Карточки товаров для маркетплейса через DeepSeek: что умеет, где ошибается и сколько стоит

Типичная ситуация у небольшого продавца на Wildberries или Ozon: пришла партия из Китая, 300 новых артикулов, а описаний нет. От поставщика есть таблица с названиями на ломаном английском, пара характеристик и фото. Один человек пишет нормальную карточку минут 20–40. На 300 товаров это две-три недели работы, и всё это время товар лежит на складе без продаж.

Я собираю для таких задач связку «таблица → языковая модель → таблица». В 2026 году для текстов карточек чаще всего беру DeepSeek V3.2: по цене и качеству русского языка он сейчас выгоднее большинства моделей. Ниже разберу, что он делает хорошо, где его надо держать за руку и во что это обходится.

Что DeepSeek делает хорошо

Модель получает на вход строку таблицы: название от поставщика, характеристики, категорию, пару ключевых запросов. На выходе отдаёт готовые поля карточки.

• Название по шаблону площадки. «Тип товара + ключевое свойство + материал + размер». Модель держит шаблон стабильно, если дать ей два-три образца.
• Описание на 1000–2000 знаков. Связный русский текст без машинного перевода, с поисковыми словами внутри предложений, а не списком в конце.
• Перевод характеристик. «Stainless steel 304, capacity 500ml» превращается в аккуратное «нержавеющая сталь 304, объём 500 мл».
• Варианты под A/B. Два-три разных описания одного товара, чтобы проверить, какое лучше конвертирует.

Главный выигрыш здесь не в тексте. Модель работает пачкой: 300 строк проходят за один прогон, пока вы занимаетесь закупкой.

Где модель ломается

Тут начинается то, о чём не пишут в рекламе нейросетей. Я бы не запускал такую связку без защиты от этих вещей.

1. Выдумывает характеристики. Если в таблице нет состава ткани, модель может написать «100% хлопок», потому что так звучит правдоподобно. Для маркетплейса это прямой путь к возвратам и жалобам. Лечится жёстким правилом в промпте («пиши только то, что есть во входных данных») и проверкой: скрипт сверяет цифры и материалы в тексте с исходной строкой.
2. Любит рекламные слова. «Идеальный», «лучший», «премиальный». Часть площадок режет такие формулировки на модерации, а покупатели им не верят. Нужен стоп-лист, который прогоняется по готовому тексту автоматически.
3. Путается в размерных сетках. Китайский M и российский 46 не одно и то же. Модель переводит буквально. Размерные сетки лучше считать кодом по таблице соответствия, а не доверять нейросети.
4. Повторяется на похожих товарах. Двадцать одинаковых кружек разных цветов получат почти одинаковые описания. Для поиска внутри площадки это плохо. Помогает передавать в модель отличия товара явно и просить разные первые абзацы.

Отдельная бытовая сложность: оплатить API DeepSeek или OpenRouter российской картой нельзя. Обычно платят через посредника или зарубежную карту. Это решается один раз при настройке.

Сколько это стоит: расчёт на 300 карточек

Считаю на ценах осени 2026 года, это ориентир, а не прайс.

• Одна карточка: около 1500 токенов на вход (инструкция, образцы, данные товара) и 800 на выход.
• DeepSeek V3.2 через OpenRouter стоит порядка 0,3–0,5 доллара за миллион токенов.
• 300 карточек ≈ 700 тысяч токенов. Это меньше доллара, то есть десятки рублей за всю партию.

Деньги на модель тут почти ничего не решают. Основные расходы в другом:

• Настройка связки. Промпт под вашу категорию, стоп-лист, проверка характеристик, выгрузка в формат площадки. Ориентир — от 3 до 7 рабочих дней, в зависимости от числа категорий.
• Проверка человеком. Вычитать готовую карточку и сверить с фото — 3–5 минут вместо 20–40 на написание с нуля.

Если грубо: 300 карточек вручную — это 100–200 часов. С моделью и проверкой — 15–25 часов. Экономия зависит от того, насколько чистые данные у поставщика. Если в таблице пусто, модель не спасёт: сначала нужно собрать характеристики.

Как я запускаю это по шагам

1. Беру 30–50 товаров из вашей реальной таблицы и 5–10 карточек, которые у вас уже хорошо продаются. Они становятся образцами для модели.
2. Пишу промпт под категорию и прогоняю тестовую пачку. Вы смотрите результат и говорите, что не нравится: тон, длина, порядок блоков.
3. Добавляю проверки: сверку характеристик с исходником, стоп-лист, пересчёт размеров.
4. Настраиваю выгрузку в шаблон площадки, чтобы таблицу можно было загрузить без ручного копирования.
5. Запускаем всю партию. Человек вычитывает всё, что скрипт пометил как спорное, и выборочно остальное.

Следующие партии идут уже по готовой схеме: загрузили таблицу поставщика, через час забрали черновики.

Когда это не нужно

Если у вас 20 товаров и новые приходят раз в квартал, проще написать руками или отдать копирайтеру. Связка окупается, когда артикулов сотни и они регулярно обновляются: новые партии, сезонные коллекции, перезаливка карточек после смены поставщика.

Автоматизирую ваш бизнес с помощью ИИ: Telegram-боты, чат-боты, интеграции и сайты под ключ. Если у вас лежит партия без описаний или карточки пишутся неделями — напишите мне в Telegram @galich_co. Бесплатно разберём вашу задачу, и я предложу решение: иногда хватит одного промпта, иногда нужна полноценная связка с проверкой.