В данном обзоре исследований обобщается, как большие языковые модели (LLM) применяются при обучении русскому как иностранному (РКИ) в трех исследовательских традициях – российской, англоязычной и китайской – за период с января 2023 по октябрь 2025 г. В статье рассматриваются 55 публикаций и материалов практиков и выделяются повторяющиеся темы, эффекты, риски и условия внедрения. Работы сходятся в пяти повторяющихся эффектах: (1) расширение внеаудиторной практики через чат-ботов и разговорных агентов; (2) персонализация, поддерживающая автономность и дифференциацию; (3) развитие всех четырех видов речевой деятельности и культурной компетенции в мультимодальных, ориентированных на выполнение задач форматах; (4) ускоренная формативная обратная связь по письму и грамматике (примеры-эталоны, целевые тренажеры); (5) доступ к аутентичным материалам, адаптируемым по уровню. Одновременно фиксируются риски: фактические и языковые ошибки, недостаточная прагматическая/культурная релевантность, зависимость от ИИ с ослаблением самостоятельных стратегий, неравный доступ и ограничения по защите данных, а также неустоявшиеся практики оценивания в «ИИ-насыщенных» аудиториях. Региональные акценты различаются: в России — лингводидактическая интеграция и контроль преподавателя; в англоязычной литературе — этика, критическая ИИ-грамотность и тьюторство; в Китае — совместное преподавание «человек—ИИ» и модели «виртуального + реального» классов. Рекомендуется задавать цели и границы ИИ-опосредованных заданий, формировать привычки верификации (перепроверка, указание источников, корпусные проверки) и сочетать ИИ-отклик с экспертной редактурой. К приоритетам исследований относятся русскоспецифичные модели и базы промптов, продольные данные об эффектах обучения, валидированные рубрики для ИИ-сопровождаемой работы и повышение квалификации преподавателей. В целом LLM усиливают РКИ при намеренно спроектированном использовании, где преподаватель остается культурным и педагогическим «якорем».