Сколько будет стоить ваш проект у нас? Опишите его в нескольких строках и увидите наш диапазон за две минуты. Получить оценку

Что мы делаем

  • Функции на GPT

    Генерация и переписывание текстов, извлечение полей из документов, классификация обращений, вызов из вашего бэкенда.

  • Function calling

    Модель просит вызвать вашу функцию, ваш код проверяет права пользователя, выполняет вызов и логирует его.

  • Embeddings и RAG

    Поиск по смыслу в pgvector или Qdrant, совмещенный с поиском по ключевым словам, и ответы со ссылками на источники.

  • Миграция с Assistants API

    Переносим ассистентов, треды и файлы на Responses API за feature flag и сравниваем ответы до и после.

  • Контроль расходов

    Маршрутизация между моделями, кэширование промптов, Batch API и жесткие лимиты на пользователя, функцию и месяц.

  • Оценка качества

    Фиксированный набор реальных примеров, который прогоняем при каждом изменении промпта или модели.

Прототип за вечер и функция, которой доверяют

Типичная история. Кто-то в команде за вечер сделал интеграцию ChatGPT API, и на демо все выглядело отлично. Потом модель вернула JSON без нужного поля, один пользователь за ночь сжег месячный бюджет на токены, а после обновления модели ответы стали другими, и никто не может сказать, лучше или хуже.

Интеграция ChatGPT в продукт, сделанная для продакшена, закрывает именно эти дыры. Модель вызывается из вашего бэкенда, никогда из браузера, поэтому API-ключ, промпты, лимиты и логи остаются под вашим контролем. Каждый структурированный ответ проверяется по JSON-схеме, прежде чем уйти в другие системы. Каждый вызов логируется с количеством токенов. А набор реальных примеров показывает, что изменилось после нового промпта или новой модели.

Еще выбираете провайдера? С этим выбором поможет наше руководство об интеграции ChatGPT или Claude в продукт. Эта страница для тех, кто уже решил встроить OpenAI в свой продукт и хочет сделать это как следует.

Что мы подключаем из OpenAI API

Интеграция GPT учит ваш продукт писать и переписывать тексты, извлекать поля из документов, классифицировать обращения, искать ваш контент по смыслу и вызывать ваши собственные функции. Модель выбираем по замерам на ваших реальных примерах: меньшая модель для простых шагов, большая там, где она заметно помогает. Основой для новых функций берем Responses API с состоянием диалога и встроенными инструментами, где они уместны. Ответ показываем потоково, чтобы пользователь видел текст по мере генерации.

Возможность Что делает Типичное применение
Responses API Основной API OpenAI для текста, инструментов и многошаговых диалогов с состоянием Новые функции и ассистенты
Function calling Модель вызывает определенные вами функции с JSON-аргументами Поиск данных, черновики, действия в ваших системах
Structured outputs Ответ, ограниченный вашей JSON-схемой Извлечение данных, заполнение форм, данные для других сервисов
Embeddings Превращает текст в векторы для поиска похожего Поиск по смыслу, RAG, рекомендации
Встроенные инструменты Поиск по файлам, веб-поиск и выполнение кода на моделях, которые это поддерживают Прототипы и ассистенты по загруженным файлам
Batch API Асинхронные задачи дешевле, чем вызовы в реальном времени Массовая классификация, обогащение данных, дозаполнение исторических данных
Vision Читает изображения и скриншоты Прием документов, визуальные проверки
Moderation Выявляет вредный контент Проверка того, что вводят пользователи, и того, что отвечает модель

OpenAI часто меняет модели и возможности. Поэтому при оценке объема мы сверяем актуальные варианты с документацией API, а не полагаемся на память.

Нужно ли переходить с Assistants API на Responses?

Да, и лучше по плану, чем в последний момент. OpenAI объявила Assistants API устаревшим в пользу Responses API. Продуктам на Chat Completions с собственной обвязкой переходить не обязательно, но Responses часто упрощает работу с инструментами и состоянием.

Миграция с Assistants API у нас проходит в пять шагов:

  1. Инвентаризация. Перечисляем ассистентов, инструкции, инструменты, файлы, векторные хранилища и то, как хранятся и используются треды.
  2. Сопоставление. Переносим каждую часть на Responses и актуальный набор инструментов. Решаем, где будет жить состояние диалога: в OpenAI или в вашей базе данных.
  3. Базовые результаты. Прогоняем ваши реальные диалоги через старую версию и фиксируем ответы, пока ничего не изменено.
  4. Параллельная работа. Новый путь строим за feature flag и сравниваем ответы на том же наборе.
  5. Постепенное переключение. Трафик переводим частями, следим за качеством, задержкой и расходами.

Третий шаг команды пропускают чаще всего, а потом жалеют. Без базовых результатов никто не скажет, стали ответы после миграции лучше или хуже.

Когда модель должна действовать, а не только писать

Function calling дает модели возможность решить, что сейчас нужно вызвать одну из ваших функций и с какими аргументами. Вызов выполняет ваш код и возвращает результат. К вашей базе данных модель напрямую не обращается никогда.

Наборы инструментов мы держим небольшими и хорошо описанными. Каждый вызов идет с правами текущего пользователя, рискованные действия ждут подтверждения, все логируется. Если те же инструменты нужны нескольким ассистентам, в том числе Claude и инструментам разработчика, мы открываем их через MCP-сервер, к которому в поддерживаемых режимах подключается и платформа OpenAI. Так мы сделали для B2B-магазина станков из Днепра: каталог доступен ИИ-ассистентам через публичный MCP endpoint и llms.txt. Подробнее на странице разработка MCP-серверов.

Многошаговые процессы, которые работают почти без участия человека, описаны на странице разработка ИИ-агентов.

Поиск по смыслу: embeddings и RAG

Embeddings находят контент по смыслу, а не по совпадению слов. Клиент пишет в поддержку своими словами, а система все равно находит нужную статью справки. Векторы храним в pgvector внутри вашего PostgreSQL или в отдельной векторной базе вроде Qdrant. Когда важны точные термины, артикулы или названия моделей, поиск по смыслу совмещаем с поиском по ключевым словам.

Для ответов по вашим документам embeddings только одно звено. Еще нужны прием данных, разбиение на фрагменты, переранжирование, права доступа и набор для оценки. Все это покрывает услуга разработки RAG, а разработка ИИ-чатботов применяет ее в ассистентах для клиентов и сотрудников.

Счет за токены, который не растет сам

Каждый шаг обрабатывает самая маленькая модель, которая проходит набор для оценки. Стабильные инструкции ставим в начало промпта, потому что OpenAI дает скидку за кэширование одинаковых начал. В запрос идет нужный раздел, а не вся история переписки. Работа, которая может подождать, идет через Batch API. На пользователя, на функцию и на месяц стоят жесткие лимиты.

Токены каждого вызова пишутся в лог, поэтому стоимость видна в разрезе функций и клиентов. Оценить счет до старта разработки поможет наш калькулятор стоимости LLM API.

Как мы проверяем, что ответы не ухудшились

В API идут только те поля, которые нужны функции, а персональные данные маскируем, где это возможно. Фактические ответы опираются на найденные источники со ссылками. Каждый структурированный ответ проходит проверку по схеме. Текст от пользователей и из документов для нас данные, а не инструкции, поэтому защита от prompt injection встроена с первого релиза, а вызовы инструментов сверяются с реальными правами доступа.

Главный инструмент здесь фиксированный набор реальных входных данных. Мы прогоняем его при каждом изменении промпта или модели, в том числе когда OpenAI обновляет свои модели.

Модель может сама распознать фото и проставить атрибуты. Она может ошибиться, а может сделать это очень круто: на разных каталогах доля ошибок у нас отличалась в разы. Поэтому сначала пробная партия, потом настройка, и человек все равно проверяет результат.

Антон Литвинов, основатель Lytvynov Production

Что мы уже запустили на OpenAI API

Наш собственный AI Resume Master работает на OpenAI API. Он генерирует, переписывает и улучшает резюме и сопроводительные письма, импортирует профиль из LinkedIn и отдает готовый PDF, а человек получает резюме за 3-5 минут. Мы сделали его примерно за три месяца, и он вышел на 50 000 активных пользователей в месяц. Эксплуатация собственного продукта научила нас тому, о чем не пишут в документации: промпты нужно версионировать, стоимость считать на пользователя, обновление модели может тихо изменить ответы, а без лимитов найдется тот, кто будет злоупотреблять.

В остальном мы нейтральны к моделям. Для американского стартапа в сфере grief-tech мы построили AI Grief Companion на открытой модели Qwen2.5-7B с дообучением LoRA и памятью на RAG, потому что продукт должен был воспроизводить голос одного конкретного человека. Промпты там живут в базе данных с историей версий, и тон можно подкрутить из админки без релиза. Если на ваших данных лучшие результаты покажет Claude, мы так и скажем. Подробнее на странице интеграция Claude API.

Кейсы

Сколько длится и сколько стоит интеграция OpenAI API?

Первая функция на OpenAI в существующем продукте занимает 4-8 недель. Из них 1-2 недели уходят на оценку объема с тестированием моделей на ваших примерах, 1-2 недели на прототип за feature flag, 1-3 недели на доводку до продакшена и примерно неделя на постепенное развертывание. Срок миграции с Assistants API зависит от того, сколько ассистентов и инструментов у вас работает.

Фиксированную цену называем после оценки объема. ИИ-функции для существующего продукта у нас стоят от 10 000 USD, минимальный объем проекта тоже 10 000 USD. Четко очерченную первую функцию или небольшую миграцию можно сделать в одном AI Sprint: фиксированно 10 000 USD за 4 недели. Использование API вы оплачиваете напрямую OpenAI или Azure, а мы оцениваем его заранее.

Пишем в вашем стеке: PHP и Symfony, Node, React и Next.js, React Native и Flutter. Наши разработчики OpenAI API работают на senior-уровне и отвечают за архитектуру, безопасность и ревью, а рутину берут на себя ИИ-агенты для написания кода. Если вам нужно нанять разработчика OpenAI в собственную команду надолго, подойдет выделенная команда разработки с помесячной оплатой. Lytvynov Production основана в 2019 году в Днепре, Украина.

Следующий шаг

Расскажите, какую функцию хотите добавить или какую старую интеграцию нужно перенести. За 30 минут разговора посоветуем подход, назовем риски и предложим этап оценки объема с фиксированной ценой на выходе. Напишите нам, чтобы договориться о звонке.

Как мы работаем

  1. Оценка объема

    Одна-две недели: тестируем модели на ваших примерах и называем фиксированную цену.

  2. Прототип за feature flag

    Одна-две недели: функция работает в продукте, но видят ее только те, кому вы разрешили.

  3. Доводка до продакшена

    Одна-три недели: лимиты, логирование, защита от prompt injection, набор для оценки.

  4. Постепенное развертывание

    Примерно неделя: переводим трафик частями, следим за качеством, задержкой и расходами.

Два способа работать с нами

Проект с фиксированной ценой

Четкий объем, фиксированная цена, согласованная до старта и демо каждую неделю. Подходит для нового продукта или понятной части работы.

Оценить проект

Выделенная команда

Senior-инженеры, которые месяц за месяцем работают только над вашим продуктом, по вашим приоритетам и в ваших репозиториях.

О выделенной команде

Частые вопросы

Оба названия используют для одного: OpenAI API, который дает вашему программному обеспечению доступ к моделям GPT, стоящим за ChatGPT. Сам ChatGPT это приложение OpenAI для людей и бизнеса. Когда вы интегрируете API, ваш продукт сам управляет промптами, данными, интерфейсом и лимитами, а использование оплачивается за токены с вашего собственного аккаунта OpenAI.

Планируйте миграцию на Responses API. OpenAI объявила Assistants API устаревшим в пользу Responses API. Мы сопоставляем ваших ассистентов, треды, файлы и инструменты с новыми примитивами, переносим состояние диалогов, повторно прогоняем набор для оценки, чтобы убедиться, что качество не упало, и постепенно переключаем трафик за feature flag.

Нет. Lytvynov Production независимая компания по разработке. Мы работаем с публичным OpenAI API в вашем собственном аккаунте OpenAI или Azure, поэтому ключи, счета и условия обработки данных остаются за вами. Наш опыт складывается из собственного ИИ-продукта на OpenAI API, который мы запустили, и клиентских интеграций.

Да. Модели OpenAI доступны также через Microsoft Azure, и некоторые компании выбирают его ради размещения в нужном регионе, корпоративных договоров или уже существующих счетов в Azure. Версии моделей и доступные функции там могут появляться позже или отличаться от платформы OpenAI, поэтому перед стартом мы проверяем, что нужные вашей интеграции функции доступны в вашем регионе Azure.

OpenAI заявляет, что данные, переданные через бизнес-API, по умолчанию не используются для обучения, но стоит прочитать действующие условия, варианты хранения данных и договор об обработке данных для вашего аккаунта. Со своей стороны мы передаем только те поля, которые нужны функции, маскируем персональные данные, где это возможно, и храним промпты и ответы в ваших собственных логах.

Давайте начнем ваш проект
Записаться на звонок