Спиридонов Михаил Сергеевич – кандидат юридических наук, доцент кафедры уголовного процесса, криминалистики и судебной экспертизы
WoS Researcher ID: https://www.webofscience.com/wos/author/record/AAK-9097-2021
РИНЦ Author ID: https://elibrary.ru/author_items.asp?authorid=1089837
454080, Россия, Челябинск, проспект Ленина, 76
Mikhail S. Spiridonov – Cand. Sci. (Law), Associate Professor, Department of Criminal Procedure, Criminology and Forensics
WoS Researcher ID:
RSCI Author ID:
76 prospekt Lenina, 454080 Chelyabinsk
Цель: исследование направлено на экспериментальную проверку способности общедоступных нейронных сетей решать формализованные задачи уголовного права с заранее установленным нормативно корректным результатом.
Методы: для достижения поставленной цели применялся комплекс взаимодополняющих методов научного познания. Общенаучную основу исследования составили методы анализа и синтеза, индукции и дедукции, позволившие системно осмыслить изучаемую проблематику. В рамках специального юридического инструментария использовались формально-юридический анализ и официальное толкование норм права, что обеспечило строгость нормативной оценки полученных результатов. Ключевым эмпирическим методом исследования выступил контролируемый эксперимент, органично сочетавшийся с моделированием правоприменительных ситуаций и сравнительным анализом ответов шести общедоступных нейронных сетей на идентичные уголовно-правовые задачи.
Результаты: в ходе проведенного эксперимента установлено, что общедоступные нейронные сети обнаруживают существенные расхождения в точности и последовательности ответов при решении формализованных задач уголовного права: ни одна из тестируемых моделей не продемонстрировала стабильного и безошибочного результата. Выявлено, что в отсутствие прямого указания на соответствующие правовые источники модели систематически допускают ошибки при определении момента погашения судимости, применении правил назначения наказания и установлении вида рецидива преступлений, что свидетельствует об их репродуктивном, а не аналитико-правовом характере. Предоставление точных цитат из нормативных актов и разъяснений Пленума Верховного Суда Российской Федерации существенно повышает корректность ответов отдельных нейронных сетей. Определены наиболее и наименее результативные модели, а также сформулированы основные требования к составлению юридически корректного запроса в сфере уголовного судопроизводства.
Научная новизна: настоящее исследование представляет собой попытку экспериментальной верификации возможностей общедоступных нейронных сетей применительно к конкретным задачам уголовного права с заранее известным нормативно верным ответом. Полученные результаты позволили выявить типологию воспроизводимых нейронными сетями ошибок, раскрыть их процессуальные причины, а также обозначить принципиальные ограничения использования генеративного искусственного интеллекта в правоприменительной деятельности.
Практическая значимость: результаты исследования могут использоваться в правоприменительной и образовательной деятельности: для определения допустимых границ применения общедоступных нейронных сетей в уголовном судопроизводстве, разработки методических рекомендаций по составлению юридически грамотных запросов к системам генеративного искусственного интеллекта, а также в целях предупреждения типовых ошибок при обращении к нейронным сетям в ходе профессиональной юридической деятельности.
Objective: to experimentally check the ability of publicly available neural networks to solve formalized criminal law problems with a pre-established normatively correct result.
Methods: a set of complementary methods of scientific cognition helped to achieve the work objective. The methods of analysis and synthesis, induction and deduction formed the general scientific basis, which made it possible to systematically comprehend the issues under study. Among special legal tools were formal legal analysis and official interpretation of legal norms, which ensured the rigorous normative assessment of the results obtained. The key empirical research method was a controlled experiment, organically combined with modeling law enforcement situations and a comparative analysis of the answers of six publicly available neural networks to identical criminal law problems.
Results: during the experiment, publicly available neural networks showed significant discrepancies in the accuracy and consistency of answers to formalized criminal law problems: none of the tested models demonstrated a stable and error-free result. In the absence of direct reference to the relevant legal sources, the models systematically made mistakes when determining the term of conviction expungement, applying the rules for sentencing, and determining the type of recidivism of crimes. This indicates reproductive rather than analytical-legal nature of the models. Providing accurate quotations from regulations and explanations of the Russian Supreme Court Plenum significantly improves the correctness of answers from certain neural networks. The most and least effective models were identified, as well as the basic requirements for drafting a legally correct query in the field of criminal proceedings.
Scientific novelty: the study is an attempt to experimentally check the capabilities of publicly available neural networks in relation to specific criminal law problems with a pre-established normatively correct answer. The results obtained made it possible to propose the typology of errors made by neural networks, reveal their procedural causes, and identify the fundamental limitations of using generative artificial intelligence in law enforcement.
Practical significance: the results can be used in law enforcement and education: to determine the acceptable limits of using publicly available neural networks in criminal proceedings; to develop methodological recommendations for making legally correct queries to generative artificial intelligence systems; and to prevent typical errors when using neural networks in professional legal activity.
Поводом для написания данной статьи стали несколько причин. Первая состоит в нарастающем среди судебных чиновников дискурсе по поводу невероятных перспектив применения инструментов искусственного интеллекта (далее – ИИ) в судопроизводстве и улучшении с их помощью работы как всей судебной системы, так и отдельно взятого российского судьи. Это наводит на мысль, что данные высказывания либо основаны на каких-то неопубликованных исследованиях, которые показали удивительные результаты эффективности применения ИИ в юридической деятельности, либо, что более вероятно, являются проявлением всеобщего наивно-позитивного представления об ИИ. Вторая причина – личное любопытство автора. Весьма соблазнительной кажется возможность переложить часть работы профессионального юриста по уголовным делам на виртуального помощника, особенно когда обещано, что его база знаний и способности к поиску намного превышают средние человеческие возможности.
При первом приближении возможность использования ИИ в разных областях, например, в юридическом образовании (Даниелян, 2024) или при проверке законопроектов местного уровня (Ke Wang, 2023), действительно, не кажется такой уж фантастической и далекой перспективой. Наряду с этим в публикациях последних лет высказываются мнения по поводу ограниченных возможностей данных систем (Callister, 2020), отмечаются непрозрачность и непредсказуемость технологий ИИ, потенциальные риски для прав и гарантий людей, таких как неприкосновенность тайны частной жизни, право на недискриминацию, а также на справедливое судебное разбирательство (Бузова, 2024; Власова, 2025; Ворожевич, 2025; Дедов, 2023; Жарова, 2025; Калятин, 2024; Карцхия, 2024; Кравченко, 2025; Чебодаева, 2023; Farinella & Gulyaeva, 2024), скептически оценивается потенциал этих технологий в решении юридических конфликтов с констатацией их большей полезности в качестве средства документирования и систематизации нормативных актов (Navarro-Dolmestch & Fuentes-Loureiro, 2023). Также отдельные авторы обоснованно указывают на риски, связанные с использованием генеративного ИИ в правосудии, такие как генерация неправильных, но правдоподобных результатов (Кирпичев, 2024).
Актуальность темы настоящего исследования подтверждается тем, что публикационная активность по вопросам практического применения ИИ меньше всего затрагивает как раз правовую сферу (Авдошин и др., 2024; Аветисян, 2024; Андриянов и др., 2024; Барышников, 2023; Бетелин, 2024; Еремин, Селенгинский, 2023; Кобринский, 2024; Оборотистов, Мураев, 2023; Орлов, 2025; Райков, 2024; Разумов, Дусь, 2024; Римшин, Кучеренко, 2024; Сайфуллин и др., 2023; Созаева, 2024). В первую очередь интерес представляет экспериментальное исследование возможностей современных общедоступных нейронных сетей в решении ординарных юридических задач, с которыми можно столкнуться при рассмотрении уголовного дела. Стоит отдельно отметить, что нас интересуют именно те нейронные сети, которыми в текущий момент времени может свободно воспользоваться любой человек. Если с помощью этих инструментов получится корректно ответить на отдельные правовые вопросы, то это будет являться индикатором того, что есть перспектива разработки специализированных нейронных сетей для конкретной сферы правоприменения. Соответственно, в этом состоит тезис, проверка которого составляет цель настоящего исследования.
Для настоящего исследования применялись следующие общедоступные (на ноябрь 2025 г.) нейронные сети (далее – НС):
– YaGPT (YandexGPT);
– ChatGPT 5;
– Claude Sonnet 4.5;
– GigaChat;
– DeepSeek;
– Perplexity (по сути, это агрегатор нескольких нейронных сетей).
В основе работы данных НС – архитектура трансформеров, благодаря которой модель, обученная на огромном массиве данных, анализирует контекст и генерирует текст. Она делает это путем выявления статистических закономерностей в языке, выстраивая математические связи между словами, т. е. имитирует понимание через вычисления.
В основе работы этих инструментов лежат такие методы автоматической обработки текстов на естественном языке, как обучение с учителем, обучение без учителя, частичное обучение с учителем (Белов и др., 2020). Большие языковые модели – это генераторы токенов (минимальной единицы текста, которой присвоено числовое представление), обладающие способностью последовательно их предсказывать, тем самым завершая документы; при этом, несмотря на продолжающееся развитие больших языковых моделей, сохраняется базовый принцип их работы – инструмент для завершения документа (Берриман, Циглер, 2025).
Исходя из этого, при формулировании запроса для такой НС необходимо передать задачу пользователя и сопроводительный контекст таким образом, чтобы модель смогла помочь найти решение.
Выбранные для настоящего исследования общедоступные НС по своей форме представляют собой диалоговое окно, в котором пользователь составляет письменный вопрос (запрос) и получает на него письменный ответ. С учетом кратко описанного выше порядка работы этих моделей для получения корректного результата запрос пользователя должен соответствовать определенным стандартам. Здесь имеет место корреляция между качеством текста запроса и точностью (корректностью) ответа НС.
В настоящее время можно найти многообразную литературу по составлению запросов в НС (промпт-инжиниринг), в которой описываются базовые требования к ним. Так, некоторые авторы предлагают следующие принципы составления запросов для НС: задать направление – подробно описать желаемый стиль или указать соответствующую ему личность; указать формат – определить правила, которым должна следовать модель, и структуру ответа; привести примеры – добавить несколько примеров правильного решения задачи; оценить качество – найти ошибки, оценить ответы и определить, что влияет на качество ответа; разделить задачу на подзадачи – разбить сложные задачи на связанные между собой этапы (Феникс, Тейлор, 2025). Можно встретить и такой вариант требований к промпту: изначально следует четко обозначить цель запроса, продумать требуемый конечный результат, определить формат представления результата; запрос следует структурировать, разбив на пункты; в запросе использовать точные формулировки и специализированные термины; явно указать исходные условия и задать уровень детализации ответа; в начале запроса установить инструкции и правила (Кузьменко, 2025).
Итак, исходя из вышеуказанных требований был составлен следующий запрос:
1. Внимательно прочитай вопрос.
2. Ответь на вопрос с максимальной точностью.
3. Для каждой ключевой части/тезиса твоего ответа:
– Оцени уверенность (по шкале 1–100).
– Четко укажи: это точные знания или предположение/логический вывод.
4. Если уверенность в какой-либо части < 70/100, обязательно предложи альтернативу или ясно предупреди о возможной неточности/неполноте.
5. Сформулируй три разных ответа на этот вопрос, каждый с оценкой уверенности, как указано. Выбери наиболее достоверный ответ.
6. Приведи источники, если они известны.
7. Твоя роль – российский судья районного или городского суда. Ты отлично ориентируешься в уголовно-процессуальном законодательстве России, имеешь большой теоретический и практический опыт.
8. В ответах на данный запрос ориентируйся: на нормы Уголовно-процессуального кодекса РФ; нормы Уголовного кодекса РФ; постановления Пленума Верховного Суда РФ, в том числе постановление Пленума Верховного Суда Российской Федерации № 14 от 07.06.2022, и судебную практику по данному вопросу в РФ (бери практику только с проверенных источников – https://www.vsrf.ru, www.consultant.ru, https://www.garant.ru/, https://sudact.ru/, сайты судов общей юрисдикции РФ) и всегда проверяй актуальность информации.
9. Если информация (нормативно-правовые акты, ссылки на ресурсы и т. д.) может быть устаревшей или недействующей, обязательно сообщи об этом.
10. Внимательно изучай все содержание источников, не пропуская ни одного пункта.
11. Убедись, что каждая деталь, вопрос или пункт, представленные в материалах, были учтены и проанализированы.
12. Формат ответа:
12.1. Дай ответ с уровнем детализации 100 из 10.
12.2. При ответе используй понятный, не двусмысленный язык.
12.3. Все примечания о возможной устаревшей информации и проверке источников формулируй явно и понятно для пользователя.
12.4. При ответе отражай полученную информацию максимально точно, опираясь на все разделы и детали источников, из файлов и текста.
12.5. Если в процессе анализа выясняется, что правовой вопрос не имеет однозначного ответа (т. е. по нему существует разная судебная практика, противоречивые нормы права или мнения экспертов), ты должен четко обозначить, что вопрос дискуссионный, и указать, к какой точке зрения склоняешься именно ты и почему.
12.6. Не выдавай гипотезы или догадки за установленный правовой факт.
В рамках указанного выше запроса нейросетям предложено решить следующие задачи по уголовному праву:
Совершеннолетний гражданин России Иванов осужден приговором Калининского районного суда г. Уфы от 12.10.2021 по ч. 1 ст. 264.1 УК РФ к одному году лишения свободы условно с испытательным сроком один год, с лишением права заниматься деятельностью, связанной с управлением транспортными средствами, на срок 1 год 6 месяцев. Данный приговор вступил в законную силу 12.11.2021. Иванов вновь задержан за управление транспортным средством в состоянии алкогольного опьянения 01.06.2023. Вопрос: Могут ли действия Иванова квалифицироваться как преступление и если да, то по какой статье УК РФ они будут квалифицированы?
Совершеннолетний гражданин Петров осужден два раза: 1) 05.11.2023 Ивановским районным судом по п. «в» ч. 2 ст. 158 УК РФ к шести месяцам лишения свободы в исправительной колонии общего режима, освобожден 05.05.2024 по отбытии наказания; 2) 12.08.2024 Ивановским районным судом по ч. 1 ст. 161 УК РФ к одному году лишения свободы с отбыванием в исправительной колонии строгого режима. Петров 10.06.2024 совершил кражу куртки стоимостью 10 000 рублей. За это преступление он осужден 10.09.2024 Ивановским районным судом по п. «в» ч. 2 ст. 158 УК РФ к 1 году лишения свободы, на основании ст. 70 УК РФ по совокупности приговоров к назначенному наказанию частично присоединена неотбытая часть наказания по приговору от 12.08.2024 и окончательно назначено наказание в виде 1 года 6 месяцев лишения свободы с отбыванием в исправительной колонии строгого режима. По последнему приговору суд признал в действиях Петрова опасный рецидив преступлений. Вопросы: 1. Правильно ли в приговоре от 10.09.2024 назначено окончательное наказание? 2. Правильно ли в этом приговоре установлено наличие рецидива преступлений?
Обе задачи взяты из реальной судебной практики. Первая из них основана на уголовном деле № 1-230/2022 (УИД 76RS0013-01-2022-000945-09) в отношении Черных, рассмотренном Рыбинским городским судом Ярославской области 18.04.2022 с вынесением обвинительного приговора.
Обстоятельства дела следующие: Черных 03.07.2018 осужден мировым судьей судебного участка № 3 Рыбинского судебного района Ярославской области по ст. 264.1 УК РФ к 11 месяцам лишения свободы условно с испытательным сроком два года с лишением права заниматься деятельностью, связанной с управлением транспортными средствами, сроком на 2 года 8 месяцев. Наказание в виде лишения свободы отбыто 03.07.2020, дополнительное наказание в виде лишения права заниматься деятельностью, связанной с управлением транспортными средствами, отбыто 13.03.2021. После чего Черных 02.02.2022 около 00 часов 55 минут в состоянии алкогольного опьянения управлял автомобилем «Рено Сандеро» около дома № 33 по улице Толбухина города Рыбинска Ярославской области. Суд первой инстанции квалифицировал данные действия Черных как управление автомобилем лицом, находящимся в состоянии опьянения, имеющим судимость за совершение в состоянии опьянения преступления, предусмотренного ст. 264.1 УК РФ.
Суд кассационной инстанции с приговором не согласился и указал, что судимость Черных по приговору от 03.07.2018 на момент совершения нового деяния была погашена, что исключает его уголовную ответственность по ч. 2 ст. 264.1 УК РФ, где наличие судимости является обязательным признаком состава преступления (кассационное постановление 2 КСОЮ от 04.06.2024 № 77-1487/2024). Решение кассации основано на положениях п. 14 постановления Пленума Верховного Суда Российской Федерации № 14 от 07.06.2022 «О практике применения судами при рассмотрении уголовных дел законодательства, регламентирующего исчисление срока погашения и порядок снятия судимости».
Аналогичный пример – уголовное дело № 1-74/2024 (УИД 50RS0036-01-2024-000324-74) в отношении Малофеева, рассмотренное Пушкинским городским судом Московской области 12.02.2024 с вынесением обвинительного приговора, который также отменен в кассационном порядке по аналогичному основанию (кассационное постановление 1 КСОЮ от 16.04.2025 № 77-1251/2025).
Таким образом, краткий ответ на первую задачу будет следующим: в действиях Иванова нет состава преступления, поскольку судимость по первому приговору погашена 13.05.2023.
Критерии оценки для первой задачи: верно определено отсутствие состава преступления и дано правильное обоснование через погашение судимости на следующий день после отбытия (исполнения) дополнительного наказания. Если соблюдены оба критерия, ответ оценивается на 100 %, если только один – на 50 %.
Вторая задача основана на положениях абз. 5 п. 27 постановления Пленума Верховного Суда Российской Федерации от 29.11.2016 № 55 «О судебном приговоре» о необходимости определения вида рецидива преступлений при назначении вида исправительного учреждения и п. 52 постановления Пленума Верховного Суда Российской Федерации от 22.12.2015 № 58 «О практике назначения судами Российской Федерации уголовного наказания» о применении общих правил назначения наказания по совокупности преступлений к лицу, совершившему другое преступление до вынесения приговора по первому делу.
Исходя из этого, краткий ответ на вторую задачу будет следующим: окончательное наказание по совокупности приговоров по правилам ст. 70 УК РФ назначено Петрову неправильно, так как следовало применить ч. 5 ст. 69 УК РФ – назначение наказания по совокупности преступлений; опасный рецидив определен неверно, поскольку на момент совершения преступления имелась лишь одна судимость, образующая рецидив, т. е. в действиях Петрова имеется простой рецидив преступлений.
Критерии оценки для второй задачи: верно определена ошибка в применении ст. 70 УК РФ и определении вида рецидива. Если соблюдены оба критерия, ответ оценивается на 100 %, если только один – на 50 %.
Как видно, глобально решение вышеуказанных задач зависит от точного определения правила, которое должно применяться (в первой задаче – правило исчисления срока погашения судимости, во второй – правило назначения наказания при множественности преступлений) и корректности вычислений (в первой задаче – определить период исполнения дополнительного наказания и дату погашения судимости; во второй – определить хронологию преступлений и приговоров). Таким образом, данные задачи основаны на анализе точно установленных значений, а потому требуют вычислений и исключают необходимость формулировать оценочные суждения. В условиях задач приведены исчерпывающие сведения, которые позволяют дать полный и корректный ответ.
Ни одна НС не дала верный ответ на 100 % (табл. 1). Ближе всех была Claude Sonnet 4.5, которая указала, что квалификация по ч. 2 ст. 264.1 УК РФ невозможна, так как судимость погашена по истечении испытательного срока. Этот ответ оценен на 50 %, поскольку неверно определен момент погашения судимости. Другие модели с задачей не справились. Наименее точный ответ у DeepSeek, поскольку вместо погашения судимости приведены суждения о действии административного наказания.
Таблица 1. Результаты ответов на первую задачу. Первая попытка
| Название модели | Краткий ответ | Оценка (%) |
| Chat GPT 5 | Действия Иванова могут быть квалифицированы по ч. 2 ст. 264.1 УК РФ, если судимость еще не погашена | 0 |
| Claude Sonnet 4.5 | Квалификация по ч. 2 ст. 264.1 УК РФ невозможна, так как судимость погашена по истечении испытательного срока | 50 |
| YaGPT | Действия Иванова подпадают под ч. 2 ст. 264.1 УК РФ, так как судимость не погашена | 0 |
| Perplexity | Действия Иванова следует квалифицировать по ч. 2 ст. 264.1 УК РФ, так как судимость не погашена | 0 |
| GigaChat | Действия Иванова следует квалифицировать по ч. 2 ст. 264.1 УК РФ, так как судимость не погашена | 0 |
| DeepSeek | Действия Иванова подлежат квалификации по ч. 2 ст. 264.1 УК РФ, поскольку он управлял транспортным средством в состоянии опьянения в период действия административного наказания в виде лишения специального права | 0 |
По-видимому, НС не смогли выйти на текст вышеуказанного п. 14 постановления Пленума Верховного Суда Российской Федерации от 07.06.2022 № 14 «О практике применения судами при рассмотрении уголовных дел законодательства, регламентирующего исчисление срока погашения и порядок снятия судимости». В связи с чем была предпринята вторая попытка, в ходе которой каждой модели была предоставлена точная цитата указанной правовой позиции. Полученные результаты изменились (табл. 2). Со второй попытки 100 % правильный ответ дан Claude Sonnet 4.5, YaGPT и ChatGPT – верно указано об отсутствии состава преступления в действиях Иванова ввиду погашения судимости. При этом данные модели признали промах в первой попытке и корректно применили предоставленную им цитату. Также первые две модели правильно определили дату погашения судимости, а ChatGPT в этом ошибся, указав на месяц раньше. На правильность ответа это не повлияло, поэтому результат зачтен.
Таблица 2. Результаты ответов на первую задачу. Вторая попытка
Примечание: * с учетом изложенного выше комментария.
| Название модели | Краткий ответ | Оценка (%) |
| Chat GPT 5 | В действиях Иванова нет состава преступления, так как судимость по предыдущему приговору погашена с 13.04.2023 | 100* |
| Claude Sonnet 4.5 | Действия Иванова на момент задержания 01.06.2023 не могут быть квалифицированы как преступление, так как прошло 19 дней после погашения судимости | 100 |
| YaGPT | Судимость Иванова погасилась 13.05.2023, его действия, совершенные 01.06.2023, не могут квалифицироваться по ч. 2 ст. 264.1 УК РФ из-за отсутствия непогашенной судимости на момент совершения деяния | 100 |
| Perplexity | Судимость Иванова будет считаться погашенной только 13.05.2024, поэтому его действия подлежат квалификации по ч. 2 ст. 264.1 УК РФ | 0 |
| GigaChat | Иванов оставался судимым вплоть до 12.11.2023, поэтому его действия образуют состав преступления, предусмотренный ч. 1 ст. 264.1 УК РФ | 0 |
| DeepSeek | На 01.06.2023 судимость Иванова была погашена, срок административного наказания в виде лишения права истек, его действия подлежат квалификации по ч. 2 ст. 264.1 УК РФ | 0 |
В этот раз определить наименее точный ответ не удалось, поскольку ответы Perplexity, GigaChat и DeepSeek одинаково неверные. Стоит лишь отметить, что первые две модели продолжили считать Иванова судимым, то есть проигнорировали предоставленную им цитату правовой позиции, а DeepSeek неверно понял ее содержание, посчитав, что погашение судимости не имеет правового значения для ответа на вопрос.
Поставленные во второй задаче вопросы не вызвали затруднений у Claude Sonnet 4.5 и ChatGPT – данные модели дали 100 % правильные ответы (табл. 3).
Таблица 3. Результаты ответов на вторую задачу
| Название модели | Краткий ответ | Оценка (%) |
| Chat GPT 5 | Окончательное наказание определено незаконно, поскольку суд применил ст. 70 УК РФ, хотя должен был применять ст. 69 УК РФ, так как преступление совершено до вынесения предыдущего приговора; опасный рецидив определен ошибочно, поскольку на момент совершения преступления у Петрова имелась только одна судимость | 100 |
| Claude Sonnet 4.5 | Окончательное наказание назначено неправильно, так как суд ошибочно применил ст. 70 УК РФ (совокупность приговоров) вместо ст. 69 УК РФ (совокупность преступлений). Установление опасного рецидива неправильно. В действиях Петрова имеется простой рецидив преступлений | 100 |
| YaGPT | Окончательное наказание назначено правильно. Опасный рецидив установлен неправильно, так как на момент совершения преступления у Петрова была только одна судимость, поэтому рецидива нет | 0 |
| Perplexity | Наказание назначено правильно, наличие рецидива установлено корректно | 0 |
| GigaChat | Применение ст. 70 УК РФ является правомерным, но вид исправительного учреждения определен неверно. Признание опасного рецидива необоснованно, так как в действиях Петрова вообще нет рецидива | 0 |
| DeepSeek | Окончательное наказание назначено неправильно в части вида исправительного учреждения. Наличие опасного рецидива преступлений установлено неправильно, рецидив должен был быть признан простым | 50 |
Perplexity, YaGPT, DeepSeek и GigaChat не увидели ошибку в применении положений ст. 70 УК РФ при назначении окончательного наказания. При этом последние три «засомневались» в правильности вида рецидива, но в итоге YaGPT и GigaChat пришли к неверному выводу об отсутствии рецидива вовсе, а DeepSeek оказался точнее, указав наличие простого рецидива, поэтому его ответ оценен в 50 %. Следовательно, наименее точный ответ у Perplexity.
Таким образом, наиболее точные ответы по каждой задаче сформулированы Claude Sonnet 4.5 (решены обе задачи, все попытки были результативными), следующим по точности является Chat GPT 5 (решены обе задачи, но первая – с оговоркой), за ними следует YaGPT (решена одна задача со второй попытки) и DeepSeek (вторая задача решена частично).
Поскольку задачи верно решены сразу несколькими НС, случайный характер полученных результатов исключается. Приводимая моделями аргументация ответов также показывает, что они получены в ходе вычислительных процессов, а не рандомной выдачи. Это демонстрирует реальные возможности тестируемых НС, что напрямую связано с объемом заложенного в каждую из них массива данных и настройками их вычислительных алгоритмов.
Вышеприведенные результаты тестирования позволяют сформулировать следующие выводы:
The authors declare that there are no conflicts of interest present.