ММООЗЗГГ.ru

ИТ: кейсы, статьи и разборы, страница 9

РазборИТ

Сервер для нейросети: три типовые конфигурации для задач бизнеса

Чтобы поставить локальную модель, не нужно проектировать кластер: сервер для нейросети можно собрать по одной из трех типовых схем. Ниже они с ценами компонентов на 29.09.2026: что тянут, во сколько обходятся в месяц с электричеством и размещением и как выбрать свою. Итоговые суммы это наши оценки по ценам компонентов. Конфигурацию подбирают от модели, а не от бюджета. Сначала посчитайте, сколько видеопамяти займут веса: число параметров, умноженное на байты на параметр, 2 байта в 16 битах, 1 байт в 8 битах и около 0,55 в 4 битах. Модель на 32 млрд параметров в 4 битах занимает около 18 ГБ и помещается в одну карту на 32 ГБ. Модели на 70 млрд в 4 битах нужно около 39 ГБ: это карта на 96 ГБ или две карты. К весам добавьте память на контекст каждого одновременного пользователя и запас 15%, так считает наш калькулятор памяти. Только после этого выбирайте между игровой, профессиональной и серверной картой.

РазборИТ

Электроэнергия и охлаждение ИИ-сервера: сколько киловатт и рублей в месяц

Электроэнергия для ИИ-сервера не главная статья расходов, но о ней забывают до первого счета. Коротко: одна RTX 5090 под круглосуточной нагрузкой стоит около 3 260 ₽ в месяц, а в полной стоимости рабочей станции или сервера отдела электричество занимает 2–4%. Ниже потребление реального железа по данным производителей, формула на месяц, расчеты для типовых конфигураций и что делать с теплом и шумом. RTX 4090: 450 Вт. RTX 5090: 575 Вт. RTX PRO 6000: 600 Вт. A100 PCIe: 300 Вт. H100 SXM: до 700 Вт, H100 NVL: 350–400 Вт. Mac Studio M4 Max: 145 Вт максимум, 6 Вт в простое. Mac Studio M3 Ultra: 270 Вт максимум, 9 Вт в простое. К карте добавляйте платформу, по нашей оценке 200–400 Вт для рабочей станции и до 1 000 Вт для сервера с четырьмя картами. Мощность в киловаттах, умноженная на 720 часов и на долю времени под нагрузкой, дает киловатт-часы; умножьте на тариф. Одна RTX 5090 круглосуточно под нагрузкой: 0,575 × 720 = 414 кВт·ч, около 3 260 ₽ по тарифу для населения Москвы 7,87 ₽. Сервер с четырьмя H100 и платформой на 3,8 кВт: 2 736 кВт·ч, около 21 500 ₽. Реальная нагрузка редко 100%: при 40% загрузки счет в 2,5 раза меньше, но модель в памяти держит карту включенной: RTX 4090 в простое потребляет 19 Вт по данным производителя.

РазборИТ

Обслуживание сервера для ИИ: чего не пишут в статьях про «свой ИИ за миллион»

Железо ломается, модели устаревают, обновления ломают совместимость, а инженер стоит дороже электричества. Коротко: на сервере с 4 картами ждите серьезный сбой примерно раз в полтора года, а обслуживание сервера для ИИ отдела на двух картах обходится, по нашему расчету, в 46 000–71 000 ₽ в месяц вместе с долей инженера. Ниже цифры о надежности из отчета об обучении модели на 16 384 картах, их пересчет на маленький сервер и список работ, которые кто-то должен делать каждый месяц. При обучении модели на кластере из 16 384 серверных карт за 54 дня произошло 419 незапланированных прерываний, примерно одно каждые три часа; 148 из них, 30,1%, из-за отказов карт и их соединений, еще 72, 17,2%, из-за памяти на картах. Команда удержала более 90% полезного времени, потому что 416 сбоев обработала автоматика. Наш пересчет на маленький масштаб: 419 сбоев на 884 736 карто-дней дают один сбой примерно на 2 100 дней работы одной карты под полной нагрузкой, то есть для сервера на 4 карты один сбой раз в полтора года, для кластера на 8 карт раз в 8–9 месяцев. Это оценка по чужим данным, а не обещание; производитель не указывает коррекцию ошибок памяти в характеристиках игровых карт, а у части первых RTX 5090, менее 0,5% по заявлению производителя, нашли заводской дефект чипа без влияния на задачи ИИ, и такие карты меняли по гарантии.

РазборИТ

Аренда GPU-сервера в России: цены в час, в месяц и точка, где покупка выгоднее

Аренда GPU-сервера в России дает локальный по данным ИИ без покупки железа: данные остаются в российском дата-центре, у вас договор с провайдером, а карту можно вернуть. Ниже цены на 30.09.2026 по 445 предложениям пяти карт, расчет, когда покупка обгоняет аренду, и что проверить у провайдера до оплаты. Агрегатор GPU Индекс на 30.09.2026 по российским провайдерам: RTX 4090, 173 предложения, от 31,75 ₽ в час при аренде от месяца и от 43 ₽ в час с почасовой оплатой, у этого предложения месячный тариф 26 000 ₽; RTX 5090, 169 предложений, от 46,30 ₽ в час от месяца и от 66,18 ₽ почасово; RTX PRO 6000 на 96 ГБ, 39 предложений, от 134,75 ₽ от месяца и от 205,07 ₽ почасово; H100, 41 предложение, от 242 ₽ в час; H200, 23 предложения, от 375 ₽. Провайдер с площадкой в Самарской области на своем сайте дает H100 от 251,64 ₽ и H200 от 312,36 ₽ в час со скидкой 6–20% при аренде от трех месяцев. Подборка мая 2026 года называла A100 за 211,77 ₽ в час. Цена одной и той же карты у разных провайдеров отличается в несколько раз, у H100 от 242 до 842 ₽ в час: сравнивайте минимальный срок, процессор и память сервера, а не только ставку.

РазборИТ

Собрать сервер для ИИ, купить готовый или арендовать: три пути и их скрытые затраты

Собрать сервер для ИИ самим, купить готовую платформу у интегратора или арендовать GPU: у каждого способа есть затраты, о которых продавцы пишут мало. Ниже все три пути с ценами, тем, что входит и не входит, сравнением на одной конфигурации и правилом выбора по наблюдениям рынка на 29.09.2026. RTX 5090 на 32 ГБ за 749 990 ₽ на 30.09.2026 плюс платформа, по нашей оценке 300 000–350 000 ₽: рабочая станция около 1,1 млн ₽. Сервер с двумя RTX PRO 6000 по 1,08 млн ₽ и серверной платформой, по нашей оценке 300 000–400 000 ₽, обходится около 2,5 млн ₽, с четырьмя H100 от 10 млн ₽. Программы для запуска моделей есть бесплатные. Плюс: дешевле всего, все под контролем. Минус: время инженера на сборку и настройку, никакой ответственности поставщика за результат, обновления на вас. Подходит компаниям с ИТ-командой и одной-двумя задачами. К цене железа сборка добавляет долю инженера, по нашей оценке 10–20% ставки, это 25 000–60 000 ₽ в месяц при медиане зарплаты DevOps-инженера 220 000–250 000 ₽. Еще электричество: рабочая станция на 800 Вт круглосуточно тратит около 4 500 ₽ в месяц по тарифу 7,87 ₽. Сервер ставят в дата-центр от 7 500 ₽ в месяц, и нужен план на поломку: запасная карта или договор аренды.

РазборИТ

Сравнение цен API нейросетей в рублях: 17 моделей на одну дату

Цены провайдеры публикуют в разных единицах: доллары за миллион, рубли за тысячу, пакеты. Для сравнения цен API нейросетей ниже все переведено в рубли за миллион токенов по курсу ЦБ на 29.09.2026, отдельно вход и выход, с датой и источником у каждой строки. Это страница сравнения фактов, а не рекомендация модели. Claude Fable 5.1: 844 ₽ вход, 4 220 ₽ выход. GPT-6 Astra: те же 844 и 4 220 ₽. GPT-5.5: 422 и 2 532 ₽. Claude Opus 5.5: 338 и 1 688 ₽. Gemini 3.1 Pro: 169 и 1 013 ₽, при контексте свыше 200 000 токенов 338 и 1 519 ₽. Флагманы берут за сложное рассуждение, длинные многошаговые задачи и код; для чата поддержки они избыточны. Claude Sonnet 5.5 и GPT-6 Sol: 169 ₽ вход, 844 ₽ выход. Claude Haiku 4.5: 84 и 422 ₽. GPT-5.4 mini: 63 и 380 ₽. Gemini 3.8 Flash: 63 и 317 ₽ по акции до 31.12.2026. Этот класс часто берут для рабочих агентов: извлечение данных, классификация, ответы по базе знаний.

РазборИТ

Российские облачные нейросети для бизнеса: цены, выбор и что можно поставить у себя

Российские облачные нейросети для бизнеса закрывают два вопроса, которые зарубежные закрыть не могут: оплата в рублях по договору с российским юрлицом и данные на территории России. Ниже цены, что из этого доступно с открытыми весами, что поставляется в закрытый контур и кейс компании, которая так сделала. Ниже два крупных российских разработчика ИИ: провайдер А и провайдер Б. У провайдера А старшая модель стоит около 1,20 ₽ за 1 000 токенов синхронно и 0,61 ₽ асинхронно, младшая 0,20 и 0,10 ₽, вход и выход по одной цене. Провайдер Б для юрлиц: младшая модель 0,065 ₽, средняя 0,50 ₽, старшая 0,65 ₽ за 1 000 токенов синхронно, асинхронно вдвое дешевле; пакеты средней 50 млн токенов за 25 000 ₽, старшей 30 млн за 19 500 ₽, младшей 300 млн за 19 500 ₽; минимальный платеж 600 ₽ в месяц; это тарифы для действующих клиентов, новые клиенты с 1 сентября 2026 года платят через его отдельную облачную платформу. В феврале 2026 года цены провайдера Б снижены втрое. При 60 млн токенов в месяц у провайдера Б младшая модель стоит 3 900 ₽, средняя 30 000 ₽, старшая 39 000 ₽, у провайдера А младшая 12 000 ₽, старшая 72 000 ₽.

РазборИТ

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

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. 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.

РазборИТ

Ollama или LM Studio, llama.cpp или vLLM: чем запускать локальную модель

Ollama или LM Studio подходят, когда модель нужна одному человеку или одной программе; для отдела берут vLLM на сервере с видеокартами. Модель это файл, а запускает его движок: от него зависят число одновременных пользователей и то, подключится ли ваш агент к модели как к облаку. Ниже сравнение четырех движков, замеры скорости, примеры российских компаний и что проверить до покупки железа. Программа с окном: выбрали модель из каталога, нажали скачать, начали чат. Показывает скорость в токенах в секунду после каждого ответа, поднимает локальный API, совместимый с привычными библиотеками. Подходит для проверки моделей перед покупкой железа и для персонального агента. Так работает персональный агент ИТ-руководителя банка на Mac. Командная строка и служба в фоне: одна команда ставит модель, вторая запускает API. Удобнее LM Studio для интеграций и скриптов, работает на Mac, Linux и Windows, на видеокартах и на Apple Silicon. Ограничение то же: одиночные запросы обрабатываются быстро, при многих одновременных часть ждет в очереди.

РазборИТ

Mac или видеокарта для нейросети: что брать для локальной модели

Выбор между Mac и видеокартой для нейросети решают три числа: сколько памяти, сколько токенов в секунду и сколько человек работает с моделью одновременно. Ниже сравнение по каждому числу с замерами и ценами на 29.09.2026, расходы за три года владения и ответ по задачам, а не по бренду. Mac: единая память 96, 128, 256, 512 ГБ в одном корпусе, модель 671 млрд параметров в 4 битах помещается в 512 ГБ. Видеокарты: 24 ГБ у RTX 4090, 32 ГБ у RTX 5090, 96 ГБ у RTX PRO 6000, 80 ГБ у A100 и H100; больше только объединением карт. За объем памяти в одном устройстве Mac побеждает без вариантов. Генерация в 4 битах: Mac на модели 7 млрд дает M4 Max 83,1 токена в секунду, M5 Max 119,9, M3 Ultra 92,1; карты на модели 8 млрд дают RTX 4090 127,7, A100 138,3, H100 144,5 (разные замеры, модели близкого размера). Для одного пользователя разница небольшая. Обработка длинного запроса: у видеокарт в разы быстрее; на Mac Studio модель 671 млрд читает 8 000 токенов 888 секунд. Десятки параллельных пользователей: здесь, по нашей оценке, сильнее видеокарта с пакетной выдачей запросов; суммарную скорость на своей нагрузке замерьте до покупки.

РазборИТ

Когда облачный ИИ выгоднее локального: семь случаев, где железо не окупится

Когда облачный ИИ выгоднее локального? В семи случаях, и честный разбор о суверенном ИИ должен их назвать. Мы собираем агентов и на облачных, и на локальных моделях, поэтому нам все равно, что вы выберете, лишь бы это было посчитано. Ниже семь случаев с расчетами, цены российских облаков в рублях, аренда как третий путь и случаи, когда облако не подходит. При 60 млн токенов в месяц дешевые облачные модели стоят 1 013–10 129 ₽, средние 20 258 ₽. Mac Studio за 886 757 ₽ при этом объеме окупается против Sonnet 5.5 за 71 месяц, против GPT-6 Luna никогда. По нашему расчету, свое железо начинает окупаться при сотнях миллионов токенов в месяц или при облачном счете от 70 000–100 000 ₽ в месяц. На цепочках из 15 шагов в тесте сети магазинов полностью проверяемого результата не дала ни одна модель, а крупная облачная модель на 235 млрд справлялась частично вдвое чаще локальной на 9 млрд. Чем длиннее цепочка, тем важнее размер модели, а модель на 235 млрд, как в этом тесте, по нашему расчету требует у себя двух карт по 96 ГБ, это сервер от 2,5 млн ₽. Пока длинные цепочки надежно не решает ни одна модель, дешевле платить облаку по счету, даже 4 220 ₽ за миллион выходных токенов у флагманов, чем покупать сервер под такую задачу.

РазборИТ

Гибридная схема: локальный ИИ и облако в одной системе

Гибридная схема соединяет локальный ИИ и облако: чувствительные данные и массовые простые задачи обрабатывает локальная модель, сложные задачи на обезличенных данных уходят в облако. Ниже как это устроено, что дает по деньгам и закону и как считается. Между агентами и моделями стоит маршрутизатор с единым интерфейсом: агент не знает, какая модель ответит. Правила маршрутизации: тип данных, персональные данные и код всегда локально; сложность, цепочки от 10 шагов в облако; время, ночная пакетная обработка на локальной модели; отказ, при недоступности одной модели запросы уходят на другую. Обезличивание перед отправкой в облако: маршрутизатор заменяет имена, номера и суммы на метки, а ответ возвращает с подстановкой. Разделение строят по двум признакам: что в данных и сколько шагов в задаче. Разбор входящих обращений с именами и телефонами, сверка договоров и проверка кода идут на локальную модель: данные чувствительные, а задачи короткие. Ночная обработка накопленных документов тоже локальная: днем карта занята пользователями, ночью простаивает. Аналитика на обезличенных выгрузках и задачи из 10 и более шагов уходят в облако на крупную модель.

ИнструкцияИТ

Как внедрить локальный ИИ в компании: восемь шагов

Внедрить локальный ИИ в компании надежнее в таком порядке: сначала правила про данные, потом одна задача, потом железо. Ниже восемь шагов с тем, что сделать, сколько это стоит и как понять, что шаг пройден, а после них ошибки, на которых внедрение чаще всего срывается, и люди, без которых оно не работает. Разделите данные на три класса: можно наружу, только в российское облако, только внутри периметра. Агрохолдинг из кейсов раздела проводит вебинары для сотрудников и до конца 2026 года утверждает внутреннюю политику по ИИ. Результат шага: одна страница правил, подписанная руководителем. Возьмите задачу с потоком: разбор обращений, проверка договоров, ответы по базе знаний, черновики документов. Запишите метрику до старта: минуты на документ, доля обращений без оператора, число ошибок. Оператор связи вписал в тендер отклик до 400 мс и точность рефакторинга не ниже 85%: так выглядит измеримая задача.

РазборИТ

ИИ-агенты на локальной модели: данные остаются у вас

Мы собираем ИИ-агентов на локальной модели: открытая модель работает внутри вашего периметра, на компьютере в кабинете, на сервере в вашем дата-центре или на арендованных GPU российского провайдера. Агенты те же, что и на облачных моделях: продажи, поддержка, разбор документов, запись клиентов, панель руководителя. Меняется только то, где живет модель и данные. Подбираем открытую модель по вашим 50 запросам: 8–9 млрд, 30 млрд или 70 млрд параметров, русскоязычную или мировую. Считаем железо по калькуляторам и даем спецификацию для покупки или аренды. Ставим движок под нагрузку: для одного пользователя или для параллельной работы отдела. Собираем агентов через единый интерфейс модели, чтобы облако и локальная модель менялись настройкой. Настраиваем маршрутизацию для гибридной схемы и обезличивание перед отправкой в облако. Ставим мониторинг и передаем вашему инженеру с инструкцией. Обращения и поддержка. Оператор национальной страховой информационной системы на одной локальной модели ускорил обработку обращений в 20 раз и принял рост потока в 1,5 раза за год без найма; на той же модели работают ответы поддержки по базе документов и проверка кода.

РазборИТ

Локальный ИИ для банков, госорганов и КИИ

Локальный ИИ для банков и госорганов, объектов критической информационной инфраструктуры и медицины часто выбирают по требованиям регулятора и службы безопасности: данные не должны покидать периметр. Ниже что это значит для выбора модели и железа, кейсы организаций, которые это уже сделали, риски, которые закрывают до запуска, и что писать в техзадании. Типичные требования службы безопасности: данные и модель внутри периметра или в аттестованном контуре, российская модель или модель с открытыми весами, состав которой можно проверить. С 1 сентября 2026 года действует закон 243-ФЗ со статусами суверенной и национальной модели и критериями с 1 марта 2027 года. Проект постановления об обязательном использовании суверенных и национальных моделей в госуправлении, налоговой и таможенной сферах, здравоохранении, образовании и КИИ рабочая группа обсуждала в конце августа 2026 года; в Минцифры говорят, что перечень сфер не сформирован.

РазборИТ

Нейросеть без интернета: как устроен закрытый контур для компании

Нейросеть без интернета для компании строится не как режим модели, а как закрытый контур: модель, данные, агенты и мониторинг живут внутри сети, у которой нет выхода наружу. Ниже что в него входит, кому он нужен, как обновлять модель по регламенту, кто так уже работает и во что это обходится: рабочая станция для пилота стоит около 1,1 млн ₽. Сервер или рабочая станция с картой, движок выдачи, файлы моделей, векторная база документов, агентная обвязка, мониторинг и журнал запросов. Все обновления, включая новые версии моделей, вносятся переносимым образом через шлюз по регламенту безопасности. Аэропорт из кейсов раздела так встроил ИИ-плагин проверки кода в среду разработки, а оператор страховой системы поднял в контуре обращения, поддержку и код-ревью на одной модели. Контур определяют данные, а не размер компании. Публичные и обезличенные данные можно отправлять в любой облачный сервис. Персональные и коммерческие данные идут в российское облако с договором поручения по 152-ФЗ или в локальную модель. Исходный код, медицинские данные, кредитная документация, гостайна и объекты критической информационной инфраструктуры остаются только внутри закрытого контура.

РазборИТ

ИИ на своих серверах (on-premise): три уровня и что выбрать

ИИ на своих серверах (on-premise) означает, что модель работает на вашем железе, а сеть при этом может быть открытой: обновления и внешние источники доступны. Ниже три уровня по числу пользователей, от компьютера за 886 757 ₽ до сервера от 10 млн ₽, с расходами в месяц, кто на каком уровне работает и когда свое железо выгоднее облака. От закрытого контура: есть интернет, значит проще обновлять и можно гибридно ходить в облако для обезличенных задач; требования безопасности мягче. От аренды GPU: железо ваше, против аренды окупается только при высокой постоянной загрузке, срок покажет калькулятор окупаемости; требует инженера и места. От российского облака: контур ваш, третьих лиц нет, договор поручения не нужен. Свое железо начинает окупаться при сотнях миллионов токенов в месяц или при облачном счете от 70 000–100 000 ₽ в месяц. По нашему расчету Mac Studio за 886 757 ₽ против облачного счета 101 289 ₽ в месяц окупается за 10 месяцев, против счета 20 258 ₽ за 71 месяц. Правило покупки: если точки окупаемости нет в пределах 36 месяцев, а данные могут выходить наружу, счет за железо не оплачивайте.

РазборИТ

Локальный ИИ для малого бизнеса: без сервера и без инженера

Локальный ИИ для малого бизнеса не требует сервера. Один Mac или ноутбук с большой памятью закрывает задачи небольшой команды, а если данные могут выходить наружу, облако за несколько тысяч рублей в месяц выгоднее любого железа. Ниже что брать, что оно решит, какие данные держать у себя и когда не брать вовсе. Один пользователь: MacBook Pro с 36–64 ГБ памяти, конфигурация со 128 ГБ стоит 671 594 ₽ на 29.09.2026. Небольшая команда: Mac Studio M4 Max со 128 ГБ за 886 757 ₽ на столе, до 145 Вт в базовой конфигурации M4 Max по данным Apple. Модели 8–32 млрд параметров: российские и мировые с открытыми весами. Программы: LM Studio или Ollama. Полная стоимость около 24 500–32 400 ₽ в месяц без инженера по нашему расчету, обслуживание берет на себя сотрудник, который умеет обновлять программы. Черновики писем и коммерческих предложений по вашим шаблонам, ответы на типовые вопросы клиентов по базе знаний, разбор входящих заявок в таблицу, сверка договоров с реквизитами, протоколы встреч из транскриптов. Персональный агент ИТ-руководителя банка на Mac работает с почтой, транскриптами встреч и мессенджерами при скорости около 70 токенов в секунду.

РазборИТ

Сколько стоит суверенный ИИ: все цены на одну дату

Сколько стоит суверенный ИИ, зависит от масштаба: от 24 300 ₽ в месяц за один компьютер на 1–3 пользователей до 507 000 ₽ в месяц за сервер с четырьмя H100, плюс внедрение от 149 000 ₽. Все цены ниже проверены 29–30.09.2026 и собраны на одной странице, чтобы их можно было пересчитать в калькуляторах и перепроверить по источникам внизу. Цены железа розничные с сайтов российских продавцов: у серверных карт с НДС, у Mac без НДС, с НДС продавец Mac просит на 25% больше. Курс ЦБ на 29.09.2026 84,4075 ₽ за доллар. RTX 4090 24 ГБ: 488 150 ₽ в июле 2026 года, на 30.09.2026 у продавца из источника ее нет. RTX 5090 32 ГБ: 639 990–654 990 ₽ на 29.09.2026, а на следующий день у того же продавца осталась одна карта за 749 990 ₽; в январе 2026 года около 300 000 ₽, в марте 2025 года от 350 000 ₽. RTX PRO 6000 96 ГБ: 1,08 млн ₽ в DNS на 02.02.2026, более свежей цены в источниках нет. A100 40 ГБ: 543 577 ₽, A100 80 ГБ: 1 081 772 ₽. H100 SXM5 80 ГБ: 2 287 329 ₽. MacBook Pro 14 M5 Max 128 ГБ 2 ТБ: 671 594 ₽. Mac Studio M3 Ultra 96 ГБ: 650 797 ₽; M4 Max 128 ГБ: 886 757 ₽; M3 Ultra 512 ГБ 4 ТБ: 3 155 392 ₽. Платформа для рабочей станции 300 000–350 000 ₽, серверная платформа 300 000–400 000 ₽ по нашей оценке.

ИнструкцияИТ

Чек-лист перед покупкой железа для ИИ

Чек-лист перед покупкой железа для ИИ нужен потому, что ошибку в железе не исправить обновлением: Mac Studio стоит от 650 000 ₽, сервер отдела около 2,5 млн ₽, сервер с четырьмя H100 от 10 млн ₽. Ниже пятнадцать вопросов, на которые стоит ответить письменно до оплаты счета, с числами из этого раздела на 29.09.2026. Если на один из них нет ответа, покупку лучше отложить на неделю и закрыть его пробой на арендованной карте. 1. Какая модель прошла экзамен на ваших 50 запросах и на какой квантизации. Экзамен это 50 реальных запросов с ожидаемыми ответами, и он важнее любого рейтинга. Берите наименьшую модель, которая его прошла: она дешевле по памяти и быстрее. Сеть строительных магазинов сравнила три модели за 27 запусков, и локальная модель на 9 млрд в 4 битах на одной видеокарте сравнялась с облачными на задачах из 2–3 шагов. 2. Сколько одновременных пользователей и агентов в пике. От этого зависят и память, и программа выдачи: LM Studio или Ollama для одного человека, vLLM для отдела. Оператор связи вписал в тендер 15 пользователей и отклик не более 400 мс: по такому требованию железо уже можно подобрать.

Написать в Telegram