Связаться с намиПодключиться

Как начать работать с YandexGPT Lite и YandexGPT Pro

Статья создана
Обновлена 14 октября 2025 г.

В этом разделе вы научитесь использовать нейросеть YandexGPT для генерации текста в синхронном режиме без дополнения контекста. Другие примеры см. в разделе Инструкции для работы с Yandex AI Studio.

О стоимости использования Yandex AI Studio читайте в разделе Правила тарификации для Yandex AI Studio.

Перед началом работы

Чтобы начать работать в Yandex Cloud:

  1. Войдите в консоль управления. Если вы еще не зарегистрированы, перейдите в консоль управления и следуйте инструкциям.
  2. В сервисе Yandex Cloud Billing убедитесь, что у вас подключен платежный аккаунт, и он находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.
  3. Если у вас еще нет каталога, создайте его.

Для работы из консоли управления подготовительные действия не требуются.

Чтобы воспользоваться примерами запросов с использованием SDK:

  1. Создайте сервисный аккаунт и назначьте ему роль ai.languageModels.user.

  2. Получите и сохраните API-ключ сервисного аккаунта.

    В примерах используется аутентификация с помощью API-ключа. Yandex Cloud ML SDK также поддерживает аутентификацию с помощью IAM-токена и OAuth-токена. Подробнее см. в разделе Аутентификация в Yandex Cloud ML SDK.

    Примечание

    Если вы используйте ОС Windows, рекомендуем предварительно установить оболочку WSL и выполнять дальнейшие действия в этой оболочке.

  3. Установите Python версии 3.10 или выше.

  4. Установите библиотеку Python venv для создания изолированных виртуальных окружений в Python.

  5. Создайте и войдите в новое виртуальное окружение Python:

    python3 -m venv new-env
source new-env/bin/activate

  6. С помощью менеджера пакетов pip установите библиотеку ML SDK:

    pip install yandex-cloud-ml-sdk

Сгенерируйте текст

Примечание

Чтобы повышать качество генерируемых ответов, API AI Studio логирует промты пользователей. Не передавайте в запросах чувствительную информацию и персональные данные.

  1. В консоли управления выберите каталог, на который у вашего аккаунта есть роль ai.languageModels.user или выше.

  2. На панели слева нажмите Все сервисы и выберите AI Studio или найдите его с помощью строки поиска на дашборде.

  3. На панели слева выберите AI Playground.

    screen01

  4. Выберите тип генерации:

    • Генерация с учетом контекста — модель будет генерировать ответы с учетом истории диалога. Это позволит уточнить результат в процессе общения.
    • Генерация текста — модель будет генерировать ответы только на основе вашего последнего сообщения и инструкции.

  5. Напишите запрос в поле ввода снизу и нажмите или Enter. Вы также можете воспользоваться примерами запроса, предлагаемыми сверху.

    Созданные диалоги сохраняются на панели Эксперименты справа. Нажмите возле нужного диалога, чтобы переименовать или удалить его.

  6. Чтобы настроить чат, в блоке Настройки:

    1. Выберите модель генерации.
    2. Температура — укажите значение от 0 до 1, которое определяет вариативность ответа модели. Чем выше значение, тем более непредсказуемым будет результат выполнения запроса.
    3. Инструкция — опишите требуемую задачу, стиль письма, лимиты и другие предписания для модели. Для повышения точности генерации см. Руководство по проектированию промтов.
    4. Использовать контекст — измените тип генерации.
    5. Использовать ассистента — если опция включена, AI Playground будет работать на основе AI Assistant API.

  7. Нажмите Дообучить модель, если нужно научить модель следовать сложному формату ответов.

  8. Нажмите Посмотреть код, чтобы получить код запроса к модели через ML SDK для Python или cURL.

    screen02

  1. Создайте файл generate-text.py и добавьте в него следующий код:

    #!/usr/bin/env python3

from __future__ import annotations
from yandex_cloud_ml_sdk import YCloudML

messages = [
    {
        "role": "system",
        "text": "Найди ошибки в тексте и исправь их",
    },
    {
        "role": "user",
        "text": """Ламинат подойдет для укладке на кухне или в детской 
комнате – он не боиться влаги и механических повреждений благодаря 
защитному слою из облицованных меламиновых пленок толщиной 0,2 мм и 
обработанным воском замкам.""",
    },
]


def main():
    sdk = YCloudML(
        folder_id="<идентификатор_каталога>",
        auth="<API-ключ>",
    )

    result = (
        sdk.models.chat("yandexgpt").configure(temperature=0.5).run(messages)
    )

    for alternative in result:
        print(alternative)


if __name__ == "__main__":
    main()

    Где:

    Примечание

    В качестве входных данных для запроса Yandex Cloud ML SDK может принимать строку, словарь, объект класса TextMessage или массив, содержащий любое сочетание указанных типов данных. Подробнее см. в разделе Использование Yandex Cloud ML SDK.

    • messages — массив сообщений, которые задают контекст для модели:

      • role — роль отправителя сообщения:

        • user — предназначена для отправки пользовательских сообщений к модели.
        • system — позволяет задать контекст запроса и определить поведение модели.
        • assistant — используется для ответов, которые генерирует модель. При работе в режиме чата ответы модели, помеченные ролью assistant, включаются в состав сообщения для сохранения контекста беседы. Не передавайте сообщения пользователя с этой ролью.

      • text — текстовое содержимое сообщения.

    Подробнее о том, как обращаться к определенной версии модели, см. в разделе Обращение к моделям.

  2. Выполните созданный файл:

    python3 generate-text.py

    Результат:

    Alternative(role='assistant', text='Ламинат подойдёт для укладки на кухне или в детской комнате. Он не боится влаги и механических повреждений благодаря защитному слою из облицованных меламиновых плёнок толщиной 0,2 мм и обработанным воском замкам.', status=<AlternativeStatus.FINAL: 3>)

Что дальше

Следующая
Начало работы с YandexART