1 октября 2026 года Яндекс представил Sona, генеративную ИИ-модель, которая в одиночку делает то, что раньше требовало десятков отдельных алгоритмов: подбирает и ранжирует рекомендации. Это первый публичный пример того, куда движется вся индустрия рекомендаций, а значит и логика, по которой маркетплейсы, стриминги и поиск решают, покажут ли вас клиенту. Разбираемся, что произошло на самом деле и что с этим делать владельцу бизнеса.
Что случилось
Рынок рекомендательных систем оценивают в 9,15 млрд долларов в 2025 году с прогнозом роста до 38,18 млрд к 2030-му (Mordor Intelligence), это среднегодовой темп около 33%. Проще говоря, алгоритмы, которые решают, что показать пользователю следующим, стали отдельной большой индустрией.
На этом фоне Яндекс выпустил Sona. Компания называет её первой моделью, которая заменяет целый каскад алгоритмов и не требует ручного подбора признаков. Результаты опубликованы в научной статье на arxiv.org (2608.11015), то есть это не только пресс-релиз, но и проверяемая работа.
Сразу оговоримся честно: Sona не первая в мире такого рода, это глобальная гонка. В феврале 2024 года Meta (признана экстремистской организацией и запрещена в России) представила генеративный рекомендатель HSTU на триллион параметров и в продакшене получила +12,4% на задаче ранжирования. В 2025 году китайский Kuaishou выпустил OneRec, который прямо заявлен как первая модель, заменяющая каскад отбора и ранжирования, и работает на сервисе с сотнями миллионов пользователей. Яндекс в этой гонке участвует всерьёз и первым довёл такую модель до продакшена в России. Это сильный результат, а не догоняющая копия.
Показательно, где такие модели рождаются: не там, где рынок монополизирован, а там, где идёт жёсткая борьба за внимание пользователя. В США в онлайн-торговле доминирует Amazon (около 40% рынка), и мощнейший генеративный рекомендатель там вырос не в торговле, а в соцсетях и рекламе. В Китае обратная картина: за покупателя бьётся десяток площадок (Taobao и Tmall у Alibaba около 44%, JD около 24%, Pinduoduo около 19%, плюс короткие видео Douyin и Kuaishou), и именно оттуда вышли одни из самых сильных рекомендательных моделей. Вывод простой: алгоритмы двигает вперёд конкуренция, а не монополия.
Не мудрено, что и в России запрос на такие модели возник на фоне жёсткой борьбы за покупателя между площадками маркетплейсов и даркстор-сервисами: Ozon, Wildberries, Яндекс Маркет и Мегамаркет плюс быстрая доставка Самоката, Купера и Яндекс Лавки бьются за каждую корзину и каждую минуту внимания. Чем острее эта борьба, тем сильнее нужны рекомендательные модели, и Sona тут закономерный ответ.
Как это работает простыми словами
Раньше рекомендации собирал конвейер. Один блок алгоритмов отбирал кандидатов из каталога, другой фильтровал, третий ранжировал по сотням заранее придуманных признаков. Каждый этап настраивали вручную, признаки подбирали инженеры. Чем больше каталог и аудитория, тем сложнее и дороже этот каскад.
Sona схлопывает конвейер в одну модель. Она смотрит на историю действий человека (что он слушал, что пропускал, к чему возвращался) и сразу выдаёт готовый список. Во время теста она заменила десятки генераторов, а также модели предотбора и ранжирования, работавшие на сотнях признаков.
Это та же идея, что и в больших языковых моделях: вместо ручных правил одна обученная модель выучивает закономерности сама. Sona стала продолжением линейки Яндекса: ARGUS на трансформерах (2025), архитектура Gryphon, объединившая часть этапов (2026), и открытый датасет Yambda почти на 5 млрд взаимодействий, на котором свои подходы уже проверяли исследователи ByteDance, Meta и Kuaishou.
Что показал тест
Первой площадкой стали музыкальные рекомендации в умных колонках с Алисой. За неделю эксперимента получили такие результаты:
- Время прослушивания рекомендованных треков выросло на 6,3%.
- Просьбы повторить трек выросли на 17,9%.
- Аудитория активных слушателей выросла на 4,5%, это примерно в 2,4 раза больше, чем дал предыдущий апдейт системы.
Цифры скромные на вид, но для зрелого сервиса с миллионами пользователей каждый процент удержания превращается в деньги. И главное здесь не музыка, а принцип: одна модель обошла каскад, который годами настраивали руками.
Почему это касается вашего бизнеса, а не только Яндекса
Витрина давно перестала быть полкой. Карточку товара на Ozon и Wildberries, ваше видео на YouTube, пост в ленте, товар в поиске показывает клиенту не человек, а рекомендательный алгоритм ровно такой логики. От того, попали вы в выдачу или нет, напрямую зависит выручка.
Пока такие системы были каскадом ручных правил, бизнес пытался их обыграть: напихать ключевых слов, накрутить поведенческие сигналы, угадать фактор ранжирования. Чем умнее и самостоятельнее становится модель, тем хуже работают эти трюки. Модель учится на реальном поведении людей и всё точнее отличает полезное от накрученного.
Что меняется в правилах игры
Сдвиг простой: от попытки обмануть алгоритм к задаче дать алгоритму чистые сигналы. Когда внутри модели нет ручных признаков, которые можно подкрутить, значение приобретает качество данных на вашей стороне. Три вещи, на которые это влияет уже сейчас.
- Описания и контент. Понятные, честные, полные описания товаров и услуг это сигнал, который модель считывает и использует. Размытый текст ради ключей работает против вас.
- Поведение реальных людей. Досмотры, повторные заходы, сохранения, покупки без возвратов. Модель верит поступкам, а не обещаниям. Хороший продукт и честная карточка дают сигнал, который не подделать.
- Структура данных. Чем понятнее вы размечаете, что продаёте (категории, характеристики, структурированный контент на сайте), тем проще модели показать вас правильно.
Тот же принцип в поиске и ИИ-ответах (GEO)
Эта же логика пришла в поиск. Люди всё чаще получают ответ не списком синих ссылок, а готовым текстом от ИИ: в Алисе, в нейроответах, в чат-ботах. И выбирает, кого процитировать, снова модель.
GEO (Generative Engine Optimization) это подготовка сайта и контента так, чтобы ИИ-модель вас поняла, выбрала и сослалась на вас в ответе. Принцип тот же, что у Sona: не обмануть, а дать чистые, структурированные, однозначные сигналы. Кто научится этому первым в своей нише, тот и будет появляться в ответах, пока конкуренты спорят про плотность ключевых слов.
Рекомендательные и поисковые модели становятся сильнее и самостоятельнее. Ручная накрутка умирает, выигрывает тот, кто даёт системе понятные сигналы: честный продукт, ясные описания, аккуратную структуру данных. Sona это маркер тренда, а не частный случай про музыку.
Хотите понять, какие сигналы о вашем бизнесе сейчас получают поисковые и рекомендательные системы и что мешает им показывать вас клиентам, сделаем разбор вашего сайта. Напишите нам.