Договоры это тот случай, когда цена ошибки известна заранее, поэтому связку собирают так, чтобы каждый шаг можно было проверить. Сначала документ надо надёжно прочитать вместе со сложной вёрсткой, потом найти в своде похожие пункты и вашу утверждённую редакцию, потом сравнить и объяснить расхождения, и отдельно закрыть вопрос персональных данных до того, как что-то уйдёт наружу. Модель здесь помощник юриста, а не его замена.
Договоры приходят сканами и PDF, где половина смысла в нумерации пунктов, сносках, приложениях и таблицах. Модели распознавания документов вытаскивают не просто текст, а структуру: пункт, подпункт, ссылку на приложение. Если выкинуть этот шаг, разбор поедет на уровне нумерации, и ссылка на пункт о неустойке уедет к другому разделу, чего в правовой работе быть не должно.
Ранняя модель, переводящая научные PDF в текст с формулами. Сегодня устарела, её обходят почти все современные OCR-модели.
Модель и набор инструментов для массового перевода PDF в чистый текст с сохранением порядка чтения, таблиц и формул. Рассчитана на обработку миллионов страниц.
Популярный открытый инструмент перевода PDF в Markdown со своей небольшой моделью. MinerU2.5-Pro улучшили только за счёт данных, без роста размера. Языки в карточке — китайский и английский.
Поиск по смыслу поднимает из вашего архива утверждённые формулировки, прошлые редакции и договоры с тем же контрагентом. Часть моделей ищет прямо по странице документа, вместе с её вёрсткой, что удобно для сканов. Без этого шага юрист вычитывает каждый договор с нуля, а компания снова и снова обсуждает то, о чём уже договаривалась два года назад.
Поиск по PDF и сканам как по картинкам: страницу не нужно распознавать, модель сразу находит нужную по вопросу, включая таблицы и схемы. Обучены на английском.
Модель для поиска по смыслу на сотне языков. Основа RAG: бот находит нужный кусок документа перед ответом.
Сильные многоязычные реранкеры; m0 сортирует и страницы-картинки (сканы, слайды). Свежие версии открыты только для некоммерческого использования.
Языковая модель сопоставляет присланный текст с вашей редакцией и выписывает отличия обычным языком: срок оплаты, ответственность, порядок расторжения, подсудность. Она отмечает подозрительное, а решение принимает юрист, поэтому каждое замечание должно указывать на пункт. Без этого звена черновая вычитка занимает часы, а мелкие правки контрагента замечают уже после подписания.
Языковые модели для юридических текстов, дообученные на базах права США и Европы (основа Mistral и Mixtral). Только английский.
Семейство языковых моделей с сильным русским языком: от маленьких версий для ноутбука до флагмана уровня коммерческих API.
Флагманская линия DeepSeek: от первых 7B/67B до V4-Pro на 1,6 трлн параметров. Уровень закрытых моделей при открытой MIT-лицензии; картинки понимают V4-Flash-Vision-Exp и V4.1-Flash, контекст до 1 млн токенов.
Отдельная модель находит в тексте персональные данные и реквизиты и заменяет их метками, прежде чем документ уйдёт во внешний сервис или в общую базу. Работает она узко и быстро, ничего не переписывая по смыслу. Без этого звена любая обработка договоров снаружи превращается в передачу данных людей, которую придётся объяснять, и это уже не техническая задача.
Маленькие модели на основе GLiNER для поиска персональных данных: паспортов, телефонов, счетов, адресов. Типы данных задаются словами. Русский официально не заявлен.
Популярный детектор 17 типов персональных данных на шести европейских языках. Русского нет, лицензия некоммерческая — подходит для проб и исследований.
Находит и скрывает персональные данные: имена, адреса, телефоны, почту, номера счетов, пароли. Работает даже в браузере. Обучена в основном на английском.
Здесь важнее обычного помнить, что модель ошибается уверенно: пропущенный пункт выглядит так же спокойно, как и найденный. Поэтому связку ставят как черновую вычитку и подсветку рисков, а не как согласование, и каждое замечание проверяется юристом по тексту договора. Полезно вести журнал, кто и что принял, иначе не разобрать, откуда в подписанной редакции взялась формулировка. Правовые вопросы, персональные данные и допустимость обработки описаны здесь в общих чертах, конкретный случай смотрит юрист.
Открытую модель можно поставить на свой сервер: данные не уходят в чужое облако, нет оплаты за каждый запрос, модель можно дообучить на ваших документах.
