LLM (didelis kalbos modelis)

LLM (angl. large language model) – didelis kalbos modelis, t. y. neuroninis tinklas, išmokytas iš milžiniško teksto kiekio nuspėti kitą teksto gabalėlį. Iš šio paprasto principo kyla gebėjimai, kuriuos verslas naudoja kasdien: atsakyti į klientų klausimus, rašyti ir versti tekstus, ištraukti duomenis iš dokumentų, rašyti programinį kodą ir valdyti kitas sistemas per įrankius. ChatGPT, Claude ir Gemini – tai produktai, kurių viduje veikia LLM.

Kas yra LLM paprastais žodžiais

Įsivaizduokite labai gerą teksto užbaigimo funkciją. Gavęs pradžią „Siuntą į paštomatą pristatome per“, modelis apskaičiuoja, kurie tęsiniai labiausiai tikėtini, ir parenka vieną. Tada prideda jį prie teksto ir kartoja. Kadangi modelis mokymo metu matė knygas, svetaines, kodą, instrukcijas ir dialogus, tikimybės atspindi ne tik gramatiką, bet ir faktus, stilių, logiką bei užduočių atlikimo būdus.

„Didelis“ reiškia du dalykus: mokymo duomenų kiekį (trilijonai žetonų) ir parametrų skaičių – milijardai skaičių, kuriuose užkoduotos išmoktos sąsajos. Tiekėjai parametrų skaičiaus dažniausiai neskelbia, todėl modelius lyginti verta pagal rezultatus jūsų užduotims, ne pagal dydį.

Kaip veikia didelis kalbos modelis: transformerio architektūra

Beveik visi šiuolaikiniai LLM remiasi transformerio (angl. transformer) architektūra, aprašyta 2017 m. „Google“ tyrėjų straipsnyje „Attention Is All You Need“. Jos esmė – dėmesio mechanizmas (angl. attention): generuodamas kiekvieną žetoną, modelis „pažiūri“ į visus ankstesnius konteksto žetonus ir įvertina, kurie iš jų svarbiausi. Todėl modelis gali susieti klausimą pokalbio pabaigoje su taisykle, kuri buvo įdėta instrukcijų pradžioje.

Modelis kuriamas etapais:

1. Išankstinis mokymas (angl. pre-training) – modelis mokosi spėti kitą žetoną iš didžiulio teksto korpuso. Šis etapas brangiausias ir trunka mėnesius.
2. Papildomas mokymas (angl. post-training) – modelis mokomas sekti instrukcijas, atsisakyti žalingų užduočių, naudoti įrankius ir samprotauti; čia naudojami žmonių ir kitų modelių vertinimai (RLHF ir panašūs metodai).
3. Naudojimas (angl. inference) – jūsų užklausa paverčiama žetonais, modelis generuoja atsakymą žetonas po žetono. Už šį etapą ir mokate per DI API.

Svarbu: modelis per jūsų užklausas nesimoko. Ką jis „žino“, užfiksuota mokymo metu iki žinių ribos (angl. knowledge cutoff). Naujesnę ar jūsų įmonės informaciją reikia pateikti kontekste – instrukcijose, per RAG paiešką ar per įrankius, pvz., MCP jungtis.

Kokie LLM modeliai yra 2026 m. spalį

Žemiau – dviejų didžiausių API tiekėjų dabartiniai modeliai pagal oficialią dokumentaciją 2026-10-13. Kainos – JAV doleriais už 1 mln. žetonų standartiniu tarifu; jos keičiasi, todėl aktualias visų tiekėjų (taip pat Google Gemini, xAI, Mistral, DeepSeek) kainas rodome įrankyje DI modelių API kainos, o naujus modelius – puslapyje Nauji DI modeliai.

* claude-haiku-5-5 užklausoms virš 100 000 žetonų taikomas 0,50 / 2,50 USD tarifas. Visų dabartinių Claude modelių žinių riba – 2026 m. birželis. Pagal Anthropic dokumentaciją, visi dabartiniai Claude modeliai priima tekstą ir vaizdus, palaiko įrankių naudojimą ir daugiakalbiškumą.

Ką LLM daro gerai, o ko ne

LLM, promptas, RAG, agentas ir fine-tuning: kaip jie susiję

Pats modelis yra tik variklis. Verslo sistemoje aplink jį statomi keli sluoksniai, ir kiekvienas sprendžia skirtingą problemą:

Eilė svarbi: pradėkite nuo prompto, pridėkite RAG, kai reikia įmonės žinių, įrankius – kai reikia veiksmų, o agentą – tik kai paprastesnė seka nebeužtenka. Fine-tuning pasirinkimas siaurėja: OpenAI kainoraštyje 2026-10-13 nurodyta, kad savitarnos fine-tuning platforma uždaroma ir naujiems vartotojams nebepasiekiama.

Kaip pasirinkti LLM verslo užduočiai

1. Apibrėžkite užduotį ir sėkmės kriterijų. Ne „geriausias modelis“, o „teisingai priskiria 95 % laiškų vienai iš 6 kategorijų“.
2. Surinkite 20–50 tikrų lietuviškų pavyzdžių. Su teisingais atsakymais – tai jūsų bandomasis rinkinys.
3. Išbandykite 3 kainų klases. Pigiausią, vidutinę ir stipriausią; dažnai pigiausia tinka paprastoms užduotims.
4. Apskaičiuokite kainą už užduotį. Su lietuvišku tekstu skirtingi modeliai sunaudoja skirtingą žetonų kiekį – žr. tokenas.
5. Patikrinkite duomenų sąlygas. Kur apdorojami duomenys, kiek saugomi, ar naudojami mokymui, ar yra duomenų tvarkymo sutartis.
6. Palikite galimybę pakeisti. Modelio ID laikykite konfigūracijoje – po pusmečio pasirodys pigesnis ar geresnis.

Lokalus LLM: kada verta modelį paleisti savo serveryje

Be debesijos API, yra atviro svorio (angl. open-weight) modelių, kuriuos galima paleisti savo kompiuteryje ar serveryje, pvz., per įrankį Ollama. Tai verta svarstyti, kai duomenys negali palikti jūsų infrastruktūros, užklausų labai daug ir jos paprastos, arba reikia veikti be interneto. Kaina – ne žetonai, o įranga: kokybiškiems modeliams reikia galingų vaizdo plokščių su dideliu atminties kiekiu, o juos prižiūrėti, atnaujinti ir saugoti tenka patiems. Daugumai Lietuvos MVĮ pigiau ir paprasčiau pradėti nuo API su ES duomenų rezidavimu, o lokalų modelį rinktis tik tada, kai yra aiški priežastis.

LLM ir lietuvių kalba

Didieji modeliai lietuviškai rašo taisyklingai, bet ne tobulai: pasitaiko vertalų, netikslių terminų ir linksniavimo klaidų, ypač retuose ar specializuotuose žodžiuose. Lietuviškas tekstas taip pat sunaudoja 1,6–1,9 karto daugiau žetonų nei angliškas (mūsų matavimas su GPT-6 ir Claude 5.5 modeliais), todėl kainuoja brangiau. Praktiškai padeda trys dalykai: instrukcijose pateikti 2–3 lietuviškus pavyzdžius jūsų stiliumi, pateikti savo terminų žodynėlį ir prieš publikuojant klientui skirtą tekstą peržiūrėti žmogui.

Kaip LLM pritaikyti konkrečiam procesui – nuo modelio parinkimo iki integracijos su jūsų sistemomis – aprašome paslaugos puslapyje DI integracijos.

Lietuvoje LLM naudojimą tiesiogiai reguliuoja du teisės aktai. BDAR taikomas, kai per modelį keliauja asmens duomenys (klientų laiškai, CV, pokalbiai); priežiūros institucija – Valstybinė duomenų apsaugos inspekcija (VDAI). ES dirbtinio intelekto aktas (Reglamentas (ES) 2024/1689) įsigaliojo 2024 m. rugpjūčio 1 d. ir taikomas etapais: nuo 2025 m. vasario 2 d. – draudžiamos praktikos ir DI raštingumo pareiga, nuo 2025 m. rugpjūčio 2 d. – bendrosios paskirties DI modelių tiekėjų pareigos, nuo 2026 m. rugpjūčio 2 d. – skaidrumo pareigos (50 str.), pvz., informuoti, kad žmogus bendrauja su DI. Pagal 2026 m. liepos 27 d. įsigaliojusį Reglamentą (ES) 2026/1744 (DI „omnibusą“) III priedo didelės rizikos sistemų taisyklės taikomos nuo 2027 m. gruodžio 2 d., o I priede nurodytiems gaminiams – nuo 2028 m. rugpjūčio 2 d.

Įmonė, kuri naudoja svetimą LLM per API, dažniausiai yra DI sistemos diegėja, ne modelio tiekėja: jai svarbiausia skaidrumas klientams, darbuotojų DI raštingumas ir didelės rizikos atvejų (pvz., darbuotojų atrankos) vengimas arba atitikties procedūros. Lietuvoje DI akto rinkos priežiūros institucijos ir bendrojo kontaktinio punkto funkcijas nuo 2025 m. balandžio 1 d. atlieka Ryšių reguliavimo tarnyba (RRT).