«У нас своя модель на двести миллионов параметров — нам нужно срочно соответствовать новому закону?» — типовой вопрос осени 2026 года, и ответ на него обнадёживает: нет. Порог закона — большие модели, перешагнувшие миллиард параметров; всё, что ниже, прямых требований к разработчику не порождает. Но «нет обязанностей» не значит «закон про нас не написан»: несколько его норм всё же доходят до малых ML-команд — через обучение на чужих данных, закупки и требования заказчиков. Эта страница — карта того, что именно применяется к небольшим моделям.
Проверить свою роль целиком — на страницах быстрой проверки применимости и перечня адресатов закона; здесь — фокус на мире ниже порога.
Порог 1 млрд: что он отсекает
Большая модель по закону — универсальная, обученная на значительных массивах данных для широкого круга задач; порог зафиксирован на отметке в миллиард параметров. Ниже порога — прикладные и специализированные решения: скоринг, компьютерное зрение, прогноз спроса, распознавание документов, узкие классификаторы, надстройки RAG поверх чужих моделей. Для них мартовская-2027 тройка обязанностей (безопасность модели, регламент эксплуатации, техописание) не возникает. Порог детально разобран в материале о требованиях к БФМ.
Карта норм: что касается малых моделей
| Норма 243-ФЗ | Касается малых моделей? | Комментарий |
|---|---|---|
| Требования к разработчику БФМ (март 2027) | Нет | Действуют после миллиардного порога |
| TDM-режим при обучении на произведениях | Да | Распространяется на обучение моделей; правомерность получения данных важна каждой команде |
| Маркировка аудио и видео | Как право | Норма привязана к большим моделям; генерации компактной модели можно помечать добровольно по тем же мотивам доверия |
| Требование к крупным площадкам (суточная аудитория 500 тысяч и больше) | Если вы платформа | Порог — про аудиторию, а не про размер модели |
| Собственные штрафы | Нет | Их нет ни для кого — ответственность отсылочная |
| Статусы суверенной/национальной модели | Недостижимы | Статус — только для БФМ; влияние на малые команды — через требования заказчиков |
Строка про TDM — самая содержательная: режим произведений в обучении не ограничен только большими моделями. Если ваша компактная модель учится на публично доступных произведениях, с 01.03.2027 действуют те же правила: правомерное получение, учёт технических запретов правообладателей, отдельный режим персональных данных. Практика — в разборе TDM-исключения и на странице об обучающих данных.
Что остаётся за пределами 243-ФЗ
Основные риски малых ML-продуктов живут в других законах. 152-ФЗ — если в данных есть персональные: оценка вреда, основания, уведомление Роскомнадзора. 187-ФЗ — если система обслуживает значимый объект КИИ. Договорная ответственность — если модель ошибается в продукте. Общая карта — в разборе пересечений трёх законов, ответственность за данные (420-ФЗ) — на странице ответственности.
Косвенное влияние: почему закон всё же про вас
Даже без обязанностей закон меняет среду, в которой работают малые ML-команды. Заказчики перенимают язык закона: спрашивают про происхождение данных, про готовность к маркировке, про возможность замены модели на статусную — особенно в госконтуре, где требования уже смещаются в сторону статусных решений (материал для госзаказчиков — разбор закупочной стороны). Партнёры и инвесторы включают вопросы соответствия в due diligence. Экспортные проекты встречают европейские требования — обзор EU AI Act для российских вендоров.
Практический вывод: минимальная готовность к такому диалогу — конкурентное преимущество, а не издержка. Команда, которая может за час показать реестр моделей и происхождение данных, выигрывает тендер у команды, которая отвечает «а что такое 243?».
Практический минимум малой ML-команды
Пять действий, закрывающих 90% практических ситуаций ниже порога:
- Зафиксируйте параметры моделей — число параметров, назначение, где используется. Это ответ на вопрос «а вы вообще под закон подпадаете?».
- Ведите карточки датасетов — источник, основание, дата. TDM-режим делает это полезным для всех, кто обучается на чужих произведениях.
- Проверьте персональные данные — если есть, выполните требования 152-ФЗ; это единственный блок с реальными штрафами.
- Подготовьте ответы на вопросы заказчиков — короткий документ: роль по 243-ФЗ, происхождение данных, позиция по маркировке. Заготовка экономит недели торгов.
- Подпишитесь на мониторинг изменений — регламент на странице отслеживания изменений: подзаконные акты и смежные законопроекты дойдут и до вас.
Мини-кейс: инвентаризация за один день
Условная команда из четырёх человек делает сервис проверки договоров: своя модель классификации пунктов на 180 млн параметров, внешний API перевода, готовая open-source-модель для суммаризации, встроенный ИИ в редакторе кода. За день команда заполняет реестр: четыре записи — модель, назначение, параметры, где работает; для внешних сервисов — поставщик и что уходит в данные. Проверка порога: своя модель далеко ниже миллиарда, дообучение не планируется — запись «не подпадает, пересмотр при росте». Персональные данные: договоры клиентов содержат ПДн — в спринт ставится обезличивание до отправки во внешний перевод. Вечером команда имеет одностраничный документ, отвечающий на вопросы любого заказчика.
Заметьте распределение усилий: юридическая часть 243-ФЗ заняла двадцать минут, реальная работа — в данных и внешних сервисах. Так выглядит типичная малая ML-команда после честной проверки: закон — фон, гигиена данных — повестка.
Частые вопросы заказчиков и как на них отвечать
«Вы соответствуете 243-ФЗ?» — честный ответ малой модели: «Закон нас не обязывает: модель ниже порога; вот наш реестр и происхождение данных». «А что если закон расширят?» — «Мы отслеживаем изменения; вот регламент мониторинга и ответственный». «Нужна ли вам метка ИИ на выходах?» — «Право автора; наша политика такая-то». Подготовленные ответы превращают дежурные вопросы тендеров в зачёт вместо стоп-сигнала.
Миф о «маленьком законе для маленьких моделей»
Иногда малые команды делают обратный вывод из своего положения: «раз закон нас не обязывает, то и читать его не нужно». Это ошибка в другую сторону. Полезные для малых команд части закона — добровольная метка как инструмент доверия, TDM-рамка для датасетов, статусная система как ориентир роста — работают именно для них. Команда, которая понимает закон, отвечает на вопросы рынка быстрее конкурентов и не покупает лишние «сертификации». Незнание экономит часы чтения и стоит недели переговоров. Промежуточный вывод для руководителя небольшой ML-команды: закон — это не ваш регулятор, а ваш язык переговоров с заказчиками; выучить его дешевле, чем объяснять на каждом тендере, почему вы «ничего не делали». Тем более что словарь этого языка компактен: порог, роли, TDM, метка, статусы — пять понятий, закрывающих девяносто процентов рабочих вопросов и почти всё, что спросят на тендерном интервью.
Пограничная зона: близко к порогу
Отдельный случай — модели, приближающиеся к 1 млрд параметров, особенно дообучением открытых базовых весов. Закон не содержит нормы, превращающей файнтюн в «разработку», поэтому рабочая тактика: фиксировать параметры каждой итерации, отличать дообучение от дистилляции и компоновки, при сомнениях — юридическая консультация по тексту закона. Подробно эта логика разобрана на странице о сервисах на чужих моделях.
Итог
Малые модели — большинство ИИ-решений в стране — под прямые обязанности 243-ФЗ не подпадают. Реальная работа для их команд — в TDM-дисциплине данных, 152-ФЗ и готовности отвечать на вопросы заказчиков языком нового закона. Пять шагов практического минимума закрывают эту потребность без выделенного комплаенса. Карта применимости — информационный обзор, не юридическое заключение по вашей модели. НЬЮ-ССТ помогает ML-командам любого размера выстроить такую готовность — от разовой инвентаризации до полного сопровождения; старт — с бесплатного разбора: форма ждёт в конце.