промпты.
Стриминг и UX?
Да для чатов. Нужны отмена, ошибки, цитаты источников. UX важнее «сырой модели». Продуктовый слой.
Стоимость токенов?
Заложим бюджет и кэш/сокращение контекста. Мониторинг spend. Оптимизация после пилота.
Следующий шаг
Найдём сценарий,
где AI окупается.
На первой встрече разберём сценарии применения модели, данные и границы полезного пилота.