ММООЗЗГГ.ru

Разбор

Открытые и закрытые нейросети: сравнение, где равны, где нет

7 мин26 источников

Открытая модель у себя стоит дешевле за токен при объеме и держит данные дома, облачная модель в тесте чаще справлялась с длинными цепочками шагов. Ниже сравнение открытых и закрытых нейросетей по задачам с цифрами из кейсов и замеров, а не по общим словам.

На странице · 7 разделов

Где открытая модель не уступает

Короткие цепочки действий: в тесте ИТ-подразделения сети магазинов из 27 прогонов локальная модель на 9 млрд параметров не уступила облачным моделям на цепочках из 2–3 шагов. Извлечение полей из документов, классификация обращений, ответы по базе знаний с поиском, черновики писем: с этим, по нашей оценке, справляются модели 8–32 млрд; проверяйте на своих данных. Русский язык: российские открытые модели на 32 и 8 млрд параметров ориентированы на русский язык. Задачи с фиксированным форматом ответа, где модель дообучили на своих данных: юридический департамент ИТ-холдинга больше года обучал модель на своих договорах и сократил согласование с двух недель до трех дней.

Где проигрывает

Длинные цепочки: на 15 шагах полностью проверяемого результата не дала ни одна модель, но крупная облачная модель на 235 млрд дала частичный успех в 2 прогонах из 3, локальная на 9 млрд в 1 из 3 и 2 ложных рапорта о завершении. Сложный код и архитектурные решения, юридический анализ длинных договоров, рассуждение с десятками условий: за это платят 4 220 ₽ за миллион выходных токенов у Fable 5.1 и GPT-6 Astra. Модель зрения и речь одновременно: локально это две модели и память под обе. Скорость обработки длинного контекста на одном компьютере: модель 671 млрд на Mac Studio M3 Ultra с 512 ГБ в замере 2025 года читает 8 000 токенов почти 15 минут.

Цена за токены

При 60 млн токенов в месяц облачные модели стоят от 1 013 ₽ на GPT-6 Luna до 101 289 ₽ на флагманах и 72 000 ₽ на старшей российской облачной модели. Открытая модель на рабочей станции с RTX 5090 стоит около 66 200 ₽ в месяц с инженером при любом объеме до предела карты: 400 ₽ за миллион токенов на модели 8 млрд в один поток при загрузке 50%; модель 70 млрд на одну карту не помещается, на станции с двумя RTX 5090 около 94 900 ₽ в месяц это 3 833 ₽ за миллион. Открытая модель побеждает деньгами при объеме и средних моделях, проигрывает на малом объеме и дешевых облачных моделях.

Данные и закон

Открытая модель у себя: данные не покидают периметр, договор поручения с поставщиком модели не нужен, локализацию данных обеспечивает архитектура, остальные обязанности оператора по 152-ФЗ остаются за вами. Зарубежные флагманы: российские адреса не входят в поддерживаемые регионы, оплата через посредников, договора поручения с большинством из них нет. Российские облака: договор с российским юрлицом, данные в России, но контур чужой. По 243-ФЗ у суверенной и у национальной модели разработчик российское юрлицо, а ответы и данные обрабатываются в центрах обработки данных в России, принадлежащих российским юрлицам; национальная может включать компоненты под открытой лицензией, в том числе чужие открытые модели. Статус получает модель и ее разработчик, а не компания, которая запускает модель у себя; эти нормы вступают в силу 1 марта 2027 года.

Примеры из российских компаний

Один из крупнейших банков держит собственные модели в своем периметре и решает около 45% обращений без оператора; наружу веса этих моделей не открыты. Фаберлик заменил поиск по каталогу открытой моделью Qwen с семантическим поиском на GPU российского облака и убрал пустые выдачи по нестандартным запросам. Оператор национальной страховой информационной системы развернул языковую модель у себя и, по данным компании, обрабатывает обращения в 20 раз быстрее, а рост обращений в 1,5 раза за год закрыл без найма. Крупная российская ИТ-компания собрала агента на открытой gpt-oss 20b и модели зрения qwen3-vl 8b на арендованной карте с 24 ГБ: надежная цепочка держалась примерно до 6 вызовов инструментов подряд.

Вывод из этих кейсов: открытую модель берут там, где данные нельзя выпускать наружу, а задача повторяется тысячи раз. Длинные цепочки рассуждений либо дробят на короткие шаги, либо оставляют облаку.

Риски каждого варианта

У закрытой модели главный риск в зависимости от провайдера. Цены меняются его решением: российская облачная модель в феврале 2026 года подешевела втрое, цена Gemini 3.8 Flash действует по акции до 31.12.2026. Доступ тоже: OpenAI с 9 июля 2024 года блокирует трафик из неподдерживаемых стран, и Россия в их числе. Отправленные наружу данные назад не вернуть: в 2023 году Samsung запретил сотрудникам внешние чат-боты после того, как трое из них загрузили туда исходный код и записи совещаний.

У открытой модели риск в эксплуатации. Обновления, мониторинг и проверка качества ложатся на вас: на сервер отдела, по нашей оценке, уходит 10–20% ставки инженера. Модель может отчитаться о работе, которую не сделала: в тесте сети магазинов локальная модель дала 2 ложных рапорта о завершении в 3 прогонах длинной задачи, поэтому результат агента проверяет отдельный шаг или человек. Лицензию смотрите у каждой модели: открытая модель одного из крупнейших банков выпущена под Apache 2.0, швейцарская Apertus тоже разрешает коммерческое применение, у других семейств условия свои.

Как выбирать

Разбейте задачу на шаги и посчитайте их длину: на цепочках до 3 шагов открытая модель в тесте не уступила облачным, для длинных цепочек проверяйте облако или гибрид. Возьмите 50 своих запросов и прогоните на трех моделях: открытой 8–9 млрд, открытой 30–70 млрд и облачной средней. Считайте не цену за токен, а цену решенной задачи: модель, которая ошибается в 10% случаев, стоит столько, сколько стоит разбор этих 10% человеком.

До сравнения ответьте на четыре вопроса: какие данные уходят в модель, сколько шагов в задаче, сколько токенов в месяц и кто будет вести сервер. Персональные данные или исходный код без договора поручения оставляют два пути: открытая модель у себя или российское облако с договором. Больше трех шагов и дорогая ошибка: сначала проверьте облачную модель. Объем около 60 млн токенов в месяц на дешевой модели: свое железо не окупится. Оператор связи Т2 в техзадании на ассистента для разработчиков потребовал возможность выбора модели; закладывайте ее в любой проект, чтобы смена модели не требовала переделки.

Вопросы и ответы

Какую открытую модель брать для русского языка?

Российские открытые модели на 32 и 8 млрд параметров, а также зарубежные открытые модели с хорошим русским, которые мы проверяем на пилоте. Выбор по своим 50 запросам, не по рейтингам.

Можно ли дообучить открытую модель на своих данных?

Да, и это главное преимущество: ИТ-холдинг больше года обучал модель на своих договорах и получил согласование за 3 дня вместо двух недель. Дообучение это отдельный проект с данными, разметкой и GPU на недели; для большинства задач хватает поиска по документам без дообучения.

Насколько открытые модели хуже закрытых?

Зависит от длины задачи. В тесте сети строительных магазинов на 27 прогонах локальная модель на 9 млрд параметров не уступила облачным на цепочках из 2–3 шагов, а на 15 шагах полностью проверяемого результата не дала ни одна модель. Для коротких типовых задач разница часто незаметна, для длинного рассуждения облачный флагман надежнее.

Можно ли использовать открытую модель в коммерческих целях?

Можно, если это разрешает лицензия конкретной модели. Открытая модель одного из крупнейших банков выпущена под Apache 2.0, которая допускает коммерческое использование; лицензия Apertus тоже его разрешает. Веса скачиваются бесплатно, платите вы за железо и внедрение.

Что выгоднее при небольшом объеме запросов?

Облако. При 60 млн токенов в месяц дешевые облачные модели стоят от 1 013 ₽ на GPT-6 Luna до 3 900 ₽ на младшей российской облачной модели, а рабочая станция с RTX 5090 около 66 200 ₽ в месяц вместе с инженером. Открытая модель у себя выигрывает деньгами при большом объеме или когда данные нельзя выпускать за периметр.

Источники и проверка

Проверено редакцией 29 сентября 2026.

  1. GPU-Benchmarks-on-LLM-Inference, Llama 3 8B и 70B, май 2024 (github.com)
  2. Hardware Corner, DeepSeek 671B на Mac Studio M3 Ultra 512 ГБ, 27.03.2025 (hardware-corner.net)
  3. Claude Platform, цены API (проверено 29.09.2026) (platform.claude.com)
  4. Puter, обзор цен OpenAI API по данным openai.com, 29.09.2026 (developer.puter.com)
  5. kalinkindev.ru, цены YandexGPT API по биллингу Yandex Cloud, 13.09.2026 (kalinkindev.ru)
  6. iXBT, Т-Банк выпустил T-Pro 2.0 (32B, Apache 2.0), 18.07.2025 (ixbt.com)
  7. Яндекс, открытые веса YandexGPT 5 Lite 8B, 25.02.2025 (yandex.ru)
  8. CNews, какие модели ИИ получат статус суверенных, 28.09.2026, материал с пометкой «реклама» (corp.cnews.ru)
  9. Claude Platform, поддерживаемые регионы (проверено 29.09.2026) (platform.claude.com)
  10. OpenAI, поддерживаемые страны API (проверено 29.09.2026) (developers.openai.com)
  11. Цифровые платформы, кейс №4027, 2 сентября 2026: Фаберлик (platforms.su)
  12. Цифровые платформы, кейс №4085, 2 сентября 2026: Петрович-Тех (platforms.su)
  13. Цифровые платформы, кейс №2447, октябрь 2025: Т-Банк (platforms.su)
  14. Цифровые платформы, кейс №3855, 2 сентября 2026: Т-Технологии (platforms.su)
  15. Цифровые платформы, кейс №4067, 2 сентября 2026: Альфа-Банк, ИТ-руководитель (platforms.su)
  16. Регард, GeForce RTX 5090: одна карта в продаже, 30.09.2026 (regard.ru)
  17. Федеральный закон от 26.07.2026 № 243-ФЗ, текст на КонсультантПлюс (consultant.ru)
  18. Цифровые платформы, кейс №3475, 2 сентября 2026: НСИС, оператор АИС страхования (platforms.su)
  19. Цифровые платформы, кейс №4084, 2 сентября 2026: VK Tech (platforms.su)
  20. Цифровые платформы, кейс №3148, февраль 2026: Т2 (Tele2) (platforms.su)
  21. Tech Monitor, Samsung запретил ChatGPT после утечки, 02.05.2023 (techmonitor.ai)
  22. Caixin, OpenAI блокирует API-трафик из неподдерживаемых стран с 09.07.2024, 26.06.2024 (caixinglobal.com)
  23. Хабр, Сбер: цены GigaChat API снижены в три раза, 04.02.2026 (habr.com)
  24. Puter, обзор цен Gemini API, 08.09.2026 (developer.puter.com)
  25. ETH Zurich, пресс-релиз Apertus, 02.09.2025 (ethz.ch)
  26. Anti-Malware, 152-ФЗ и нейросети, 17.06.2026 (anti-malware.ru)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин

Кейсы по теме: 5

  • Кейс рынка · Россия

    Фаберлик нейросетевой поиск по каталогу на локальной модели Qwen и арендованных GPU

    Производитель косметики заменил классический поиск по каталогу нейросетевым: локальная языковая модель Qwen и векторный семантический поиск развернуты на GPU-инфраструктуре российского облака. Модель работает внутри контролируемой инфраструктуры, данные не передаются во внешние сервисы, затраты на обработку запросов под контролем.

    Ритейл и производство

    2 сентября 2026 · источник: platforms.su

    Читать кейс
  • Кейс рынка · Россия

    Петрович-Тех локальная модель на 9 млрд параметров сравнялась с облачными на задачах из 2–3 шагов: 27 прогонов

    ИТ-подразделение сети строительных магазинов сравнило три модели в единой агентной обвязке с 13 виджетами аналитической панели и около 30 инструментами: облачную западную модель, облачную открытую модель на 235 млрд параметров и локальную модель на 9 млрд параметров в 4-битной квантизации на одной видеокарте. Схема: 3 сценария, 3 модели, 3 прогона, 27 запусков.

    Ритейл и производство

    2 сентября 2026 · источник: platforms.su

    Читать кейс
  • Кейс рынка · Россия

    Т-Банк собственные LLM решают 45% обращений, по оценке затраты на поддержку ниже минимум на 25% в год

    Банк встроил в чат-бот собственные языковые модели семейства Gen-T: около 45% обращений клиентов решаются без оператора. В октябре 2025 года запущены ИИ-копайлоты для операторов первой линии, ими ежедневно пользуются более 90% сотрудников поддержки. Модели развернуты в периметре банка, данные вовне не передаются.

    Банки и финансы

    источник: platforms.su

    Читать кейс
  • Кейс рынка · Россия

    Т-Технологии ИИ-ассистент для задач с деньгами на собственных моделях Gen-T, бета с 20 июля 2026

    Группа разработала ИИ-ассистента для задач, связанных с деньгами и покупками, на собственных больших языковых моделях семейства Gen-T. Чтобы избежать выдумок, система опирается на верифицированные источники данных, а не только на знания модели. Бета представлена 20 июля 2026 года, полноценный запуск запланирован на осень.

    Банки и финансы

    2 сентября 2026 · источник: platforms.su

    Читать кейс
  • Кейс рынка · Россия

    Альфа-Банк, ИТ-руководитель локальный агент на модели Qwen 3.6-35B-A3B: около 70 токенов в секунду на Mac

    Автономный рабочий агент работает на локально развернутой модели с 35 млрд параметров и примерно 3 млрд активных на токен через LM Studio, скорость около 70 токенов в секунду на Mac. Сначала агент запускался в Docker на Mac, затем переехал на виртуальную машину, что стало переломным моментом по удобству.

    Банки и финансы

    2 сентября 2026 · источник: platforms.su

    Читать кейс
Написать в Telegram