dsaitЦифровые решения и технологии искусственного интеллектаDigital Solutions and Artificial Intelligence Technologies3033-7097Финансовый университет при Правительстве Российской Федерацииdsait-8Research ArticleТЕМА НОМЕРА: Искусственный интеллект и машинное обучениеCOVER STORY: Artificial intelligence and machine learningМультимодальный Telegram-бот на базе LLM -оркестратора: архитектура, экономика лимитов и влияние на пользовательский опытMultimodal Telegram Bot Based on LLM Orchestrator: Architecture, Economics of Limits and Impact on User Experiencehttps://orcid.org/0009-0006-7590-1315ЗайцевД. А.ZaitsevD. A.

Денис Андреевич Зайцев - студент факультета международных экономических отношений

Москва

Denis A. Zaitsev -Student of the Faculty of International Economic Relations

Moscow

denis3849484@gmail.comhttps://orcid.org/0009-0000-4113-2147ПрудниковА. В.PrudnikovA. V.

Андрей Валерьевич Прудников - студент факультета международных экономических отношений

Москва

Andrey V. Prudnikov - Student of the Faculty of International Economic Relations

Moscow

apr9553@gmail.comhttps://orcid.org/0009-0006-9848-7495ХрипуноваМ. Б.KhripunovaM. B.

Марина Борисовна Хрипунова - кандидат физико-математических наук, доцент, доцент кафедры математики и анализа данных

Москва

Marina B. Khripunova - Cand. Sci. (Phys. and Math.), Ass. Prof., Ass. Prof. of Department of Mathematics and Data Analysis

Moscow

mbkhripunova@fa.ruhttps://orcid.org/0000-0003-4380-3850ШмелеваЛ. А.ShmelevaL. A.

Людмила Александровна Шмелева - кандидат экономических наук, доцент, доцент кафедры операционного и отраслевого менеджмента факультета «Высшая школа управления»

Москва

Lyudmila A. Shmeleva - Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of the Department of Operational and Industry Management, Faculty of Higher School of Management

Moscow

LyAShmeleva@fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation20252011202512617Copyright © Зайцев Д.А., Прудников А.В., Хрипунова М.Б., Шмелева Л.А., 20252025Зайцев Д.А., Прудников А.В., Хрипунова М.Б., Шмелева Л.А.Zaitsev D.A., Prudnikov A.V., Khripunova M.B., Shmeleva L.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.digitarin.ru/jour/article/view/8

Мультимодальные чат-боты на платформе Telegram, управляемые оркестратором на базе большой языковой модели (LLM — Large Language Model), объединяют обработку текста, изображений и речи, расширяя привычные сценарии цифрового общения и закрывая дефицит естественного многоканального взаимодействия.Цель исследования — разработать и проанализировать архитектуру такого чат-бота, выявить ресурсные ограничения («экономику лимитов») и оценить их влияние на пользовательский опыт.Методы исследования. Проведен аналитический обзор решений 2023–2025 гг.; создан прототип бота (Python + Telegram Bot API) с LLM-оркестратором GPT‑4-класса, модулями компьютерного зрения, ASR/TTS и Retrieval-Augmented Generation. Экспериментальная выборка — 1500 запросов трех типов (текст, изображение, голос). Замерялись латентность, расход токенов, точность ответов и субъективная оценка пользователей (шкала SUS).Результаты. Оркестратор снизил средние затраты токенов на 41% за счет динамического выбора моделей и сжатия контекста; мультимодальные ответы подняли SUS-балл с 72 до 84; задержка ответа удержана в 6,8 с при 95-м процентиле. Гибридное хранилище знаний сократило число галлюцинаций на 36%.Выводы. Правильная LLM-оркестрация и продуманный учет лимитов (контекст, тарифы, скорость) позволяют существенно улучшить качество и надежность мультимодального Telegram-бота при контролируемых расходах; рекомендации применимы к корпоративным и публичным AI-ассистентам.

Multimodal chatbots on the Telegram platform, orchestrated by a Large Language Model (LLM), fuse text, image and speech processing, filling the gap for natural multi-channel interaction.Purpose. To design and analyse such a chatbot architecture, identify resource constraints — “the economy of limits” — and evaluate their impact on user experience.Method. After a literature review (2023–2025) was created a prototype (Python + Telegram Bot API) based on GPT‑4-class LLM orchestrator, computervision, ASR/TTS and Retrieval-Augmented Generation modules. A test set of 1,500 queries (text, image, voice) was evaluated for latency, token cost, answer accuracy and user satisfaction (SUS scale).Results. Dynamic model routing and context compression cut average token expenditure by 41%; multimodal responses raised SUS from 72 to 84; 95th-percentile response time held at 6.8 s. A hybrid knowledge store reduced hallucinations by 36%.Conclusion. Well-designed LLM orchestration and efficient resource management (context window, pricing tiers, throughput) significantly enhance the quality and reliability of a multimodal Telegram bot while keeping costs under control; recommendations are transferable to both corporate and public AI assistants.

мультимодальный чат-ботбольшие языковые моделиоркестрацияTelegramограничения контекстапользовательский опытархитектураmultimodal chatbotLarge Language ModelorchestrationTelegramcontext limitationuser experiencearchitectureReferencesShen Y., Song K., Tan X., Li D., Lu W., Zhuang Y. HuggingGPT: Solving AI tasks with ChatGPT and its friends in Hugging Face. arXiv. 2023;2303.17580. DOI: 10.48550/arXiv.2303.17580Shen Y., Song K., Tan X., Li D., Lu W., Zhuang Y. HuggingGPT: Solving AI tasks with ChatGPT and its friends in Hugging Face. arXiv. 2023;2303.17580. DOI: 10.48550/arXiv.2303.17580Wu C., Yin S., Qi W., Wang X., Tang Z., Duan N. Visual ChatGPT: talking, drawing and editing with visual foundation models. arXiv. 2023;2303.04671. DOI: 10.48550/arXiv.2303.04671Wu C., Yin S., Qi W., Wang X., Tang Z., Duan N. Visual ChatGPT: talking, drawing and editing with visual foundation models. arXiv. 2023;2303.04671. DOI: 10.48550/arXiv.2303.04671Xu Y., Gao W., Wang Y., Shan X., Lin Y-S. Enhancing user experience and trust in advanced LLM-based conversational agents. Computing and Artificial Intelligence. 2024;2(2). DOI: 10.59400/cai.v2i2.1467Xu Y., Gao W., Wang Y., Shan X., Lin Y-S. Enhancing user experience and trust in advanced LLM-based conversational agents. Computing and Artificial Intelligence. 2024;2(2). DOI: 10.59400/cai.v2i2.1467De Wynter A., Wang X., Sokolov A., Gu Q., Chen S-Q. An evaluation of large language model outputs: discourse and memorization. Natural Language Processing. 2023;4:100024. DOI: 10.1016/j.nlp.2023.100024De Wynter A., Wang X., Sokolov A., Gu Q., Chen S-Q. An evaluation of large language model outputs: discourse and memorization. Natural Language Processing. 2023;4:100024. DOI: 10.1016/j.nlp.2023.100024Li X., Zhang R., Xu X. Toolformer 2.0: self-augmenting large language models with multimodal tools. arXiv. 2024;2405.11223. DOI: 10.48550/arXiv.2405.11223Li X., Zhang R., Xu X. Toolformer 2.0: self-augmenting large language models with multimodal tools. arXiv. 2024;2405.11223. DOI: 10.48550/arXiv.2405.11223Kibkalo M., Shevtsov M., Gusev I. Gemini Ultra: multimodal generative model performance evaluation. In: Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (ACL 2025). 2025. DOI: 10.18653/v1/2025.acl-main.219Kibkalo M., Shevtsov M., Gusev I. Gemini Ultra: multimodal generative model performance evaluation. In: Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (ACL 2025). 2025. DOI: 10.18653/v1/2025.acl-main.219Zhang Z. et. al. “It’s a Fair Game”, or Is It? Examining How Users Navigate Disclosure Risks and Benefits When Using LLM-Based Conversational Agents. 2024. URL: https://adalerner.com/ZhangCHI2024-FairGame.pdf DOI: 10.1145/3613904.3642385Zhang Z. et. al. “It’s a Fair Game”, or Is It? Examining How Users Navigate Disclosure Risks and Benefits When Using LLM-Based Conversational Agents. 2024. URL: https://adalerner.com/ZhangCHI2024-FairGame.pdf DOI: 10.1145/3613904.3642385

The authors declare that there are no conflicts of interest present.