Российские модели вместо зарубежных: где замена работает

Российская модель заменяет зарубежную на большинстве задач, ради которых компании вообще берут языковые модели, и разница там не видна без измерительного стенда. Заменяет не везде: есть один класс задач, где разрыв реальный и его не закрыть промтом. Разбирать это имеет смысл не в терминах «умнее — глупее», а по классам работы, потому что от класса зависит и разрыв, и способ его обойти.

Все оценки ниже — на сентябрь 2026 года. Отдельно напомним ограничение, которое часто пытаются обойти вместо того, чтобы принять: прямая оплата OpenAI и Anthropic из России невозможна, доступ идёт через посредников, и это юридический и операционный риск, а не рабочая рекомендация. Три типовые схемы такого доступа и цена их отключения разобраны в материале про серые схемы доступа к зарубежным моделям.

Четыре класса задач и разрыв по каждому

Классы отличаются тем, что именно определяет качество результата. В первых трёх это не модель, и потому замена в них проходит незаметно.

Первый класс — самый массовый и самый неблагодарный для продавцов моделей. Разбор входящей почты, классификация обращений, извлечение полей из счетов и накладных: здесь качество упирается в то, насколько внятно описаны категории и что считать «датой документа», когда их в файле три. Похожие задачи мы разбирали в решениях классификация документов и обработка электронной почты — модель там не главный компонент.

Второй класс — генерация типовых текстов: коммерческие предложения по шаблону, описания товаров, ответы клиентам на повторяющиеся вопросы, короткие письма. Здесь разница между моделями заметна на длинных связных текстах и почти не заметна на коротких формах, а качество определяют три-четыре образца в промте и явные правила стиля. Признак, что дело не в модели: если тексты правит редактор, посмотрите, что именно он правит. Когда правки однотипны — не тот тон, не та структура, лишние обороты, — их снимает промт, а не смена поставщика модели.

Третий класс — ответы по базе знаний. Модель здесь отвечает только за последний шаг: сформулировать ответ по найденным фрагментам. Всё остальное делает поиск, и именно он определяет, будет ли ответ верным. Практическая проверка занимает полчаса: возьмите двадцать вопросов, на которые система ответила неверно, и посмотрите, был ли нужный фрагмент вообще среди найденных. Если в половине случаев не был — задача не в модели, а в базе и в поиске по ней, и смена модели не сдвинет ничего.

Из чего выбирают: модели по назначению и размещению

Рейтингов «лучшая модель» мы не составляем: место в лидерборде не переносится на вашу задачу, и почему именно — разобрано в материале про то, как выбрать языковую модель для бизнеса. Полезнее таблица по назначению и способу размещения.

Последняя строка стоит отдельного пояснения, потому что её часто понимают как «бесплатно». Открытые модели разворачиваются через Ollama, векторное хранилище обычно делается на pgvector, и лицензии действительно ничего не стоят. Стоит всё остальное: видеокарты, электричество, обновления, дежурство. Полная цена среднего контура — 89 700 ₽ в месяц, то есть 8,97 ₽ за обращение при потоке 10 000 обращений против 1,04 ₽ в облаке. Пять признаков, при которых эта разница оправдана, разобраны в материале про то, когда нужна модель в своём контуре.

Где разрыв действительно есть

Четвёртый класс — агент, который сам решает, какие действия выполнить: сходить в учётную систему, сверить остаток, посчитать, написать письмо, проверить себя. Здесь важна не одна реплика, а способность не сбиться на длинной цепочке. Российские модели на таких сценариях пока уступают заметно, и промтом это не закрывается.

Полезнее, впрочем, посмотреть на арифметику цепочки, потому что она бьёт всех. Пусть надёжность одного шага равна 92 % — это хороший показатель для любой модели. Тогда вероятность довести цепочку до конца без вмешательства человека равна 0,92 в степени числа шагов.

Отсюда три приёма, которыми задача перестраивается так, что разрыв перестаёт быть критичным. Первый: резать длинную цепочку на короткие с фиксированным результатом на выходе каждой. Второй: выносить маршрут наружу — пусть последовательность шагов определяют правила в коде, а модель отвечает только за содержательные операции. Третий: проверять результат детерминированно там, где это возможно: сверять сумму с документом, сопоставлять контрагента со справочником, валидировать формат ИНН. Проверка кодом стоит копейки и не зависит от модели вообще.

Как проверить замену на своих данных за неделю

Единственный честный способ ответить на вопрос «хватит ли нам российской модели» — измерить на своих данных. Не на демонстрации подрядчика, не на публичном тесте и не на десяти примерах, придуманных за обедом.

1. 1
   Собрать 100 реальных примеров и разметить их руками

   Примеры берутся из живого потока за последний месяц, включая неудобные: письма с вложениями не по теме, документы со сканами, обращения на двух языках. Размечает предметный эксперт — тот, кто сегодня делает эту работу руками. Сто примеров по четыре минуты — 6,7 часа по ставке 2 000 ₽, то есть 13 400 ₽.

2. 2
   Прогнать двух кандидатов на одном промте

   Стенд, единый промт, одинаковые условия, фиксация версии модели и даты. Восемь часов инженера по 3 000 ₽ — 24 000 ₽. Кандидатов именно двое: текущее решение и предполагаемая замена. Сравнивать сразу пятерых бессмысленно, пока не понятно, какая метрика важна.

3. 3
   Разобрать расхождения глазами

   Не итоговый процент, а конкретные примеры, где модели разошлись. Три часа эксперта — 6 000 ₽. Обычно на этом шаге выясняется, что половина «ошибок» — это спорная разметка, и промт надо переписать обеим моделям, а не менять одну на другую.

4. 4
   Принять решение по письменным критериям

   Критерии формулируются до замера, а не после. Рабочий набор: главная метрика не хуже текущей больше чем на 3 процентных пункта, ноль ошибок в дорогих полях (сумма, ИНН, срок), оценивает предметный эксперт, а не инженер. Решение фиксируется одной страницей с датой, версиями моделей и метриками.

Суммарно 43 400 ₽ и четыре рабочих дня на одну задачу и двух кандидатов. Полная методика выбора модели — шесть критериев, три кандидата, счёт за токены и стоимость будущей миграции — стоит около 66 000 ₽ и разобрана отдельно. Замена уже работающего решения дешевле, потому что половина вопросов на неё уже отвечена.

Когда менять модель не надо

Четыре ситуации, в которых смена модели не даст ничего, а времени и денег заберёт как полноценный проект.

• Текущая система работает и оплачивается без посредников. Если доступ легальный и стабильный, а данных клиентов в запросах нет, менять нечего. Разумное действие — заложить адаптер, чтобы смена модели стоила дни, а не месяцы; когда переход вообще не нужен, разобрано в материале про то, когда переходить на отечественное ПО не надо.
• Проблема в базе знаний, а не в модели. Если система отвечает неверно на вопросы, ответа на которые нет ни в одном документе, замена модели ничего не изменит. Сначала корпоративная база знаний и поиск по ней, потом разговор о модели.
• Ошибки идут из одного и того же места. Три категории писем из девяти дают 80 % ошибок — значит дело в описании этих трёх категорий. Сначала промт и примеры, потом сравнение моделей: иначе вы измерите свой промт двумя разными приборами.
• Нет ни одного размеченного примера. Без сотни размеченных вручную случаев сравнение превращается в обмен впечатлениями. Разметка — это работа предметного эксперта на день, и её всё равно придётся сделать, потому что без неё не принять и результат внедрения.

И вывод, который стоит проверить на своей задаче, прежде чем спорить о моделях. В трёх классах из четырёх качество определяет не модель, а то, насколько внятно описан процесс: какие категории существуют, что считать датой документа, что делать при конфликте данных. Российские модели закрывают эти три класса полностью. Четвёртый класс закрывается не выбором модели, а сокращением цепочки — и это тоже работа с процессом, а не с технологией.

Модель отвечает за то, чтобы понять текст. За то, чтобы в тексте было что понимать, отвечает описание процесса — и разница здесь на порядок больше.