Який безкоштовний ШІ найкращий для аналітика у 2026

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Всім привіт, мене звати Віталій Стукін, я світчер з маркетингу в аналітику і сьогодні я хотів би поговорити про вибір безкоштовного ШІ, який допоможе з вирішенням задач, з якими зазвичай стикається Data/Product/Marketing аналітик.

Але для початку, кілька дисклеймерів:

1. Все, що я напишу далі, актуально лише на дату написання цієї статті і може в майбутньому змінитися, тому не соромтеся пропонувати свої варіанти в коментарях, щоб інші могли використовувати найбільш актуальні рішення.
2. В цій статті я розглядаю виключно безкоштовні версії ШІ, доступні кожному (не лише, наприклад, студентам).
3. Частина моїх аргументів буде спиратися на відчуття, оскільки точну інформацію наприклад по тим же лімітам знайти важко, навіть за допомогою ШІ.

На написання цієї статті і взагалі думок про зміну свого основного ШІ, яким > 3.5 років був ChatGPT мене підштовхнув мій невдалий перформанс на офлайн дні SKELAR Analytics Intensive, де нам треба було вирішити кейсове завдання за обмежений час. За кілька тижнів до цього, на одній з лекцій про аналітику (не з інтенсиву) я почув про такий інструмент як Antigravity, який позиціонувався як безкоштовний агент — альтернатива Claude, Cursor тощо. Встановивши і майже не протестувавши його, під час вирішення кейсу я зтикнувся з непрохідними лімітами, через що все завдання довелося робити майже з нуля старим перевіреним «чатом», що коштувало мені дорогоцінного часу і шансу проходження далі у відборі.

Саме це змотивувало мене дослідити поточний ринок ШІ і спробувати знайти найкраще рішення.

Актуальність пошуку саме безкоштовного ШІ пояснюється тим, що:

1. Згідно з опитуванням Gradus Research, що було проведене навесні 2026, з 85% українців, що використовують ШІ, лише 6% мають платну підписку:
   • Так, я розумію, що сьогодні використанням ШІ можна вважати навіть звичайний запит в гуглі, бо на нього за замовчуванням дає відповідь в тому числі і ШІ-шка.
   • Так, я розумію, що відсоток людей з платною підпискою в IT-шці значно вищий, можливо навіть на порядок, але він точно не 100%.
   • Для додаткового порівняння можемо взяти один з найпопулярніших сервісів в Україні — YouTube, аудиторія якого > 20 мільйонів (більше половини інтернет-користувачів з України). Так-от, підпискою YouTube Premium користується лише приблизно 14%, при тому що в найгіршому випадку (не студентська/сімейна) її ціна — 2.5$. Дефолтна ж ціна найдешевшої підписки на ШІ у більшості випадків у 8 разів вища — 20$.
2. Особливо гостро це питання стоїть для тих, хто не має роботи, має недостатній дохід або ж тільки навчається і по об’єктивним та/або суб’єктивним причинам користується саме безкоштовними версіями ШІ.
3. Давайте не забувати, що ШІ покращується кожного дня і зараз безкоштовні моделі, можуть робити те, що раніше не могли навіть найдорожчі платні версії. Для цікавості — нижче графік з прикладами того, через який час після виходу нової платної моделі її обганяла безкоштовна версія від того ж провайдера:

Як бачимо час для зрівняння/обгону безкоштовною версією платної коливається від 2 місяців до 1.3 року. Важко сказати, чи буде цей час в майбутньому скорочуватися чи навпаки збільшуватися, але як мінімум цей процес присутній.

Погнали)

Для початку — трохи зануримося в історію. Ще зі старту використання LLM у вже далекому грудні 2022 я віддавав перевагу ChatGPT, бо по відчуттях він був найрозумнішим в плані написання коду. Я пробував використовувати Gemini восени 2023 (тоді він ще називався Bard, що як на мене звучить краще), але на той момент він видавав дуже короткі відповіді, і сам стиль його тексту був доволі простим. В цей же період додався Perplexity, а з початку 2025 — його Pro версія, але він використовувався лише для написання університетських робіт, бо для них важливо посилатися на джерела, з чим він справляється найкраще.

Тому мій вибір ШІ саме для аналітичних задач залишався незмінним аж до травня 2026, хоч впродовж цього часу я інколи ловив себе на думці, що ChatGPT — це така собі скляна гармата — стріляє (вирішує задачі) добре, але швидко ламається (ліміти основної моделі).

Давайте зупинимося тут детальніше, щоб зрозуміти — в чому саме проблема ChatGPT:

1. Якщо в будь-який момент розмови ви додасте в чат хоча б 1 файл/фото — після лімітів основної моделі чат повністю зупиниться до їх скидання.
2. Якщо ви вже вперлися в ліміти і продовжуєте розмову з простішою моделлю — доєднати файли неможливо.

Як же тоді передати інформацію з файлів/фото, з якими зазвичай працюють аналітики

1. Короткі текстові файли — проблем немає, просто копіюємо текст.
2. Довгі таблиці на мільйони рядків — тут треба трохи запаритись — описати назви колонок, типи даних і які значення присутні, але в цілому не критично.
3. Графіки — основна проблема. Тут варіанти два:
   • Додавати окремий код з текстовим та числовим описом графіку
   • Якщо ж графік важко піддається точному опису цифрами (наприклад має багато точок або складну форму) — доведеться витрачати час, щоб спробувати якомога точніше описати його словами (цим я колись займався під час виконання тестового). Погодьтеся — це дуже неефективно, особливо враховуючи наскільки для бізнесу важливо отримати відповідь на запитання якомога швидше (в ідеалі — зараз, ще краще — «на вчора»). І саме це, як на мене — привід перейти з ChatGPT на щось інше.

Як будемо шукати заміну

Перше, з чим треба визначитись при пошуку нового ШІ — критерії. Я вивів для себе наступні:

1. Безкоштовність.
2. Якщо закінчується ліміт основної моделі — чат НЕ зупиняється і його можна продовжити з простішою моделлю.
3. Якомога більше просунута основна і запасна модель (контекстне вікно та метрики ефективності).
4. Оскільки кейс я робив в VS Code, для мене було важливо, щоб в обраній ШІ-шці була можливість інтеграції з ним. Це дозволило б зекономити час, який потрібен на світч між веб-версією ШІ та самим VS Code, якщо ми наприклад виконуємо завдання за допомогою Python в ipynb файлі. Знайти безкоштовного безлімітного агента, який буде все робити сам, а мені лишатиметься лише підтверджувати кроки — я не сподівався з самого початку.
5. Можливість змінювати напрям вирішення задачі залежно від відповіді, розуміння контексту (думаю зараз це вже база для кожного ШІ, але на всяк випадок додав і цю вимогу).
6. Звісно окремо прописав, що шукаю найкращий ШІ для роботи аналітиком і описав стек інструментів, з якими працюю найчастіше (SQL, Tableau, Python).

Скормивши ці запити ChatGPT, Gemini та Perplexity Deep Research, я спочатку отримав відповіді на кшталт Cursor Student Pro та GitHub Copilot Student. Але окрім того, що вони обидва лише для студентів, у Cursor серед доступних країн України взагалі немає, а Copilot призупинив нові реєстрації з 20 квітня 2026. Врешті-решт, всі 3 моделі прийшли до єдиної відповіді:

VS Code + розширення Continue.dev + Gemini API

Але в цього варіанту є одна критична проблема — стабільність роботи. На друге-третє повідомлення в чат я отримую помилку 503 — сервера перевантажені. При чому виявилось, що з цим стикаються навіть платні юзери, ба більше, підписка від цієї проблеми не рятує.

Також не забувайте будь ласка, особливо при активній роботі з ШІ, що деякою інформацією, в моєму випадку API ключами, з ним ділитися НЕ можна, бо я при підключенні Gemini в Continue.dev вирішив уточнити чи все я зробив правильно і з повною впевненістю скопіював весь конфіг включно з API ключем, на що ШІ мені чемно відповів:

Перш за все — твій API ключ видно у повідомленні, його треба негайно анулювати.

І хоч того разу я нічим не ризикував, така помилка може дорого коштувати, особливо якщо ви та/або ШІ одразу її не помітите.

Отже, Gemini API нам не підходить, що робити далі? Альтернативи — веб-версія Gemini або інші моделі в Continue.dev

Але насправді у другого варіанту є свої нюанси:

1. Інших моделей дуже багато (сотні) — і знайти серед них найкращу важко.
2. Навіть якщо ти знайдеш її і додаш вручну — час від часу доведеться їх оновлювати.
3. А тепер додайте до цього те, що моделей має бути мінімум 2 — 1 потужніша але з лімітами, 2 — слабша, але умовно безлімітна.
4. Інтерфейс Continue.dev менш зручний, особливо в плані додавання файлів.
5. Через API є нюанси з запам’ятовуванням фото в контексті чату, а знайти модель, яка підтримуватиме перегляд фото — ще те завдання.

Тому наразі я зупинився саме на веб-версії Gemini.

Які плюси я отримав в порівнянні з ChatGPT:

1. Більші ліміти по файлам та фото. Не знайшов точної інфи наскільки вони великі, але по відчуттям точно більші. Плюс у Gemini перегляд фото (але чомусь НЕ csv файлів, що трохи дивно) підтримує навіть найпростіша модель (знову привіт ChatGPT).
2. Можливість вибору моделі залежно від складності завдання — у ChatGPT за замовчуванням спочатку йде найкраща модель, а після лімітів — запасна. У Gemini ти можеш обирати одразу з трьох в будь-який момент.
3. Можливість вибору рівня мислення — стандартний або розширений. Так, у ChatGPT є thinking, deep research і web search, але deep research точно має суворі ліміти, та й взагалі жодним з цих інструментів я не користувався, бо вони були розташовані якось окремо в інтерфейсі.
4. Gems (кастомні інструкції) — дізнався про них лише нещодавно на тому ж аналітичному інтенсиві. Так, вони є і у ChatGPT, але в безкоштовній версії ти можеш використовувати лише кастомки інших користувачів, що не дає змоги повністю підлаштувати їх під себе.

Тепер про результати на практиці:

1. Одного разу в мене було завдання створити дашборд в Tableau і одним з показників там був ROAS_90D, який за допомогою фільтру у вигляді calculated field мені треба було обрізати по даті, щоб він показував коректні значення. ChatGPT не зміг дати мені нормальну відповідь за 7 промптів. Gemini впорався з першого.
2. Основним бенчмарком я взяв те саме зафейлене кейсове завдання і порівняв — за скільки промптів я зможу його вирішити повністю:
   • Під час івенту, в тому числі через новизну завдання, стрес, обмежений час тощо з ChatGPT мені знадобилося більше 80(!) промтпів — 83 якщо бути точним.
   • Спроба з Gemini з налаштованим під аналітичне дослідження Gems в спокійній обстановці — 17 промптів — майже в 5 разів менше.
   • Спроба з ChatGPT з кастомкою Data Analysis & Report AI🌍 (вона видалася в пошуку першою і наче одна з найбільш популярних) — 13 промптів — виходить він краще?

Ні, бо диявол завжди в деталях:

1. В перших блоках коду ChatGPT некоректно вказував назви колонок, бо в тексті завдання вони починались з великої літери, а в самих таблицях були написани повністю маленькими. З Gemini такої проблеми не було — бо йому можна доєднати файли, не боячись впертися в ліміти)
2. До речі про ліміти — після 13 промптів я повернувся з кастомки до звичайного чату — і там висвітилось, що мені треба зачекати годину, щоб мати можливість доєднувати файли! Звісно, це залежить не лише від кількості промтів, але все ж. При чому можливість доєднувати файли саме в чаті з кастомкою в мене лишилась — трохи не зрозумів як це працює, але факт є фактом.
3. Кількість cell з кодом в Jupyter Notebook. Gemini — 6, ChatGPT — 62(!). Незважаючи на кастомку — код набагато гірше структурований і дуже «зернистий». Важко сфокусуватись на чомусь одному, коли переглядаєш файл.
4. Однією з причин попереднього пункту є в тому числі гірше тримання контексту. Наприклад, абсолютно ідентичний рядок коду з приведенням колонки дати до типу datetime він надіслав мені тричі в проміжку 3 промптів, що йшли підряд(!).
5. Текст висновків дуже перемішаний з результатами коду і його поясненням. У підсумку markdown частина перевантажена і її треба знатно підчищати. І звісно непотрібні смайлики 🧠 📊 📈 📉 перед кожним пунктом тексту ніхто не відміняв.
6. Якщо Gemini умовно каже — ми пройшли все по плану від початку до кінця, то ChatGPT навіть в кастомці не полишає улюблене: «Ми можемо зробити ще ось це і оце, і тоді це точно буде топ 1% рішення» — і так без кінця.
7. Я розумію, що частину з пунктів вище можна виправити, просто додавши необхідні правки в промпт, але це — додаткові витрати часу, які можна НЕ робити в Gemini і доведеться робити в ChatGPT кожного разу, починаючи новий чат.

Насамкінець, справедливим буде підсвітити одну вагому перевагу ChatGPT — це стабільність роботи. Він працює завжди. Навіть коли 20 квітня 2026 писали, що він впав — у мене все працювало ідеально. Ба більше — до кейсу с Gemini API і помилкою 503, я взагалі не задумувався, що стабільність роботи може бути слабким місцем ШІ!

А от у Gemini, навіть у веб-версії — потужніші моделі інколи недоступні не через ліміти, а саме через перевантаженість серверів.

Наразі це все, про що я хотів розповісти. І хоча в сухому залишку це виглядає як «змінив перший найбільш популярний безкоштовний інструмент на другий» — для цього довелося зробити значний «крюк». Чекаю вас у коментарях!