Гига Писарь: за полторы недели — 1 200 установок и первые «грабли»
Автор проекта «Гига Писарь», использующего GigaAM от Сбера для русской речи, подводит итоги: более 1 200 установок, рост активности и основные проблемы интеграции.
В начале сентября 2026 года на Хабре появилась статья о «Гига Писаре» – небольшом сервисе, который с помощью модели GigaAM от Сбера преобразует русскую речь в программный код. Автор, не имея собственного аккаунта на Хабре и опыта в программировании, решил проверить, насколько точным может быть автоматическое распознавание и генерация кода.
За полторы недели после публикации проект собрал 1 200+ установок через GitHub Releases и более 350 активных пользователей, которые регулярно используют сервис для написания скриптов на Python и JavaScript. Среднее время отклика модели составило ≈ 2,3 сек, а точность распознавания речи – ≈ 92 % по тестовому набору из 500 фраз.
Однако путь к успеху оказался не без препятствий. Основные «грабли», о которых пишет автор:
- Ограничения API – бесплатный тариф GigaAM позволяет лишь 10 000 запросов в месяц, что быстро исчерпывается при активном использовании.
- Латентность в пиковые часы – в часы нагрузки время отклика удлинялось до 5 сек, что ухудшало пользовательский опыт.
- Проблемы с диалектами – модель хуже распознает региональные варианты произношения, требуя дополнительного предобучения.
- Конфиденциальность кода – пользователи выразили опасения по поводу отправки собственного кода в облако, что потребовало добавления локального режима.
Автор планирует решить эти вопросы, перейдя на платный тариф, внедрив кэширование запросов и открыв возможность локального запуска модели через Docker. Проект уже привлек внимание нескольких стартапов, рассматривающих «Гига Писарь» как основу для IDE‑плагинов.
Ссылка на репозиторий: https://github.com/user/giga-pisar
Для разработчиков и студентов «Гига Писарь» демонстрирует, как быстро можно построить полезный инструмент на базе готовой модели. Однако ограниченные квоты и вопросы конфиденциальности напоминают о необходимости планировать масштабирование и оценивать риски передачи кода в облако.


