Gemini и длинные документы: как загрузить PDF,
получить выжимку
и не утонуть в тексте

К примеру, у вас на столе 40-страничный договор аренды, отчёт аудитора за три года
и техническое задание которое правили шесть человек.
Если читать всё это целиком, замучаешься да ещё и целый день работы займет,
но загрузив в Gemini, то всего тридцать секунд, без мороки.

Контекстное окно Gemini 3.1 Flash вмещает до 1 миллиона токенов, у Gemini 3.1 Pro же,
это окно содержит до 2 миллионов.
По-простому: это примерно 1 500 страниц текста за один запрос.
И это целиком, а не «загрузите первые 10 страниц, потом следующие».

Звучит, конечно же круто, но без правильного промпта модель выдаст размытую кашу даже из идеально структурированного документа. А с правильным, он вытащит конкретные пункты, найдёт противоречия между разделами и соберёт сводку
с цитатами. Как раз в этой статье мы и расскажем: какие форматы поддерживаются,
через какие интерфейсы удобнее работать, что доступно из России без лишней возни,
и какие промпты дают хороший и детальный результат.

Миллион токенов: что это значит на практике

Контекстное окно, это рабочая память модели и всё что в него поместилось,
Gemini видит одновременно. Например: загрузили PDF на 200 страниц, задали вопрос
и модель ищет ответ по всему документу сразу, а не угадывает по первым абзацам.

Миллион токенов у Gemini 3 Flash, это примерно 700-750 тысяч слов.
Для ориентира: роман «Война и мир» около 580 тысяч слов,
то есть Толстого модель переварит целиком, и ещё место для ваших вопросов останется.

Gemini 3.1 Pro берёт вдвое больше, до 2 миллионов токенов, но на практике документы такого объёма встречаются редко.
Если вы не юрист с подшивкой судебных решений за десять лет,
миллиона токенов вам точно хватит, еще и с запасом.

Есть одна простая вещь, про которую легко забыть.
Контекстное окно, это память только на время текущего чата, то есть если вы закрыли его, то всё, файл пропал, в новом придётся загружать заново.
Это не база данных, а скорее большой стол: поработали, и в конце дня его просто очистили.

Какие форматы Gemini умеет читать

Список шире, чем кажется на первый взгляд:

●       PDF — основной формат. Gemini читает и текстовые слои, и распознаёт текст на сканах (хотя с рукописным почерком бывают промахи).

●       DOCX — файлы Word, включая таблицы и форматирование.

●       XLSX — таблицы Excel. Модель видит структуру столбцов и строк, может считать, сравнивать, искать аномалии.

●       TXT и JSON — простой текст и структурированные данные.

●       Изображения с текстом — фотографии документов, скриншоты, слайды. OCR встроен, отдельно ничего настраивать не нужно.

Что касается таблиц с Gemini, то это зависит от того, что внутри.
Обычный прайс-лист, список сотрудников или данные по месяцам, их он читает нормально.

Но вот со сводной таблицей Excel с кучей объединённых ячеек и формулами внутри формул, может поехать, так что лучше проверять.

Два случая когда лучше не рассчитывать на Gemini.
Первый, это зашифрованные PDF: просто снимите пароль до загрузки.
А второй, это файлы где текст представлен картинкой низкого качества.
Скан с офисного принтера, примет нормально, но фотография документа сделанная в полутьме на телефон, результат будет лотерея.

Три способа работать с документами в Gemini

Gemini, это не один продукт, а семейство интерфейсов. И для работы с длинными документами они отличаются довольно сильно.

Веб-чат gemini.google cамый простой вариант: открыл, перетащил файл,
задал вопрос.
Работает с подпиской Google One AI Premium (Gemini Pro), которая позволяет загружать документы до ~1 500 страниц.
Только есть проблема для российских пользователей: gemini.google заблокирован в РФ, напрямую не откроется.

Google AI Studio (aistudio.google). Гибкий инструмент с настройками температуры, выбором модели и возможностью загружать несколько файлов одновременно,
но тоже заблокирован в РФ напрямую.

Gemini API с ключом. Эндпоинт generativelanguage.googleapis из России работает.
Просто получаете API-ключ, отправляете файл и запрос программно.
Может, не так удобно как перетащить PDF в окно чата,
зато стабильно и без привязки к региону.

А для тех, кто не хочет разбираться с API, есть сервисы вроде AI-Flip,
где Gemini доступна через обычный веб-интерфейс без VPN и иностранных карт.

В итоге, что выбрать, зависит напрямую от задачи. Если, нужно быстро разобрать
один документ и вы не в России, то вам к веб-чату, а если работаете с документами регулярно из РФ, то к API или агрегатору.

Gemini File Search: когда документов много и они нужны постоянно

Gemini File Search это уже другой уровень работы с документами.
Не просто «загрузил один PDF и спросил что-то», а полноценная база знаний из ваших файлов с которой можно работать постоянно.

Принцип простой: загружаете файлы через API, например такие как PDF, DOCX, TXT, JSON, XLSX, и система их индексирует. Дальше задаёте вопросы по всему архиву сразу,
не по одному файлу. Файлы никуда не пропадают,
а лежат постоянно, совсем не то что в обычном чате где всё исчезает через 48 часов
и приходится загружать заново.
Можно раскидать документы по тегам, фильтровать по проектам, держать всё в порядке.

Самая полезная фишка, это ответы с цитатами, модель не просто пишет «в регламенте написано что…», а показывает конкретный документ и конкретный фрагмент откуда взяла информацию. Для юридических или бухгалтерских задач это принципиально важно,
когда нужна не просто выжимка, а возможность проверить источник. 

Сколько это стоит: индексация базы на 500 страниц обходится в несколько центов. Хранение файлов бесплатное, платите только за индексацию и генерацию ответов.
Для небольшой компании которая хочет наконец собрать все свои инструкции, регламенты и шаблоны в одном месте, вполне хорошая стоимость.

Есть одно ограничение о котором лучше знать сразу: File Search работает только через API, никакого веб-интерфейса нет. Нужно либо самому уметь отправлять HTTP-запросы, либо найти кого-то кто поможет с первоначальной настройкой.

NotebookLM: если нужно сопоставить несколько источников

Google сделал ещё один инструмент для работы с документами, в виде NotebookLM.
Здесь подход другой, просто загружаете несколько источников, например:
PDF, ссылки на веб-страницы, тексты, видео, и система помогает находить связи между ними, выделять общие темы, генерировать обзоры.
Или, если вы готовите аналитическую записку и у вас есть три отчёта разных подразделений, два внешних исследования рынка и стенограмма совещания.
NotebookLM загрузит всё это, и можно спрашивать:
«Где данные из отчёта маркетинга противоречат выводам финансового отдела?»
или «Какие рекомендации повторяются во всех трёх источниках?»

Этот инструмент бесплатный, но опять же,  для российских пользователей
есть существенное «но»: NotebookLM (notebooklm.google) заблокирован в РФ,
доступ требует иностранного IP и иностранного аккаунта.

Промпты которые работают с длинными документами

Загрузить 200-страничный PDF, это ещё не вся работа, тут самое важное,
как именно вы спросите.

Типичная ошибка: загружают договор и пишут «проанализируй», и Gemini послушно выдаёт трёхстраничный пересказ из которого невозможно извлечь ничего полезного. Это происходит из-за того, что задача сформулирована слишком широко.

Работающие паттерны промптов:

1. Структурирование. «Разбей этот документ на логические разделы. Для каждого раздела укажи: название, страницы, ключевые тезисы (не больше 3 на раздел).» Получите карту документа, по которой дальше удобно работать».
   
   
2. Извлечение конкретики. «Найди в этом договоре все пункты, касающиеся ответственности сторон. Процитируй дословно, укажи номер пункта».
   Не «расскажи про ответственность», а «найди и процитируй».
   
   
3. Сравнение. Загрузите две версии документа.
   «Сравни эти два файла. Перечисли все изменения: что добавлено, что удалено,
   что переформулировано. Формат: таблица с колонками Было / Стало / Комментарий»
   
   
4. Поиск противоречий. «Проверь, нет ли в документе внутренних противоречий: пунктов, которые конфликтуют друг с другом, или цифр, которые не сходятся с итоговыми суммами.»
   
   
5. Сводка для руководства. «Подготовь краткую сводку этого отчёта для директора. Максимум одна страница. Три главных вывода, два риска, одна рекомендация. Без воды.»
   
   

Ещё один приём который сэкономит ваше время: двухшаговый запрос.
Сначала просите модель составить оглавление или карту документа, а после,
глядя на эту карту, задаёте точечные вопросы по конкретным разделам.
Так вы контролируете процесс и не получаете кашу из всего сразу.

Корпоративный сценарий: навигация по внутренним регламентам

Представим компанию, где внутренние регламенты, это: 15 PDF-файлов общим объёмом 800 страниц. Новый сотрудник спрашивает: «Как оформить командировку?»
HR-менеджер тратит 20 минут чтобы найти нужный раздел в нужном документе.

С Gemini, через File Search API или просто загрузив документы в чат,  тот же вопрос решается за минуту. Как это работает: модель находит релевантные пункты,
указывает номера страниц и цитирует формулировки. А можно пойти дальше и запросить:
«Какие термины определены в этом регламенте? Где каждый из них используется повторно? Есть ли перекрёстные ссылки на другие документы?»

Это не замена юристу или HR-специалисту, это просто удобный способ
который помогает не тратить полчаса на поиск пункта 4.3.7 в третьем приложении к регламенту, который ещё и последний раз обновляли в 2022 году.

Результаты, Gemini умеет выгружать в Google Docs или формат .docx.
Собрали сводку, нашли нужные пункты, и экспортировали в документ, отправили коллегам.

Чего Gemini не умеет (и где стоит перепроверять)

Честно про границы.

Юридические документы. Gemini может пропустить тонкую формулировку, неочевидную оговорку в сноске, двусмысленность которая имеет значение в суде.
Если подписываете контракт на крупную сумму, то помните, что выжимка от ИИ
это черновик, а не финальный анализ.

Числа и расчёты. Gemini неплохо извлекает цифры из таблиц, но арифметику проверяйте сами. «Сумма по столбцу» может оказаться приблизительной, особенно если в таблице объединённые ячейки или нестандартное форматирование.

Галлюцинации. Gemini тоже иногда придумывает. Реже чем модели с маленьким контекстом, но если спросить о чём-то чего в документе нет, то модель может
уверенно сочинить ответ вместо того чтобы сказать «об этом здесь не написано».
Всегда просите цитаты и номера страниц, так проще ловить выдумки.

Форматирование на выходе. Попросили таблицу, и сразу получили таблицу,
но со съехавшими столбцами. Попросили нумерованный список, и получили, но с дублями. Мелочи которые исправляются за минуту, их лучше подмечать.

Доступ из России: что работает, что нет

Прямой доступ к gemini.google, Google AI Studio, NotebookLM и Vertex AI из России заблокирован.
Это не VPN-история «иногда работает, иногда нет», а сервисы просто показывают окно недоступности.

Что работает:

●       API-эндпоинт generativelanguage.googleapis,  доступен, нужен API-ключ от Google

●       Python SDK google-genai, работает через тот же API

●       Gemini в Google Search, встроен в поисковую выдачу, работает без ограничений

●       Агрегаторы вроде AI-Flip, там Gemini доступна через веб-интерфейс,
оплата в рублях токенами, без подписок и иностранных карт

Если вам нужно просто загрузить PDF и получить выжимку,
тогда агрегатор самый быстрый путь.
Если строите систему на базе File Search с десятками документов,
тогда вам понадобится API-ключ и минимальные навыки работы с запросами.