14 июля Telegram расширил Bot API 10.2: теперь ии бот тг может отправлять не только текст с разметкой, но и набор явно заданных блоков. В ответе появились таблицы, заголовки, списки, цитаты, детали, карты, фото, видео, голосовые сообщения и блок thinking.
Для пользователя это может выглядеть как давно ожидаемая мелочь: вместо длинной Markdown-простыни бот показывает читаемую таблицу, статус работы и итог. Для разработчика это смена ответственности. Недостаточно научиться формировать красивый rich-ответ. Нужно убедиться, что при несовместимом клиенте смысл не исчезнет вместе с оформлением.
Подключите модели для проверки контента с оплатой в рублях на provod.ai
Главное различие между 10.1 и 10.2
Стриминг AI-ответов не появился 14 июля. Его Telegram представил в Bot API 10.1 11 июня вместе с Rich Messages. Это была базовая возможность: ответ нейросети можно показывать по мере генерации, а не заставлять человека ждать готовую простыню текста.
Версия 10.2 расширила именно поверхность авторинга. Вместо одного текста с разметкой бот получает модель сообщения из typed-блоков. Это полезно там, где структура несёт смысл:
- таблица сравнения тарифов или вариантов;
- сворачиваемые детали для второстепенной информации;
- отдельный статус выполнения;
- фото, видео или карта как часть ответа;
- заранее определённые заголовки, списки и цитаты.
Именно поэтому свежая новость не о том, что нейросеть в телеграм наконец научилась отвечать потоково. Она о том, что интерфейс ответа становится семантическим: приложение получает не догадку о том, что означал Markdown, а описание того, чем является каждый фрагмент.
Thinking-блок не даёт доступ к рассуждениям модели
Самый заметный элемент здесь легко неверно истолковать. InputRichBlockThinking позволяет отделить в сообщении индикатор процесса или подготовки ответа от финального результата. Это presentation primitive, а не приглашение раскрывать скрытые рассуждения модели.
Практическое правило простое: в такой блок стоит выводить только то, что вы сознательно готовы показать пользователю как статус. Например, короткое «Собираю варианты» или этап обработки. Не следует превращать его в канал для внутренних цепочек рассуждений, служебных инструкций или отладочных данных.
Это меняет и тон общения. Нейросеть тг бот может честно показать, что ответ ещё формируется, не имитируя уверенность и не перегружая чат техническим шумом.
Где красивый ответ становится риском
Переход к typed-блокам кажется очевидным улучшением, пока не появляется клиент, который их не отрисовывает ожидаемым образом. В OpenClaw обсуждение миграции от очищенного rich HTML к typed-блокам сопровождалось осторожным rollout по умолчанию. Несколькими днями позже отдельно появился запрос на нативный thinking-индикатор.
Это не доказательство массовой проблемы, но хороший сигнал о классе риска: совместимость нужно проверять как часть релиза, а не считать следствием правильного API-вызова.
Самая сильная контрпозиция звучит разумно: пока поддержка клиентов неоднородна, лучше оставить проверенный plain text и не усложнять ответ. Для коротких ответов, уведомлений и сценариев, где структура ничего не меняет, это действительно верное решение. Typed-блоки не должны становиться декоративной обязанностью.
Но для сравнения вариантов, пошаговой диагностики и ответов с прогрессом plain text уже смешивает разные сущности в один абзац. Потеря таблицы или статуса в таком случае влияет не на эстетику, а на решение пользователя.
Минимальный тест перед включением
Проверьте не «работают ли Rich Messages», а сохраняется ли решение пользователя без них.
| Слой | Rich-вариант | Fallback |
|---|---|---|
| Статус | thinking-блок | Короткая строка о текущем этапе |
| Сравнение | таблица | Нумерованный список с теми же полями |
| Детали | сворачиваемый блок | Секция после основного вывода |
| Медиа | отдельный typed-блок | Текстовое описание и доступный результат |
| Итог | заголовки и списки | Краткий вывод в начале сообщения |
Перед rollout полезно провести четыре проверки:
- Возьмите три ответа, где структура действительно влияет на выбор: сравнение, инструкция и ответ с прогрессом.
- Для каждого сохраните смысловой объект отдельно от Telegram-разметки: статус, поля таблицы, основной вывод, детали.
- Отрендерьте rich-версию и plain-text fallback из одного объекта.
- Спросите тестировщика только о решении: может ли он назвать итог, сравнить варианты и понять, идёт ли работа.
Если fallback заставляет вручную дописывать важные факты, проблема не в клиенте. Значит, логика ответа уже смешана с конкретным Telegram-форматом.
Архитектура, которая переживает смену клиента
Устойчивый путь выглядит так: модель или backend формирует семантический ответ, а адаптер канала решает, превратить ли его в Telegram-блоки или в безопасный текст. Тогда таблица остаётся таблицей на уровне данных, а не набором символов, который приходится заново разбирать.
Такой подход особенно полезен, если ии боты в телеграмме уже отвечают в нескольких сценариях. Пользователю важны читаемая структура и понятный прогресс, а не внутренний формат, из которого они получились. В provod.ai единый AI backend можно связать с channel adapter: он отдаст Telegram typed-блоки там, где они доступны, и сохранит тот же смысл в plain-text fallback.
Экосистема уже начала строить инструменты поверх Rich Messages: open-source редактор Amethyst Post Bot получил отдельное обсуждение на Hacker News 14 июля, но набрал лишь 4 points. Это скорее ранний сигнал интереса, чем признак зрелого стандарта. Одновременно запуск Telegram Serverless 15 июля собрал 212 points и 106 comments, показывая широкий интерес разработчиков к новому bot stack, но не подтверждая качество конкретной реализации Rich Messages.
Что для вашего бота дороже: включить typed-блоки сейчас с обязательным fallback-тестом или остаться на plain text, пока поддержка клиентов не станет предсказуемее?
provod.ai — корпоративная работа с AI с учётом требований РФ
Для сценариев с персональными данными важна не только модель, но и организация процесса: платформа проектируется с учётом требований российского законодательства, а применимость определяется составом данных и настройками клиента.
В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.
Требования к корпоративному процессу не увеличивают тариф модели: стоимость сохраняется 1:1 с официальной ценой провайдера, без собственной наценки provod.ai.
Изучите условия для корпоративного сценария: форма регистрации · цены на модели · защита данных по 152-ФЗ · политика обработки данных