- Telegram банит не за текст, а за сетевые и поведенческие паттерны — которые сегодня опытнее, чем в 2022.
- SpamBot читает минимум 6 сигналов: скорость сообщений, ASN прокси, стабильность device-fingerprint, разнообразие peer-ов, hash контента, behavior trail.
- Типичный warmup «2 недели отлёжки» в 2026 не помогает — нужна поведенческая активность, не пассивное время.
- Стоимость одного бана = $200–500. Инструментарий окупается после первого сохранённого аккаунта.
- Есть два пути: собрать стек самому (резидентный proxy + smart rate-limiter + кастомизация TDLib) или использовать готовый. Математика и время разные.
Если ты когда-нибудь запускал массовую рассылку в Telegram и получал back-to-back баны на ферме аккаунтов — ты не один, и ты не «делаешь что-то уникально криво». Telegram anti-spam с 2022 года прошёл несколько поколений, и советы из курсов типа «держи аккаунт 14 дней, поставь аватарку» стали устаревшими ещё в 2023.
Цель этого гайда — разобрать что реально происходит на уровне протокола и сигналов, когда ты жмёшь «отправить» в массовом режиме. Без маркетинга, без «купи наш SaaS чтобы всё стало хорошо». Просто матчасть, которой достаточно, чтобы ты либо перестал терять аккаунты, либо понял, что своё решение строить дороже чем купить готовое.
Как Telegram технически ограничивает массовые действия
Telegram работает на протоколе MTProto. Он полностью задокументирован, и защита от злоупотреблений встроена на уровне самого протокола. Когда ты отправляешь сообщения «слишком быстро» или «слишком многим», ты получаешь конкретные ошибки API:
FLOOD_WAIT — мягкая защита, которую Telegram применяет ко всем пользователям (включая тебя сейчас, когда ты быстро отправляешь сообщения другу). Если ты видишь FLOOD_WAIT_30 — это ещё не бан, просто подожди.
PEER_FLOOD — уже серьёзнее. Это специальное ограничение на mass-messaging новым юзерам. Его алгоритм опирается на отношение «сообщений новым контактам / сообщений в уже существующие диалоги». Если ты пишешь 100 новым людям подряд без единого ответа — очень быстро ловишь PEER_FLOOD.
После PEER_FLOOD аккаунт переходит в restricted state — может писать только в существующие диалоги и контакты. Это ещё не бан, но коммерчески аккаунт «мёртв» для outreach.
Важное понимание: FLOOD_WAIT и PEER_FLOOD — это не баны. Это rate-limit'ы. Настоящий бан приходит через @SpamBot и выглядит как сообщение «Your account was blocked for spam».
@SpamBot — асимметричный репорт от пользователей
Когда получатель твоей рассылки нажимает Report Spam, его жалоба попадает в @SpamBot. При достижении N жалоб в короткое окно времени (точное N не публикуется, эмпирически — от 3 до 7 за 1-3 дня, зависит от «доверия» к аккаунту), аккаунт уходит в бан. Причём Telegram не всегда сообщает причину — иногда просто «permanent restriction».
Важный нюанс: Premium-получатели жалуются эффективнее. Telegram даёт больший вес репорту от Premium-юзера, потому что у него меньше стимул «троллить». Значит, если ты паришь Premium-аудиторию шаблонкой — рискуешь вдвойне.
6 сигналов, которые SpamBot читает при review
Это то, что реально важно — и что курсы и пабличные гайды обычно пропускают. Публично Telegram раскрывает два механизма (rate-limit и @SpamBot). Остальные сигналы выведены через reverse engineering — наблюдение за тем, при каких паттернах аккаунты вылетают быстрее.
| # | Сигнал | Что значит | Как это моделируется |
|---|---|---|---|
| 1 | message.velocity |
Интервалы между действиями. Живой юзер: логнормальное распределение (короткие пики + длинные паузы). Бот: почти uniform. | Распределение задержек из обученной модели, не random.uniform(1, 3). |
| 2 | peer.diversity |
Кому пишешь. Живой — 5-10 разных контактам в день с разной длиной. Бот — 100+ незнакомцам, одинаковой длины. | Параллельные каналы: существующие контакты + новые, разбавленные. |
| 3 | content.entropy |
Hash тела сообщения. Повторы → флаг. Spintax-варианты → каждое уникальное. | Spintax + LLM для глубокой переформулировки на ходу. |
| 4 | session.fingerprint |
device_model, app_version, system_version, lang_code. Стабильность между сессиями → норма, резкий drift → подозрение. |
Фиксированный профиль устройства на время жизни аккаунта. |
| 5 | network.origin |
ASN твоего IP. ASN Amazon / DigitalOcean / Vultr / OVH = DC range = подозрение. | Резидентные IP через ISP-провайдеров (Comcast, Deutsche Telekom, Rostelecom и т.п.). |
| 6 | behavior.trail |
Логинишься и сразу отправляешь = бот. Живой юзер скроллит ленту, читает, ставит реакции. | Симуляция пассивной активности между сессиями отправки. |
Сила защиты Telegram в том, что ни один сигнал по отдельности не ведёт к бану. Нужно совпадение 2-3 для triggera ревью. Именно поэтому «я отправил всего 50 сообщений и меня забанили» и «мой товарищ отправил 2000 — живой» — одновременно правдивы. У первого могли совпасть DC-прокси + стабильный device + нулевая активность = red flag trifecta.
Сколько стоит один бан
Теперь считаем. Средняя стоимость бана одного аккаунта для активного арбитражника складывается из следующих компонентов:
Итого: $200–500 за один бан. Вилка зависит от того, на каком этапе произошёл бан — если сразу после warmup, теряешь только стоимость warmup'а и прокси; если уже в разгаре кампании, добавляется ad spend и реворк.
Активный арбитражник, теряющий 2-3 аккаунта в неделю (типичная цифра для кого-то, кто не инвестировал в инфраструктуру anti-ban) — сжигает в трубу $1 600 – 6 000/месяц. Не в проценты конверсии. В прямые невозвратные убытки.
Скрытая статья убытков — время. Если ты платишь себе или команде $30/час и тратишь 3 часа на setup нового аккаунта после бана, 10 банов в месяц = 30 часов = $900 только на «починку», которую можно было избежать.
Два пути: собрать самому или купить готовое
Путь A: Собрать свой стек
Если ты или твоя команда — разработчики, и у тебя есть специфические требования, которые не закрывает готовый продукт, это разумный путь. Минимальный стек выглядит так:
- Proxy provider: Bright Data, Oxylabs, Soax. Бюджет на резидентные IP — $30-100/мес для малого объёма, $500+/мес для серьёзного.
- Rate-limiter: самопис на Python + Redis. Нужно моделировать логнормальное распределение задержек, а не просто
sleep(random.randint(2,5)). Разработка: 15-25 часов. - MTProto client: TDLib (C++, официальный, максимально гибкий) или pyrogram / telethon (Python, быстрее в разработке). Кастомизация device fingerprint — ещё 10-15 часов.
- Warmup scheduler: эмуляция пассивной активности. Скролл, чтение, реакции. Разработка: 20-30 часов.
- Spintax + LLM интеграция: OpenAI API или local Llama для переформулировки. 10-15 часов.
- Ongoing: API у Telegram меняется 2-4 раза в год, нужно держать стек актуальным. ~5 часов/мес на maintenance.
Итого: 60-90 часов на MVP + $30-100/мес на прокси. При ставке разработчика $30-50/час — $1 800-4 500 на старт. Окупается, если у тебя большой объём и кастомные потребности.
Путь B: Готовый инструмент
Для большинства операторов собирать самому не имеет смысла по времени. Готовые решения на рынке (Forward, TGCRM, TeleSender и подобные) закрывают часть задачи — обычно rate-limiter + spintax. То, что они чаще не закрывают: behavioral warmup, session fingerprinting, ротация прокси по ASN, AI-персонализация content.
TG:ON делает именно весь стек. За $89/мес (Pro tier) ты получаешь:
- Резидентный proxy-pool с ротацией по ASN
- Smart rate-limiter на логнормальном распределении (не uniform)
- Session fingerprint stability per-account
- Spintax + LLM-переписка сообщений
- Behavioral warmup (скролл/реакции/чтение) перед отправкой
- Индекс 4.8M+ групп для парсинга аудитории
- AI-агенты (Qualifier + Closer) на вход лидов
- Live Inbox — единая CRM на всю ферму
Один бан, которого ты избегаешь = 2-5 месяцев тарифа. Математика прозрачна.
TG:ON для macOS · Windows · Linux
Desktop-приложение, 160 MB. Работает локально, твои ключи остаются у тебя. 3 дня триала без карты.
Скачать бесплатно3 дня полного доступа.
Без карты. Без лимитов.
Pro-tier: 25 аккаунтов, все модули включены, доступ к базе 4.8M+ групп. Отмена в один клик, если не понравится.
Начать триал5 пунктов, с которыми ты уже в зоне риска
Даже если ты собрал свой стек — пробежись по этому списку. Типичные дыры в самописных решениях:
| Проверка | Что ломается, если не закрыто |
|---|---|
| Ты используешь DC-прокси (AWS/DO/Vultr)? | ASN в DC-range — приоритетный скан SpamBot. Перейди на residential (Bright Data, Oxylabs). |
| Rate-limit на uniform random? | random.uniform(2, 5) — узнаётся за 10 минут. Нужно распределение с entropy. |
Одинаковый device_model? |
100 аккаунтов с «Samsung Galaxy S21» = паттерн фермы. Диверсифицируй по реальной популяции. |
| Аккаунт сразу в рассылку после активации? | Свежий аккаунт + burst = almost guaranteed PEER_FLOOD за 48 часов. |
| Один и тот же текст для всех? | Telegram hash'ит content body. 50 одинаковых = мгновенный флаг. |
Если ты закрыл все 5 пунктов — ты уже в топ-10% по гигиене массовых рассылок. Ты потеряешь больше аккаунтов через organic причины (жалобы на оффер, privacy restrictions), чем через anti-spam.
Остальные 4 причины бана (жалобы, privacy settings у получателей, keyword-фильтры, гео-несоответствие) — уже за пределами сетевого уровня. Там играют оффер, таргетинг, и текст.
Anti-ban — это не магия, это инженерия
В 2022 «обойти SpamBot» означало купить нормальный прокси и писать уникальный текст. В 2026 это значит смоделировать 6 поведенческих сигналов на уровне сети, протокола и контента одновременно.
Хорошая новость: всё это решаемо. Плохая: если ты делаешь массовые рассылки на самописном стеке без anti-ban инженерии, SpamBot тебя найдёт. Это вопрос недель, не месяцев.
Выбирай осознанно: либо собирай стек сам (60-90 часов + $30-100/мес) и поддерживай, либо бери готовое за $49-169/мес. Но не плати SpamBot'у $300-500 за каждый ленивый запуск.