Какие модели ИИ существуют и как выбрать подходящую для бизнеса

Рынок моделей ИИ растёт быстрее, чем успеваешь за ним следить. Мы в eddp.ru разбирались в этом не для статьи — для себя. Делимся тем, что реально важно для бизнеса.

Почему выбор модели — это не технический вопрос

Когда компания покупает автомобиль для курьера, никто не берёт Ferrari. Не потому что Ferrari плохая — а потому что задача другая. С моделями ИИ ровно та же история.

Самая распространённая ошибка при первом знакомстве с ИИ — взять «самую мощную» и самую известную модель, потому что о ней слышали. В итоге платят за возможности, которые не используют, или получают инструмент, неудобный именно для своей задачи.

На выбор реально влияют три вещи: задача (что именно автоматизируете), бюджет (разовые вложения или абонентка) и приватность данных (можно ли отправлять их в облако). Остальное — детали.

Как устроен рынок: три лагеря

Чтобы не потеряться, полезно разделить всё многообразие на три группы.

Облачные гиганты

OpenAI (GPT), Anthropic (Claude), Google (Gemini) — работают по модели API: вы отправляете запрос, получаете ответ, платите за объём. Никакого железа, никакой установки. Зарегистрировался, получил ключ доступа — и работай. Данные при этом уходят на серверы вендора.

Открытые модели

Llama (Meta)^*, Mistral (Франция), Qwen (Alibaba) — код и веса моделей открыты, скачивай бесплатно. Платить за каждый запрос не нужно. Но нужен собственный сервер, на котором модель будет работать. Данные никуда не уходят — всё остаётся у вас.

Российские разработки

GigaChat (Сбер) и YandexGPT — отдельная категория. Сильный русский язык, данные хранятся в российской юрисдикции, есть корпоративные тарифы с соглашениями об обработке персональных данных. Для компаний, работающих с чувствительными данными российских граждан, это может быть принципиально важно.

Коротко о главных игроках — без технического жаргона

GPT-5 / ChatGPT (OpenAI)

Флагман OpenAI с 2025 года — GPT-5 пришёл на смену GPT-4o и заметно сильнее в рассуждениях, коде и работе с длинными документами. Огромная экосистема интеграций, плагинов и обученных специалистов никуда не делась. За популярность по-прежнему приходится платить — не только деньгами, но и вниманием к тому, что именно отправляете в запросах. Хорош для широкого круга задач: тексты, анализ, код, работа с таблицами.

Claude (Anthropic)

Сильная сторона — работа с большими объёмами текста. Загрузить 200-страничный договор и попросить выделить ключевые риски — Claude справляется с этим лучше большинства конкурентов. Также отличается осторожностью в ответах: реже выдаёт уверенную чушь, чаще честно говорит «не знаю». Для юридических, финансовых и аналитических задач — один из лучших вариантов.

Gemini (Google)

Логичный выбор, если компания уже сидит в экосистеме Google: Gmail, Docs, Sheets, Meet. Интеграция нативная, без лишних телодвижений. Как самостоятельный инструмент — крепкий середняк, без явных слабостей и без явных суперсил.

Llama / Mistral (открытые модели)^*

Главное преимущество — данные не покидают ваш сервер. Для компаний с чувствительной информацией это не опция, а требование. Качество современных открытых моделей вплотную приблизилось к коммерческим — Mistral Medium, например, по многим задачам не уступает GPT-4. Нужен сервер с видеокартой — об этом подробнее в следующей статье.

GigaChat / YandexGPT

Русский язык понимают лучше иностранных моделей — особенно специфическую лексику, профессиональный сленг, региональные особенности. Корпоративные тарифы позволяют заключить нормальное соглашение об обработке данных. Международных задач не решают — но если ваш бизнес работает только на российском рынке, это и не нужно.

Облако или свой сервер: считаем честно

Вот тот вопрос, который рано или поздно встаёт перед каждой компанией, которая начинает использовать ИИ всерьёз. И здесь есть конкретная математика.

Как считается стоимость в облаке

Облачные модели берут деньги за токены — условные единицы текста (примерно 1000 токенов = 750 слов). GPT-5 стоит около $15 за миллион входящих токенов и $60 за миллион исходящих (цифры на середину 2025 года — уточняйте на сайте OpenAI, тарифы меняются). Claude Sonnet — около $3 и $15 соответственно. На практике один типичный запрос с контекстом и ответом «съедает» 1000–3000 токенов.

Считаем: если сотрудники делают 500 запросов в день (небольшая активная команда), это ~15 000 запросов в месяц. При среднем расходе 2000 токенов на запрос — 30 миллионов токенов. Стоимость в GPT-5: около $450–900 в месяц, то есть 40 000–80 000 рублей — флагманская модель заметно дороже. Для экономии часть задач можно закрыть более дешёвыми моделями: GPT-5 mini или Claude Haiku.

Когда облако выгоднее

При нагрузке до 300–500 запросов в день облако почти всегда выгоднее. Нет капитальных затрат, не нужен администратор, модель всегда актуальная. Для старта и пилотного проекта — оптимальный выбор.

Когда свой сервер становится выгоднее

Точка перелома наступает примерно при 1000–2000 запросов в день — это уровень, когда месячный счёт за облако начинает переваливать за 30 000–50 000 рублей. Сервер с видеокартой, способный тянуть модель уровня Mistral или Llama 70B, стоит 300 000–600 000 рублей. Простая арифметика: при затратах 40 000 рублей в месяц на облако сервер окупается за 8–15 месяцев — и дальше работает практически бесплатно.

Есть и второй триггер для перехода на своё железо, не связанный с нагрузкой: приватность данных. Если в запросах фигурируют персональные данные клиентов, коммерческая тайна или внутренняя финансовая информация — облако становится риском вне зависимости от стоимости.

Промежуточный вариант

Гибридная схема работает так: рутинные задачи с нечувствительными данными — в облако (дёшево и быстро), задачи с конфиденциальными данными — на локальный сервер. Многие компании приходят именно к такой архитектуре.

Простой алгоритм выбора

Три вопроса, которые закрывают 80% случаев:

1. Что автоматизируем? Тексты и общение — подойдут почти все модели. Анализ больших документов — Claude. Интеграция с Google Workspace — Gemini. Код — GPT-5 или Claude. Только русский язык — GigaChat или YandexGPT.
2. Насколько данные чувствительны? Если в запросах будут персональные данные, финансовая или коммерческая информация — нужна либо локальная модель, либо корпоративный тариф с соглашением об обработке данных.
3. Сколько запросов в день? До 500 — облако. От 1000–2000 — считайте окупаемость своего сервера. Между — смотрите на чувствительность данных.

Для удобства — краткая сравнительная таблица:

Вместо вывода

Универсальной «лучшей» модели не существует — есть подходящая под вашу конкретную задачу. Хорошая новость: большинство сервисов дают бесплатный тестовый период. Потратьте неделю на эксперимент с двумя-тремя вариантами — это лучше любого рейтинга.

И ещё одно наблюдение из собственного опыта: первая модель, которую попробуете, редко оказывается финальным выбором. Это нормально.

^* Llama разработана компанией Meta^**. ^** Meta признана экстремистской организацией и запрещена на территории Российской Федерации.

Следующая статья цикла:
«Сервер для ИИ: железо, облако или аренда» — разберём, какие GPU нужны для каких моделей, сколько стоит собственная инфраструктура и когда она окупается.