Запустили AI-сервис для студентов в нише с десятком конкурентов. Поставили на дорогую модель — и за счёт этого выжили
Если коротко: рынок «AI пишет студенческую работу» в России к 2026 году — это десятки сервисов, у большинства одна и та же модель под капотом, и одни и те же обещания в рекламе. Мы зашли с топовой моделью Claude Opus 4.7 от Anthropic вместо массового GPT-4o-mini, добавили несколько продуктовых решений, которые конкуренты ленятся делать — и за счёт этого закрепились. Расскажу подробно.
## Контекст: почему ниша интересная и почему сложная
Рынок «нейросеть пишет реферат / курсовую» в России рос с 2023 года и к концу 2025 стал плотным. По запросу «реферат нейросеть» в Яндексе — десяток платных сервисов в первой выдаче плюс универсальные ChatGPT, GigaChat, YandexGPT, плюс десятки Telegram-ботов разной степени съедобности.
При этом ниша интересна по трём причинам:
1. **Платёжеспособный спрос.** Студенты в сезон сдач готовы платить 500–4000 ₽ за работу. Курсовая или диплом — несколько тысяч.
2. **Сезонность, но повторяемость.** Каждый семестр заново. Удержание есть.
3. **Низкая зрелость продукта.** Все сервисы похожи между собой и ни один не тянет всю задачу целиком.
Сложна она тем, что это не «обёртка над LLM», как кажется снаружи. Хороший продукт в этой нише — это:
— связный академический текст на русском без воды;
— корректные формулы для технических работ;
— оформление по ГОСТ;
— уникальность, которая проходит через antiplagiat.ru;
— подстройка под методичку конкретного вуза;
— готовый файл `.docx`, а не текст в чате.
Каждый из пунктов сам по себе подъёмный. Вместе они — продукт, в котором LLM это только базовый компонент.
## Главное продуктовое решение: топовая модель
Когда я в начале 2026 тестировал русскоязычные академические тексты на разных моделях, картина была такая: GPT-4o-mini — массовый выбор российских сервисов из-за низкой цены за токен, но «водянистый» текст и регулярные галлюцинации источников. GigaChat и YandexGPT — нормально пишут, но проседают на технических задачах. DeepSeek — топ по математике, но шероховатый стиль на русском академическом. Claude Opus 4.7 — выигрывает на длинных русских текстах, формулах и аккуратности с источниками.
Я выбрал Opus, понимая, что себестоимость токенов вырастет в десятки раз против mini. Расчёт был такой: рынок плотный, одинаковая модель у всех конкурентов, через год-два часть из них всё равно подтянется к топовым моделям — но окно «сделать видимое отличие» открыто прямо сейчас.
Юнит-экономика вышла рабочей: курсовая стоит студенту от 1500 ₽, себестоимость по токенам — 40–80 ₽. Маржа адекватная, если конверсия из превью в оплату держится выше 25%.
## Бенчмарк против рынка
Чтобы не верить себе на слово, я взял три реальных задания и прогнал их через Solvr и через 7 конкурентов: Kampus.ai, Wordium, Study AI, Chad AI, RazumAIzer, бесплатный ChatGPT, GigaChat.
Задания: реферат по микроэкономике на 12 страниц, расчётная задача по сопромату с эпюрами, курсовая по бухучёту на 25 страниц. По всем у меня были оценки от настоящих преподавателей за версии, сделанные через Solvr.
Что увидел:
— **На расчётной задаче пять из семи конкурентов слились.** Ошибки в эпюрах, словесные описания вместо формул, пропущенные участки. Solvr выдал решение с пошаговыми выкладками — прямой эффект сильной модели на математической нотации.
— **На реферате различия между сервисами незначительны.** Все более-менее справились. На коротких задачах разница между mini и Opus в пределах погрешности.
— **На курсовой 25 страниц у трёх сервисов появились внутренние противоречия между главами.** Это типичная проблема удержания контекста. У нас её решает не модель, а отдельный шаг в пайплайне — после каждой главы пересобираем «память» работы и подаём в следующую генерацию.
Цифры: цена за работу у Solvr от 350 ₽, время 2–5 минут на реферат, уникальность по antiplagiat.ru 82–91% против 65–84% у большинства конкурентов.
## Что ещё, кроме модели, сделали по-другому
Сильная модель — необходимое, но не достаточное условие. Параллельно я сделал четыре продуктовых решения, которые работают на конверсию.
**Превью до оплаты.** Главное возражение в нише — «а вдруг заплачу и получу мусор». У всех конкурентов схема: сначала плати, потом смотри. У нас — наоборот: генерируем работу, показываем введение, оглавление и фрагмент главы, и только потом пользователь решает, платить ли. Конверсия в оплату выше, возвратов меньше.
**Pay-per-work без подписок.** Большая часть конкурентов сидит на подписочной модели — 290–490 ₽ в месяц. Студенту, которому нужна одна работа в семестр, это невыгодно. Мы продаём конкретную работу за конкретную сумму. Окей, средний чек чуть ниже LTV подписочного клиента, но барьер входа значительно ниже.
**Оформление под методичку конкретного вуза.** Загружаешь пример работы — мы извлекаем стили (шрифт, поля, формат ссылок) и применяем к итоговому документу. Закрывает реальную боль: преподаватели часто заворачивают работы за оформление, а не за содержание.
**Финальный `.docx`, а не текст в чате.** ChatGPT и GigaChat выдают текст, который дальше нужно вручную форматировать. Solvr собирает готовый Word-файл с оглавлением, нумерацией и формулами. 30–60 минут ручного оформления экономится на каждой работе.
## Где конкуренты сильнее — без приукрашивания
Считаю важным называть слабые стороны своего продукта. Это часть стратегии: когда ты в обзорах честно говоришь, где ты проиграл, тебе охотнее верят, где ты выиграл.
— **Wordium и RazumAIzer лучше с автоматической библиографией по ГОСТ 7.0.5.** У нас в roadmap на ближайший месяц.
— **Kampus.ai сильнее как комплексный AI-помощник на семестр.** Подготовка к защите, диалог по предметам, мобильное приложение. Мы — узкий продукт.
— **Бесплатный ChatGPT всегда стоит 0 ₽.** Если у студента есть время на ручную доводку — он не наш клиент.
— **Chad AI даёт выбор модели руками.** У нас выбор сделан за пользователя.
## Реальные оценки за первые недели
— Реферат по политологии, 10 стр., УрФУ — отлично
— Курсовая по информатике, 22 стр., НИУ ВШЭ — отлично
— Эссе по социологии, 8 стр., МГУ — хорошо
— Расчётная по электротехнике, СПбГУТ — отлично
— Курсовая по экономике, 18 стр., РАНХиГС — отлично
— Доклад по истории, 6 стр., КФУ — отлично
Это не «отзывы за скидку», это ведомости настоящих студентов с согласием на анонимизированную публикацию.
## Выводы для фаундеров, которые заходят в плотные ниши
**1. Топовая модель в зрелой нише — это конкурентное окно на 12–18 месяцев.** Когда все сидят на бюджетной модели по экономическим причинам, переход на топовую — узкое продуктовое отличие. Через год-полтора часть рынка подтянется. Сейчас оно открыто почти в любой LLM-нише.
**2. Pay-per-result обыгрывает pay-per-promise.** Превью до оплаты в продуктах с генеративным AI — это не «фишка», а гигиеническое требование. Если у вашего AI-продукта нет способа показать результат до денег, вы проигрываете доверию.
**3. Узкий сценарий обыгрывает комбайн.** Соблазн делать «всё про учёбу» / «всё про продажи» / «всё про код» силён, но в первый год выигрывают узкие продукты с одним чётким сценарием. Комбайн — этап после product-market fit на узком сценарии.
**4. Структурный вывод важнее качества текста.** В академической нише оформление документа — половина продукта. То же в любой нише, где результат — это файл с фиксированной структурой (отчёт, регламент, презентация, договор). Сервис со средним текстом и автоматическим оформлением обыгрывает сервис с хорошим текстом и ручным оформлением.
**5. Честный обзор конкурентов конвертирует.** В нише, где все рекламируют «мы лучшие», обзор с признанием слабых мест воспринимается как сильный сигнал. Это маркетинговый инструмент, не риск.
## Что дальше
В roadmap на ближайший месяц:
— Автоматический список литературы по ГОСТ 7.0.5 и 7.32-2017 с подтягиванием источников из открытых каталогов.
— Интеграция с antiplagiat.ru для автодоводки уникальности.
— Пресеты под методички топ-20 вузов России.
— Эксперимент с Claude Sonnet 4.6 как fallback для коротких работ — Opus избыточен на 8-страничном эссе.
## Открыты к диалогу
Если вы фаундер edtech / AI-продукта — буду рад обменяться кейсами и набитыми шишками. Если вы из вуза или академического edtech — открыт к разговору про интеграцию AI-инструментов в обучение (как помощник, не как обходной путь).
Сайт: ai-student-help.ru
Telegram-бот для тестового заказа: @ai_student_help_ru_bot
В комментариях с интересом прочту встречные кейсы — особенно где у вас сработал противоположный подход. И если кто-то делает похожий продукт в другой нише (генерация документов, отчётов, презентаций) — пишите, разберём в личке.