Siri и Gemini сошлись в сравнительном тестировании поиска по входящей почте и сообщениям

Сравнительное исследование, опубликованное 16 октября 2026 года, оценило возможности автоматизированного поиска по входящим письмам и сообщениям голосовых ассистентов Siri от Apple Inc. и Google Gemini от Alphabet Inc. на их мобильных операционных системах. Прямое тестирование, проведенное технологическим журналистом Kimberly Gedeon, проанализировало, как каждый помощник на базе генеративного искусственного интеллекта выполняет поиск по личной переписке для обнаружения скрытой информации. Сравнение подчеркнуло конкурирующие инженерные стратегии двух доминирующих операторов платформ для смартфонов: ставку Apple на локальные индексы на устройствах в сочетании с криптографическими облачными протоколами и опору Google на интегрированные облачные сервисы и расширения экосистемы Workspace.

## Key facts

- Технологический журналист Kimberly Gedeon провела прямое семидневное полевое тестирование, сравнив функции поиска по входящим сообщениям у Siri от Apple и Gemini от Google. - Сравнительное тестирование оценило, как каждый ассистент ориентируется в личных коммуникациях, архивах электронной почты и текстовых сообщениях на iOS и Android. - В ходе оценки были выявлены противоположные технические подходы: семантическое индексирование на самом устройстве у Apple и серверные расширения Workspace у Google. - В первоначальной сводке по результатам тестирования не раскрывались точные процентные показатели точности поиска или итоговый победитель теста, а подробные результаты были оставлены для расширенной оценки.

## What happened

В течение семидневного периода тестирования Siri от Apple и Gemini от Google подверглись параллельным испытаниям по поиску конкретных пользовательских данных в мобильных коммуникациях, согласно материалу Kimberly Gedeon. Оценка была сосредоточена на способности каждого ассистента понимать запросы на естественном языке, анализировать историю сообщений и точно определять неструктурированную информацию, скрытую в электронных письмах и текстовых сообщениях.

Хотя базовая функциональность — извлечение пользовательских записей по голосовой или текстовой команде — является общей для обеих мобильных экосистем, Gedeon сообщила, что две системы используют принципиально разные пути для выдачи результатов. В iOS рабочий процесс опирается на функции Apple Intelligence, предназначенные для запроса персонального контекста через семантические индексы на устройстве и системные намерения приложений (application intents). На Android процесс функционирует преимущественно через Gemini Extensions, которые подключают центральную модель напрямую к личным аккаунтам Google, включая Gmail и Google Messages.

В опубликованной Gedeon начальной сводке не приводились количественные показатели эффективности, конкретные журналы запросов или итоговый победитель оценки — подробная техническая сводка баллов была оставлена для более масштабной публикации. Тем не менее в материале отмечалось, что две платформы демонстрируют заметные расхождения в том, как они обеспечивают точность поиска, управляют пользовательскими разрешениями и скоростью поиска при обработке обширных архивов личной переписки.

## Why it matters

Способность модели искусственного интеллекта надежно анализировать личную переписку представляет собой критический переход в мобильных вычислениях, превращая смартфоны из пассивных накопителей информации в проактивных контекстных агентов. Для потребителей успех или неудача этих инструментов определяет, станет ли диалоговый ИИ незаменимым средством повседневной организации или останется ненадежной новинкой, склонной упускать важную корреспонденцию. Когда ассистент выполняет поиск по входящим сообщениям, неудача измеряется не только скоростью, но и тем, галлюцинирует ли он фактами, путает ли разных отправителей или пропускает важные временные ограничения в расписании.

Помимо индивидуального удобства, инженерное соперничество между Apple и Google имеет глубокие последствия для конфиденциальности данных, доверия потребителей и аппаратных требований. Личные коммуникации содержат конфиденциальные финансовые отчеты, записи к врачам, коды аутентификации и служебную деловую переписку. Apple и Google выбрали противоположные философии обработки этих данных. Apple в значительной степени полагается на модели машинного обучения на самих устройствах в связке с архитектурой Private Cloud Compute, использующей специализированные серверы на базе Apple silicon, гарантирующие, что данные никогда не сохраняются и не раскрываются операторам. Google использует собственную серверную инфраструктуру, обращаясь к данным пользователей, хранящимся в аккаунтах Google Workspace, для предоставления комплексной межсервисной аналитики.

Эти различные модели напрямую влияют на экономику аппаратного обеспечения и лояльность потребителей к платформам. Устройства, способные выполнять сложный локальный семантический поиск, требуют значительного объема объединенной памяти и нейронных процессоров, что влияет на циклы обновления гаджетов. Для предприятий различие между локальным анализом на устройстве и облачным индексированием аккаунтов определяет соблюдение корпоративных нормативных требований, протоколы суверенитета данных и правила управления мобильными устройствами.

## The background

Более десяти лет с момента первоначального запуска Siri от Apple в октябре 2011 года и Google Assistant в мае 2016 года мобильные голосовые ассистенты работали преимущественно на жестких командных структурах на основе правил. Пользователи могли запускать базовый поиск по ключевым словам или инициировать целевые запросы внутри отдельных приложений, однако системам не хватало семантического мышления, необходимого для сопоставления нескольких цепочек сообщений или понимания диалогового контекста на разрозненных коммуникационных платформах.

Широкое распространение больших языковых моделей в конце 2022 года ускорило работу по перестройке этих ассистентов. Alphabet предприняла активные шаги по интеграции своего семейства моделей Gemini во все свои операционные системы, проведя ребрендинг своих потребительских ИИ-продуктов с Bard на Gemini в феврале 2024 года. В рамках этого перехода Google внедрила Gemini Extensions, позволив ассистенту запрашивать данные в реальном времени из личных аккаунтов Gmail, Google Docs, Google Drive и Google Flights. Эта инфраструктура позволяет Gemini обобщать информацию из разрозненных облачных баз данных при условии, что пользователи предоставляют разрешение на подключение своих данных Workspace.

Apple подробно представила свой ответ на Worldwide Developers Conference 10 июня 2024 года, анонсировав Apple Intelligence. Центральным элементом стратегии Apple стала обновленная версия Siri, спроектированная на основе персонального индекса на устройстве, способного понимать контекстные связи между электронными письмами, текстовыми сообщениями, записями календаря и фотографиями. Архитектура Apple опирается на модели, работающие локально на устройствах с современными процессорами, такими как A17 Pro или чипы серии M, с обращением к Private Cloud Compute для более ресурсоемких запросов. Для взаимодействия со сторонними и нативными приложениями Apple внедрила фреймворк App Intents, предоставив Siri структурированный и санкционированный доступ для чтения и выполнения действий внутри приложений без передачи исходных необработанных данных на общие серверные кластеры.

Эта битва платформ разворачивается на фоне меняющегося глобального регуляторного ландшафта. Распределение мобильных операционных систем остается высококонцентрированным: по оценкам StatCounter, Android контролирует примерно 71 процент мирового рынка смартфонов, в то время как за iOS сохраняется около 28 процентов. В таких юрисдикциях, как Европейский союз, Закон о цифровых рынках (Digital Markets Act) наложил строгие требования к интероперабельности и обработке данных на платформенных привратников, что усложняет глубокую интеграцию нативных ассистентов без предоставления равного доступа альтернативным поставщикам услуг.

## Reaction

Ни Apple, ни Alphabet не выступили с официальными публичными заявлениями в ответ на первоначальную сравнительную оценку, опубликованную Kimberly Gedeon. Обе компании исторически защищали свои проприетарные архитектуры на конференциях разработчиков и технических брифингах, представляя выбранные ими различные пути как оптимальный баланс между конфиденциальностью и вычислительной мощностью.

Независимые эксперты по конфиденциальности и аналитики потребительских технологий регулярно подвергают критическому анализу оба подхода. Защитники конфиденциальности, как правило, отдают предпочтение архитектурам с локальной обработкой данных, утверждая, что хранение личной переписки на физическом оборудовании снижает риск утечек данных, судебных повесток от госорганов и коммерческого профилирования. Однако исследователи в области машинного обучения часто отмечают, что модели серверного уровня, такие как те, на которых построены облачные интеграции Google Gemini, обладают большим числом параметров и превосходящими способностями к рассуждению по сравнению со сжатыми моделями на устройствах, зачастую обеспечивая более высокую полноту и точность при сканировании неструктурированного текста в документах различных форматов.

ИТ-администраторы на предприятиях сохраняют осторожную позицию по отношению к обеим системам. Корпоративные службы безопасности регулярно проверяют, не нарушает ли предоставление ИИ-ассистентам неограниченного доступа к архивам переписки на устройстве или в облаке политики предотвращения утечек данных, при этом во многих коммерческих организациях интеграция генеративных ассистентов на управляемых корпоративных устройствах отключается до проведения независимых аудитов безопасности.

## What we don't know yet

Существенные технические и эмпирические детали остаются неподтвержденными на основе первоначальной сводки агентства по тестированию Gedeon. В частности, в материале не было указано, какая платформа показала себя лучше, и не была опубликована методология количественной оценки. Конкретный набор тестов — включая общий объем выполненных поисковых запросов, временные интервалы между получением сообщения и индексированием, а также точный перечень почтовых служб, подключенных во время оценки, — подробно описан не был.

Также неясно, как каждая из систем показала себя при работе со сторонними сервисами обмена сообщениями за пределами стандартных системных приложений. Хотя Google Gemini нативно взаимодействует с Gmail и Google Messages, ее эффективность при работе с зашифрованными сторонними платформами, такими как WhatsApp или Signal, остается важной технической переменной. Аналогичным образом в сводке не уточняется, насколько успешно контекстный индекс Siri извлекал данные из сторонних почтовых клиентов с помощью фреймворка App Intents по сравнению с нативным приложением Mail от Apple. Наконец, показатели тестирования не дали количественной оценки расходу заряда батареи, задержке обработки запросов или доле сбоев из-за разрывов сетевого соединения или троттлинга вычислений на устройстве.

## What to watch

Отраслевые обозреватели и корпоративные разработчики будут следить за последующими публикациями подробных данных бенчмаркинга, чтобы выявить конкретные компромиссы в надежности между локальными и облачными архитектурами ассистентов. Ключевые показатели проявятся по мере того, как обе операционные системы будут получать крупные сезонные обновления, в частности в том, как Apple дорабатывает обновления контекстной осведомленности Siri и как Google развивает локализованные функции Gemini Nano на оборудовании Android.

Регуляторный мониторинг также станет важной контрольной точкой. Европейская комиссия продолжает оценивать, создают ли встроенные в операционную систему ассистенты несправедливые преимущества в дистрибуции в рамках требований к компаниям-гейткиперам. В США продолжающиеся регуляторные проверки интеграции в мобильные экосистемы могут повлиять на то, смогут ли операторы платформ поставлять контекстное индексирование сообщений в качестве функции по умолчанию.

Показатели рыночного внедрения в конечном итоге определят, будут ли потребители активно использовать поиск по входящим сообщениям на естественном языке вместо традиционных строк поиска по ключевым словам. Независимые обзоры оборудования, статистика удержания пользователей в корпоративном и потребительском секторах, а также внедрение разработчиками стандартизированных семантических интентов покажут, определит ли индексирование на устройстве или облачные интегрированные модели будущее мобильных вычислений следующего поколения.

Материал подготовлен на основе данных оценки, опубликованных Kimberly Gedeon.