Подсказки при вводе, стандартизация строк и государственные идентификаторы ГАР (ФИАС) через собственный API. Плюс пайплайн выверки ваших данных с участием LLM и человека. Начните бесплатно — 10 000 запросов в день.
Всё, что нужно интернет-магазину, банку или CRM, чтобы работать с российскими адресами.
Мгновенный нечёткий поиск по 119 млн адресов ГАР: опечатки, порядок слов, от региона до дома. Ответ быстрее 100 мс.
Разбивает «как написалось» в структуру: регион, город, улица, дом. Детерминированный парсер — без LLM в горячем пути.
Каждый ответ несёт коды качества: точное совпадение, неполное или не найдено. Понятно, чему доверять, а что отправить на ручную проверку.
GUID и КЛАДР-коды каждого уровня адреса — с ними ваши данные стыкуются с госорганами и службами доставки.
Данные ГАР обновляются 2–3 раза в неделю: дельты применяются очередью задач без остановки сервиса.
Уникальность платформы: пайплайн сверки ваших справочников с ГАР — LLM нормализует «грязные» записи, спорные уходят человеку.
Открытый конвейер данных: от государственной выгрузки до вашего запроса — и обратно, для выверки ваших справочников.
Транслит («Penza»), дубли гео-идентификаторов, пропущенные регионы — модель приводит записи к канонической форме, а детерминированный мэтчинг находит точный объект ГАР. LLM не «придумывает» идентификаторы — их назначает индекс.
Неоднозначные записи — например, пять российских деревень Юсупово — не угадываются, а уходят оператору в очередь ревью с кандидатами и подсказками: координаты, расстояния, уверенность модели.
Семантика знакома по DaData — переезд лёгкий. Аутентификация: заголовокAuthorization: Bearer adr_…
POST/v1/suggest/addressПодсказки по мере ввода. Фильтры по уровню и региону, счёт результатов.
POST/v1/clean/addressСтандартизация строки в структуру с qc-кодами качества.
GET/v1/findById/addressОбъект по GUID, OBJECTID или КЛАДР-коду.
GET/v1/profile/balanceОстаток дневного лимита ключа.
429лимит исчерпанКвота восстанавливается в 00:00 МСК. Ошибки лимит не расходуют.
# Подсказки при вводе (по мере набора)
curl -X POST https://api.адресат.рф/v1/suggest/address \
-H "Authorization: Bearer adr_ВАШ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{"query": "Пенза Ленина", "count": 5}'
# Стандартизация строки в структуру + qc-коды
curl -X POST https://api.адресат.рф/v1/clean/address \
-H "Authorization: Bearer adr_ВАШ_КЛЮЧ" \
-d '{"query": "г Пенза, ул Ленина, д 1"}'{
"suggestions": [
{
"value": "обл Пензенская, г Пенза, ул Ленина, д 1",
"score": 0.91,
"data": {
"objectid": 11000,
"guid": "30c2e92e-51bc-4a58-92a2-b04a95805000",
"kind": "house",
"level": 10,
"typename": "д",
"name": "1",
"region_code": 58,
"postalcode": "440011",
"kladr": "58000001000040400"
}
}
]
}| Код | Значение | Что делать |
|---|---|---|
| qc 0 | Точное совпадение с ГАР | Использовать как есть |
| qc 1 | Неполное или нечёткое совпадение | Показать вариант пользователю |
| qc 3 | Объект не найден | Отправить на ручную проверку |
Плата за запросы, а не за символы. Смена тарифа — без годовой подписки.
Коротко о главном. Остальное — в документации и панели управления.
Источник — Государственный адресный реестр (ГАР, наследник ФИАС), открытые данные по 443-ФЗ. Мы применяем дельты 2–3 раза в неделю и отдаём официальные идентификаторы: GUID, КЛАДР, ОКТМО, почтовые индексы.
Семантика API и qc-коды знакомы по DaData, а отличие — в открытом контуре данных: у нас встроен пайплайн выверки ваших справочников с ГАР на локальных и облачных LLM с ручной проверкой спорных записей. Плюс честная тарификация: лимит считается по запросам, а не по символам.
Каждый успешный запрос к API — это один запрос из лимита. Ошибки (4xx) не расходуют квоту. Баланс видно в реальном времени: GET /v1/profile/balance.
В конвейере выверки неоднозначные записи («деревня Юсупова» — их в России пять) не гадают: модель предлагает нормализованный вариант и кандидатов, а финальное решение принимает оператор в панели ревью.
Нормализация и сверка данных выполняются на зарегистрированных в платформе LLM-провайдерах — локальных (vLLM/Ollama) или облачных OpenAI-совместимых. Модели назначаются на задачи флагами: нормализация, мэтчинг, анализ ошибок, планирование краулеров.