Три уровня работы с LLM
Слово «своя модель» означает разное. Чтобы не переплачивать, полезно различать три уровня — они отличаются и по цене, и по тому, кто владеет данными.
| Уровень | Как работает | Ориентир стоимости |
|---|---|---|
| API готовой модели | Запросы уходят провайдеру по договору обработки данных | Оплата за токены, старт пилота — от 480 000 ₽ |
| Открытая модель в своём контуре | Модель развёрнута на ваших серверах или изолированном VPS | Пилот контура — от 480 000 ₽ плюс инфраструктура |
| Разработка собственной модели | Обучение с нуля или глубокое дообучение под задачу | Корпоративные ИИ-платформы рынка — 17–26 млн ₽ |
Для сравнения: полный прикладной контур с интеграциями у НЬЮ-ССТ — 0,9–1,2 млн ₽. То есть граница между «внедрить ИИ» и «создать свой ИИ» проходит примерно на порядке величины бюджета.
Когда собственная модель всё же оправдана
Есть три ситуации, в которых инвестиции в собственную разработку имеют экономический смысл:
- Уникальная предметная область — язык отрасли настолько специфичен, что общие модели систематически ошибаются, а дообучение на корпусе текстов компании даёт измеримый прирост качества;
- Жёсткие требования к независимости — продукт перепродаётся или работает в закрытой среде без доступа к внешним API;
- Масштаб — объём запросов так велик, что собственная модель дешевле оплаты токенов по мере роста нагрузки.
Во всех остальных случаях задача бизнеса решается связкой «готовая модель + ваши данные». Именно так устроено большинство внедрений 2026 года: модель отвечает на основе документов компании через RAG, а знания обновляются простой перезагрузкой файлов, без переобучения. Подробнее — в сравнении RAG и дообучения модели.
Что значит «своя» в смысле данных
Для большинства заказчиков важна не столько собственная модель, сколько контроль над данными. Этот контроль даёт не разработка нейросети, а развёртывание: открытая LLM на серверах компании означает, что ни один запрос не покидает периметр. Определение и границы этого подхода — в статье о on-premise LLM; для госорганизаций закрытый контур фактически стал стандартом входа в ИИ-проекты.
Как принять решение за один день
Практичный алгоритм выглядит так:
- сформулируйте 5–10 реальных вопросов, которые система должна решать;
- проверьте их на готовой модели с вашими документами — этого достаточно, чтобы оценить качество;
- посчитайте чувствительность данных: если есть персональные или коммерческая тайна — планируйте закрытый контур;
- сравните смету пилота с оценкой эффекта — и только потом решайте, нужен ли полный контур.
Цены и следующий шаг
Аудит процессов и данных — от 90 000 ₽ (3–5 рабочих дней), пилот с RAG-контуром — от 480 000 ₽ за 4–6 недель, промышленный контур — 0,9–1,2 млн ₽, сопровождение — от 50 000 ₽ в месяц (сентябрь 2026, без НДС в связи с УСН). Полная стоимость владения своим контуром разобрана в материале о TCO LLM, рыночные якоря цен — в кейсе LLM-интеграций. Другие вопросы темы — в разделе «Вопросы и ответы».
Чек-лист решения за пять шагов
Если не хочется полагаться на чужие мнения, пройдите по цепочке — она приводит к ответу без консультантов:
- Опишите задачу одной фразой: «сотрудник спрашивает — система отвечает по нашим документам»;
- Отметьте категорию данных: публичные материалы, обезличенная статистика, персональные данные, коммерческая тайна;
- Ответьте на вопрос частоты: сколько обращений в день должна закрывать система;
- Сравните варианты по цене входа: API — от 480 000 ₽ за пилот без инфраструктуры; контур — от 480 000 ₽ плюс серверы; собственная модель — от десятков миллионов (или готовые enterprise-платформы за 17–26 млн ₽);
- Примите решение на пилоте, а не на презентации: четыре-шесть недель реальной работы покажут и качество, и реальную стоимость владения.
В девяти случаях из десяти цепочка заканчивается на связке «готовая модель + RAG + интеграция» — именно такие проекты и дают быстрый возврат вложений. Собственная модель остаётся нишевым ответом на нишевые требования, и добросовестный подрядчик честно скажет вам об этом на первом же разговоре.