Qwen и Llama — два самых частых кандидата на роль локальной модели в российском контуре 2026 года: оба семейства открыты как веса, живут в размерах от «помещается в ноутбук» до десятков миллиардов параметров и поддерживаются основными инструментами инференса. Выбор между ними — это не «кто умнее» (лидерство меняется от версии к версии), а лицензия, экосистема инструментов, доступность нужного размера и результат на ваших данных. Бенчмарки вендоров здесь не аргумент: аргумент — ваш собственный прогон.
Эта страница сводит сравнение в таблицы и фиксирует проверяемые факты по лицензиям. Смежные развилки: «открытые модели против API вендора» и «Ollama против vLLM»; про эксплуатацию квантованных версий — наше сравнение «квантованная или полная модель».
Кратко: когда что выбирать
Прямой ответ — в таблице: слева ситуация, справа разумное решение по состоянию на сентябрь 2026 года. Если узнали свою компанию в одной из строк — дальше достаточно проверить решение по чек-листу в конце страницы, а не перечитывать весь интернет.
| Ситуация | Что выбрать | Почему |
|---|---|---|
| Нужна максимально простая лицензия для юристов | Qwen (большинство размеров) | Apache 2.0 у основной линейки; проверяйте карточку конкретной модели |
| Уже есть экспертиза и пайплайны вокруг экосистемы Meta | Llama | Community License разрешает бизнес-использование; порог 700 млн MAU и атрибуция соблюдаются формально |
| Жёсткое требование реестра российского ПО в закупке | отечественные модели | зарубежные веса под реестр не подходят независимо от лицензии |
| Малый сервер или рабочая станция без мощной GPU | младшие размеры любого семейства | оба выпускают компактные версии; вопрос лишь в доступном размере и качестве |
| Русскоязычный корпус — основной контент | решает только eval | претензии «лучше по-русски» проверяются прогоном на своих задачах, не витриной |
| Высокая нагрузка, свой GPU-сервер | старшие размеры + vLLM | оба семейства совместимы с vLLM; выбор размера — по железу и задачам |
Критерии сравнения
Развёрнутая матрица по критериям, которые заказчики проверяют перед решением: стоимость, сроки, риски, поддержка, комплаенс и режим данных. Каждая строка матрицы ниже раскрыта отдельным разбором — с пояснениями, откуда берутся цифры и на что смотреть в вашей ситуации.
| Критерий | Qwen | Llama |
|---|---|---|
| Лицензия | Apache 2.0 у большинства размеров; отдельные варианты — под исследовательской лицензией | Llama Community License: коммерция разрешена, свыше 700 млн MAU — отдельная лицензия Meta, нужна атрибуция |
| Статус открытости | открытые веса; базовые версии — среди самых свободных по лицензии | открытые веса, но не open source по классификации OSI |
| Линейка размеров | от компактных до десятков миллиардов параметров | аналогично: от компактных до крупных версий под GPU-серверы |
| Экосистема инструментов | поддерживается Ollama, vLLM, GGUF-квантования | поддерживается тем же стеком; сообщество и туториалы шире |
| Русский язык | работоспособен; качество подтверждается eval-ом на своих данных | работоспособен; качество подтверждается eval-ом на своих данных |
| Риски | лицензия отдельного размера может отличаться — проверять карточку модели | изменение условий лицензии вендором; атрибуция и порог MAU |
| Контур и стоимость | развёртывание — от 690 000 ₽; локальный контур под ключ — 0,9–1,2 млн ₽ | те же бюджеты: отличий в стоимости инференса между семействами нет |
Матрицу читайте со строки лицензии: юридическая разница фиксируется документами за час, а разница качества на ваших задачах проверяется только собственным eval-ом. Помните, что строка «русский язык» намеренно одинаковая — победителя в ней нет до вашего прогона.
Разбор критериев
Лицензии: что проверяемо
У основной линейки Qwen лицензия Apache 2.0 — свободная для коммерческого использования; при этом отдельные размеры в прошлом выходили под исследовательской лицензией, поэтому перед внедрением проверяют карточку конкретной модели на официальных репозиториях. Llama распространяется по Llama Community License: коммерческое использование бесплатно, но при превышении 700 млн активных пользователей в месяц требуется отдельная лицензия Meta, плюс обязательна атрибуция («Built with Llama»). Для обычной компании оба пункта — формальность, но для юриста она должна быть отражена в реестре ИИ-активов.
Открытость и зависимости
Важно не путать открытые веса с open source в классификации OSI: у Llama лицензия с ограничениями, поэтому её корректно называть open-weight. Практическое следствие одно: в закупочной документации и реестре ИИ-активов указывают точное название лицензии и версию модели. Что должно попасть в документацию, разбирает гайд «как вести реестр ИИ-активов по 243-ФЗ».
Размеры моделей и железо
Оба семейства выпускаются в широкой линейке размеров: от моделей для рабочих станций до версий под GPU-сервер. Это значит, что выбор семейства не определяет железо — его определяет выбранный размер и режим квантования. Практичный порядок: сначала бюджет железа, затем список размеров, которые в него помещаются, затем eval только среди них. Как меняется качество при сжатии — в сравнении «квантованная или полная модель» и статье словаря «квантование LLM».
Русский язык: только собственный прогон
Публичные заявления «семейство X лучше говорит по-русски» меняются с каждой версией и не заменяют проверки. Рабочая методика неизменна: соберите 100–300 своих реальных задач (вопросы, документы, шаблоны ответов), прогоните кандидатов вслепую и оцените по фиксированным критериям. Как построить такой прогон, описывает гайд «как оценить качество ответов LLM»; методология измерений — в статье «eval и бенчмарки LLM».
Экосистема инструментов
Практическая разница между семействами для интегратора — в деталях поддержки: совместимость с форматами квантования (GGUF, AWQ), свежесть сборок в Ollama и vLLM, готовые контейнеры. Обе линейки поддерживаются основным стеком, но конкретная версия конкретного инструмента может отставать от выхода новой модели — это проверяется на старте проекта, а не в день развёртывания. Обзор рантаймов — в сравнении «Ollama или vLLM».
Риски и происхождение
Риски обеих линекс одинаковы по природе: смена лицензионных условий в следующей версии (решение — фиксация версии модели в контуре), уязвимости конкретного релиза (решение — регламент обновлений), происхождение обучающих данных (решение — запись в реестре ИИ-активов). Если закупка требует реестра российского ПО, зарубежные веса не подходят независимо от лицензии — тогда смотрят отечественные модели, о которых — в сравнении «отечественные LLM против GPT» и ответе на вопрос «почему заказчики выбирают российские LLM».
Вердикты по трём сценариям
Сценарий 1. Первый локальный контур, средняя компания
Берите кандидатов из обеих линеек, которые помещаются в ваше железо, и решайте eval-ом на своих задачах: два-три размера, слепой прогон, фиксированные критерии. Развёртывание контура — от 690 000 ₽; замена модели внутри контура после выбора стоит недорого, если архитектура не привязана к конкретной версии.
Сценарий 2. Юридически чувствительная организация
Фиксируйте в документации точную лицензию и версию модели: Apache 2.0 у большинства размеров Qwen упрощает согласование; Llama требует отражения условий Community License (порог 700 млн MAU, атрибуция). При требовании реестра российского ПО — только отечественные модели; контур в обоих случаях — 0,9–1,2 млн ₽.
Сценарий 3. Пилот на рабочей станции
Младшие размеры обоих семейств через Ollama: быстрый старт без закупки GPU, проверка сценариев на реальных данных. Такой прототип — от 90 000 ₽; решение о промышленном размере и семействе принимается по результатам, а не по маркетинговым таблицам.
Типичные ошибки выбора
Пять ошибок при выборе открытой модели для локального контура.
- Выбор по обзорам вместо eval-а: лидерство семейств меняется с каждой версией.
- Лицензия не зафиксирована в документации: проверка ловит компанию на атрибуции или исследовательской лицензии.
- Железо куплено до списка подходящих размеров: модель «не влезает» или недогружена.
- Версия модели не зафиксирована в контуре: обновление вендора меняет поведение без предупреждения.
- Реестр российского ПО проверен после выбора: зарубежные веса не проходят закупку.
Итог
Qwen и Llama — оба достойных кандидата, и победителя объявляет только ваш eval на ваших задачах. Фиксируйте лицензию, версию и происхождение в реестре ИИ-активов — тогда замена модели будет плановым этапом, а не авралом. Решение стоит перепроверить на своих цифрах: разбор задачи бесплатный, ответ — за 1 рабочий день.
Чек-лист решения
Семь пунктов, которые стоит закрыть до выбора: они одинаково полезны обоим вариантам и закрывают большинство ошибок из списка выше. Пройдите список с командой — обычно это один рабочий час, который экономит недели переделок.
- Зафиксируйте бюджет железа: он определяет список доступных размеров, а не наоборот.
- Проверьте лицензию конкретной модели в официальном репозитории, а не по обзорам.
- Соберите 100–300 своих задач и проведите слепой eval всех кандидатов.
- Убедитесь, что нужный размер поддерживается вашим рантаймом (Ollama/vLLM) в свежей версии.
- Решите вопрос квантования: какой формат сжатия допустим для вашей точности.
- Для закупок проверьте требование реестра российского ПО до выбора семейства.
- Занесите модель, лицензию и происхождение в реестр ИИ-активов (243-ФЗ).
Смежные материалы
Смежные сравнения: «открытые модели против API вендора», «квантованная или полная модель» и «отечественные LLM против GPT». Технологии: «Ollama для локального LLM» и «квантование GGUF/AWQ». Вопросы: «можно ли использовать зарубежные нейросети в компании». Пошагово: «как выбрать LLM для компании».
Полный каталог разборов «или — или» — в разделе Сравнения; форматы работ, сроки и цены «от» — в каталоге услуг.