Что умеют модели со зрением
Современные текстовые модели принимают картинку так же спокойно, как текст: вы прикладываете фото и спрашиваете о нём словами. Модель различает объекты, читает надписи в кадре, оценивает композицию и материалы, замечает дефекты.
Это отдельный класс задач, обратный генерации: не «нарисуй по описанию», а «опиши, что видишь». Работает в чате — приложите изображение к сообщению. Хорошо справляются модели с большим контекстом, например Gemini 3.1 Pro.
Alt-тексты для сайта
Alt нужен двум читателям: незрячему человеку с экранным диктором и поисковому роботу. Оба выигрывают от конкретики и проигрывают от набора ключевых слов.
Рабочий запрос: «Напиши alt-текст для этого изображения: одно предложение до 125 знаков, опиши что изображено по существу, без слов "картинка" и "фото", без перечисления ключевых слов».
| Плохой alt | Хороший alt |
|---|---|
| «фото товара» | «Керамическая кружка цвета терракота на деревянном столе» |
| «нейросеть ии генерация картинок 2026» | «Схема из четырёх шагов: загрузка файла, выбор модели, генерация, скачивание» |
Для сотни изображений это делается потоком: одна и та же формулировка, разные картинки.
Подписи к постам и карточкам
Здесь задача другая: не описать, а зацепить. Модели нужно объяснить контекст — площадку, аудиторию и цель.
«Вот фото блюда из нашего кафе. Напиши три варианта подписи для поста: первый — короткий и лёгкий, второй — с приглашением зайти, третий — с вопросом к подписчикам. Без канцелярита, до 200 знаков каждый».
Ключевой приём — просить несколько вариантов сразу. Из трёх один почти всегда годится с минимальной правкой, а выбирать быстрее, чем переформулировать запрос.
Характеристики товара с фотографии
Для интернет-магазина модель вытаскивает из кадра черновик карточки: материал, цвет, форму, назначение, видимые детали.
«По этому фото составь черновик карточки товара: название, три преимущества, характеристики списком. Отмечай отдельно то, в чём не уверен по фотографии».
Последняя фраза — самая важная. Она заставляет модель разделить наблюдения и догадки: размер, вес и состав по фото не определяются, и честная пометка «требует уточнения» лучше уверенной выдумки.
Где модель ошибается
Мелкий текст на упаковке распознаётся неуверенно: состав и артикул проверяйте глазами.
Точные размеры и вес по фотографии не определяются. Если модель их назвала — это догадка по типичным пропорциям, а не измерение.
Люди на фото. Возраст, эмоции и тем более личность модель оценивает приблизительно, а в публичных подписях такие догадки лучше не использовать вовсе.
Редкие объекты и локальные бренды часто опознаются неверно — модель подставляет похожее из общеизвестного.
Практическое правило: всё, что попадёт в карточку товара как факт, проверяет человек. Всё, что идёт в alt и подпись, можно брать почти как есть.
Попробовать можно на ГПТ Россия: новичку начисляется приветственный бонус 50 ₽, сервис работает без VPN, оплата в рублях российской картой. Готовые заготовки запросов лежат в разделе шаблонов.
Частые вопросы
Сколько стоит описать сто фотографий?
Текстовые модели тарифицируются по объёму, и описание одного изображения — это несколько сотен токенов. Сотня alt-текстов на недорогой модели обходится в несколько десятков рублей. Точные тарифы — на странице цен.
Можно ли приложить сразу несколько фото?
Да, и для однотипных задач это удобно: модель опишет их одним ответом списком. Но чем больше картинок в одном сообщении, тем поверхностнее разбор каждой — для карточек товара лучше по одной.
Подходит ли это для документов и таблиц на фото?
Для распознавания текста со скана — да, модель прочитает и структурирует содержимое. Но сверяйте цифры: в длинных таблицах со снимка возможны пропуски и перестановки строк.
