Издатель из «Товарищества Виноградова» и магазина «Книжный.РФ» сгенерировал через Claude Opus 5.5 план-набросок второго тома «Мёртвых душ»: продолжение поэмы Гоголя вместо сожжённой рукописи. Модель в тексте называют «Клавдием», полное имя указано как Claude Opus 5.5.
Задача звучала так: забрать Чичикова из финала первого тома, отправить его на юг России, описать новый город, состав героев и общую логику произведения, предложить поглавный план. Стилистическая рамка - письмо позднего Гоголя. Генерация заняла примерно десять минут и обошлась примерно в 460 рублей, то есть в стоимость средней книжки. Модель работала на максимуме своих возможностей.
Интересен кейс не литературной дерзостью, а экономикой процесса. Текст никто не редактировал. Первоисточники брали из открытого доступа, исследовательские отделы, программисты, филологи, гоголеведы и продакт-менеджеры в работе не участвовали. По описанию автора, в проекте были задействованы один толстый издатель, две ассистентки и скучающий редактор. Полное описание эксперимента опубликовано на Habr.
Иллюстрацию к материалу сделала Nano Banana 2.1, генератор изображений. То есть в кейсе участвовали две разные модели: текстовая и графическая, каждая в своей зоне.
Как был сформулирован промпт для генерации художественного текста
Промпт был один. Без цепочек уточнений, без промежуточных правок и без повторных запусков. Вот его структура в том виде, как её приводит автор:
«Представь, что ты искусственный интеллект, которому поручено написать второй том „Мёртвых душ“, не восстановить то, что сожжено, а написать новую книгу, как продолжение первого тома. Забери Чичикова там, где его оставляет автор, и отправь на юг России, к новым приключениям. Опиши новый город, составь описания героев и общую логику произведения, предложи поглавный план с краткими описаниями, именами и ключевыми мыслями. На книгу, написанную ГигаЧатом, не смотри. В результирующем документе пиши, как писал бы поздний Гоголь».
Что здесь задано явно: точка старта (финал первого тома), география (юг России), перечень артефактов (город, герои, логика, поглавный план), стилевая рамка (поздний Гоголь) и запрет опираться на предыдущий опыт ГигаЧат. Формат вывода тоже обозначен: документ с планом, а не готовые главы.
Чего в промпте нет, тоже важно. Автор не стал загружать в модель два миллиарда русских слов и британский путеводитель по русской истории. Просить написать весь роман целиком тоже не стали, ограничились планом-наброском. Границы задачи, заданные заранее, снижают и стоимость генерации, и риск получить нечитаемый поток текста.
С точки зрения промпт-инжиниринга здесь работает знакомая логика: жёсткая рамка с явными требованиями к структуре вытягивает из модели более связный результат, чем свободная просьба «напиши красиво». Тот же принцип разбирается в материале про Structural Harness и жёсткие Markdown-шаблоны для небольших моделей: чем конкретнее каркас ответа, тем меньше модель импровизирует в нежелательную сторону.
Что именно сгенерировала модель: разбор результата
По оценке автора, герои получились обаятельными, а город вполне реальным, будто взятым из выпуска новостей. Главное наблюдение: модель сама установила замысел Гоголя, а не пересказала общеизвестные факты о поэме. Исходное сообщение с деталями кейса приводит конкретные элементы плана.
Чистилище вместо «адской» части: как модель переосмыслила замысел
Ключевая деталь результата: вместо «адской» части модель спроектировала для Чичикова чистилище. Автор прямо называет подстановку шаблонного продолжения «нейрослопом» и отмечает, что ИИ в этот сценарий не пошёл.
Почему это показательно. Известная канва замысла Гоголя строится на трёх ступенях, и вторая традиционно читается как очищение героя. Модель не просто перечислила главы, а выбрала интерпретацию и подчинила ей структуру. Это уже работа с логикой произведения, а не компиляция пересказов из сети. При этом литературоведческой проверки результата не проводилось: гоголеведы в проекте не участвовали, а значит, говорить о научной обоснованности трактовки нельзя.
Предуведомление, заключительное слово и закладка на третий том
Помимо поглавного плана, модель добавила элементы, которых в промпте явно не запрашивали: предуведомление, заключительное слово автора и закладку на третий том. Такие штуки характерны для книжной архитектуры XIX века и работают как сигнал жанровой рамки, а не как украшение.
Здесь нужна оговорка. В исходном тексте перечень того, что ИИ сочинил самостоятельно, приводится частично: фрагмент обрывается, поэтому считать список полным нельзя. Про обыгранную идею Пушкина как источника замысла в исходном сообщении тоже нет прямого подтверждения - эту деталь стоит воспринимать как неподтверждённую.
Отдельный сюжет сравнения: Гоголь, скорее всего, припрятал бы имя. ГигаЧат это сделал, но скучнейшим образом, вместо классического NN у него банальный N-ск. У Клавдия подобного провала автор не описывает.
Сколько стоит генерация книги нейросетью: 460 рублей за 10 минут
Две цифры задают масштаб: около десяти минут работы и примерно 460 рублей. По мнению самой модели, она могла бы обойтись десятой частью бюджета, то есть порядка 46 рублей. Это оценка, которую дала модель, а не результат контрольного замера, поэтому воспринимать её как гарантию экономии не стоит.
На итоговую стоимость влияют три вещи. Объём выходного текста: платить приходится в первую очередь за то, что модель пишет, а не за то, что читает, поэтому длинный документ обходится дороже короткого ответа. Выбранная модель: флагманские версии тарифицируются выше компактных. Режим работы: автор отдельно подчёркивает, что нейросеть работала на максимуме своих возможностей, а это дороже экономных настроек.
Сравнение с традиционным издательским циклом показательно по составу участников. Здесь не потребовались исследовательский отдел, программисты, филологи, гоголеведы и продакт-менеджеры. Один толстый издатель, две ассистентки и скучающий редактор - так автор описывает команду. 460 рублей против бюджета на специалистов такого профиля: разница в порядке величин, но и результат разного класса. Получился план, а не роман.
Ограничения подхода: что нейросеть не смогла и почему текст не редактировали
Решение не вычитывать сгенерированное автор объясняет прямо: «за машиной редачить - только портить». Это осознанная позиция, а не халатность. Первоисточники при этом брали из открытого доступа, внешней экспертизы не было ни на входе, ни на выходе.
Почему план-набросок - это не роман
Генерация плана и генерация полноценного художественного текста - задачи разной природы. План требует логики, структуры и согласованности элементов. Роман требует ещё и стилистической выдержки на сотнях страниц, единого голоса рассказчика и работы с деталями, которые невозможно удержать в одном коротком ответе.
Автор сам поставил границу: просить Клавдия написать весь роман не стали, ограничились планом-наброском. Это честная рамка кейса. Если вы оцениваете применимость LLM к длинным текстам, помните, что успешный план говорит только о способности модели выстроить структуру, и ничего не доказывает про качество глав.
Риски использования LLM для литературного творчества
Что может пойти не так при таком подходе:
- Фактические ошибки. Модель уверенно выдумывает детали быта, топонимы и биографические обстоятельства, если их нет в обучающих данных.
- Стилистическое усреднение. Подражание классику легко сползает в пародию или в гладкий безликий текст.
- Потеря авторского голоса. Стилизация под Гоголя даёт гоголевскую рамку, а не ваш собственный стиль.
- Отсутствие редактуры. Без вычитки в текст попадают логические разрывы и повторы, и читатель видит их сразу.
- Правовые и этические вопросы. Работа с классикой из открытого доступа безопаснее, но публикация без проверки всё равно требует осторожности.
Категоричных выводов тут быть не может: для эксперимента и для внутреннего прототипа подход работает, для коммерческой публикации нужна вычитка и хотя бы один профильный специалист. Если задача - длинный текст с терминами и сквозной логикой, полезно заранее продумать конвейер: разбиение на части, словарь сущностей и ручную проверку. Похожая схема с токенами, длинным контекстом и обязательной вычиткой описана в разборе локального пайплайна перевода книг через LLM.
Сравнение с опытом Сбера и ГигаЧат: что изменилось
Автор прямо говорит, что вдохновился опытом Сбера, который заставил ГигаЧат ходить Гоголем. Оттуда же взята установка не смотреть на результат предыдущей модели: в промпте это прописано отдельным пунктом.
В чём видимая разница. ГигаЧат, по описанию автора, припрятал имя героя, но сделал это скучно: вместо классического NN вышел банальный N-ск. Клавдий в этом кейсе самостоятельно выстроил замысел с чистилищем, добавил предуведомление, заключительное слово автора и закладку на третий том.
Осторожность с выводами обязательна. Прямого сравнения двух моделей на одинаковом промпте в кейсе нет. Задачи могли формулироваться по-разному, а доступа к полному тексту ГигаЧат у читателя нет. Поэтому корректнее говорить о разнице в постановке эксперимента, а не о превосходстве одной модели над другой.
За кадром остался и генератор изображений: картинку создала Nano Banana 2.1. Это напоминание о том, что подготовка материала к публикации редко ограничивается одной моделью, и стоимость проекта складывается из нескольких обращений к разным сервисам. Автор приводит полный список использованных инструментов в исходной публикации.
Что это значит для практического использования LLM
Практический вывод первый: LLM уверенно генерируют структурированные планы длинных текстов. Поглавный план, описания персонажей, общая логика произведения и элементы книжной архитектуры вроде предуведомления - всё это укладывается в один запрос, если задача сформулирована жёстко и без общих пожеланий.
Вывод второй: стоимость и скорость делают такой эксперимент доступным. Примерно 460 рублей и около десяти минут за план продолжения классической поэмы - это порядок расходов, который может позволить себе частный автор. При этом оценка модели про десятую часть бюджета показывает, что режим работы и объём ответа влияют на счёт сильнее, чем кажется.
Вывод третий: без редактуры и экспертизы результат остаётся черновиком. В кейсе текст не правили сознательно, и это часть эксперимента, а не рецепт для продакшена. Если вы собираетесь публиковать сгенерированный текст, планируйте вычитку и проверку фактов заранее, а не после первой жалобы читателя.
Материал полезен тем, кто оценивает практические возможности LLM для генерации длинных художественных текстов и хочет понять ограничения такого подхода. Хороший следующий шаг - взять одну главу из полученного плана, написать её отдельным запросом и сравнить стиль с планом. Разница между каркасом и текстом станет видна сразу.