Open-source vs коммерческие LLM в России 2026: что выбрать для on‑premise

Модель тянет за собой инфраструктуру. Разница между моделью на 8 млрд параметров и MoE на 700 млрд — это разница между одним ускорителем в стойке и многоузловым GPU-кластером с продуманным охлаждением, сетью и резервированием. Выбрав модель «по качеству», легко обнаружить, что под неё нужен ЦОД, которого нет.

Лицензия определяет юридические риски. Apache 2.0 и MIT позволяют использовать модель в коммерческом продукте практически без оговорок. Кастомные лицензии — например, у семейства Llama — добавляют условия, которые в корпоративном контексте лучше показать юристу до старта, а не после.

Доступность весов — это вопрос «можно ли вообще». Для закрытого контура нужна модель, которую физически можно скачать и запустить на своём железе. Самая удобная облачная модель здесь бесполезна, если она живёт только за чужим API.

И наконец, качество на русском напрямую влияет на бизнес-результат. Модель, которая хорошо пишет код, может посредственно извлекать реквизиты из договора и путаться в юридических формулировках. «Понимает русский» — слишком общая характеристика, чтобы на неё опираться.

Главный аргумент за open-source — контроль. Веса лежат на вашем железе, данные не покидают периметр, телеметрии нет, обновляете вы тогда, когда сами решите. Для организаций с персональными данными, КИИ или коммерческой тайной это часто единственный допустимый вариант — остальное не проходит согласование ИБ. Сюда добавляется гибкость: модель можно дообучить под свою доменную лексику, квантовать под имеющиеся GPU, встроить в любой пайплайн без оглядки на квоты чужого API.

Обратная сторона — вся ответственность теперь ваша. За инфраструктуру, за качество ответов, за безопасность вывода. У open-source-модели нет вендора, которому можно позвонить в три часа ночи, когда инференс встал под нагрузкой: дежурство, откат на прошлую версию, разбор инцидента — это теперь ваша зона. Нужен MLOps: развёртывание через vLLM или SGLang, мониторинг, версионирование, регламент обновлений. На пилоте это выглядит как «поднять контейнер», в эксплуатации — как отдельная функция в команде. Лицензии нет, но GPU-кластер, инженеры и дежурство стоят вполне конкретных денег каждый месяц.

Коммерческий API — это про скорость и качество без забот об инфраструктуре. YandexGPT 5.1 Pro доступен через Yandex Cloud с OpenAI-совместимым API: подключился, начал слать запросы, не держишь ни одной GPU. Для прототипа, для сценария без чувствительных данных, для задачи, которую нужно проверить за неделю, — это часто разумный старт.

Проблема в том, что для закрытого контура такой вариант не работает по определению. Данные уходят на сторону провайдера, веса вам недоступны, а это сразу конфликтует с требованиями по персональным данным, КИИ и коммерческой тайне. Даже при размещении в российском ЦОД служба ИБ часто упирается в простое: данные физически покидают периметр, а значит, нужны договор об обработке, оценка рисков передачи и отдельное обоснование — на это уходят недели, и нередко проект на этом и встаёт. Варианты вроде выделенного развёртывания в частном облаке стоит обсуждать предметно с вендором — условия и доступность здесь индивидуальны, и их нужно проверять, а не принимать на веру.

За последний год российские модели заметно сдвинулись в сторону открытости. Сбер выложил GigaChat 3.1 Ultra (MoE на 702 млрд параметров, около 36 млрд активных) и компактную GigaChat 3.1 Lightning под лицензией MIT — то есть с открытыми весами, пригодными для развёртывания в собственном контуре. Это принципиально меняет картину: раньше «российская модель» почти всегда означала «через чужой API», теперь появился полноценный on-premise-вариант с сильным русским.

У Яндекса логика иная. Флагман YandexGPT 5.1 Pro остаётся закрытым и доступен только через Yandex Cloud. Зато YandexGPT 5 Lite выложен в открытый доступ — в вариантах Pretrain и Instruct, с возможностью дообучения через LoRA. Для on-premise это рабочий кандидат, если по качеству Lite закрывает задачу. Отдельно стоит линейка T-lite/T-pro от Т-Технологий — модели, дообученные на русском поверх Qwen; условия лицензии нужно сверять по конкретной версии.

У российской модели есть и регуляторный угол: реестры доверенных моделей и будущее регулирование ИИ бьют ровно по тем, кто ставит ИИ в чувствительный контур. Это не повод откладывать пилот, но повод закладывать гибкость — чтобы при изменении требований можно было заменить модель без переписывания всего решения.

С публичными бенчмарками есть одна неприятная закономерность: чем громче заявленный результат, тем меньше он говорит о вашей задаче. Русскоязычные наборы вроде MERA и RussianSuperGLUE полезны для первичного отсева, но ни один из них не тестирует модель на ваших договорах, тикетах и регламентах.

Apache 2.0 и MIT — самые «спокойные» для бизнеса лицензии. Они разрешают коммерческое использование, модификацию и распространение с минимальными требованиями (по сути — сохранить уведомление об авторстве). Под ними выходят, в частности, open-weight модели Qwen, веса DeepSeek и открытые GigaChat Ultra/Lightning.

Кастомные лицензии — отдельная история. Llama распространяется под собственной Community License: коммерческое использование разрешено, но с оговорками — например, при превышении порога в 700 млн активных пользователей в месяц требуется отдельное разрешение Meta. Для большинства компаний этот порог нерелевантен, но сам факт нестандартных условий означает, что лицензию нужно прочитать целиком, а не по заголовку. Часть моделей Mistral открыта под Apache 2.0, часть — закрыта; здесь важно смотреть на конкретную версию, а не на «бренд Mistral» в целом.

Юрист перед внедрением должен проверить как минимум: разрешено ли коммерческое использование, есть ли ограничения по отраслям или объёму, можно ли дообучать модель и распространять результат, нет ли запрета на использование вывода модели для обучения других моделей.