Откуда берётся разница в цене
Облачный ИИ оплачивается как услуга: подписка или плата за запросы, инфраструктура — на стороне провайдера. On-premise — это покупка «своего» вычислителя: серверы с GPU, развёртывание открытой модели, настройка, сопровождение. На старте второй путь всегда дороже — отсюда и ощущение «дороже облака».
Но сравнение меняется на горизонте года-двух и при чувствительных данных. Облачная модель метрологически неудобна: объёмы растут — счёт растёт; регуляторные требования ужесточаются — контракт приходится переписывать. On-premise после развёртывания предсказуем: фиксированные затраты на сопровождение и полная свобода в данных.
Три случая, когда локальный контур выгоднее
- Персональные данные. Обработка ПДн требует контроля: закрытый контур, где запросы и данные не покидают периметр организации, — стандарт для таких задач. Облачный API с чувствительными данными — постоянный комплаенс-риск.
- Госзаказ и КИИ. Для госсектора закрытый контур — норма, а с 1 января 2028 года развёртывание новых зарубежных ПАК на значимых объектах КИИ оказывается под запретом — это прямо задаёт выбор в пользу контролируемых российских решений.
- Большие объёмы. Когда поток запросов измеряется десятками тысяч в месяц, фиксированная стоимость своего контура становится ниже повременной оплаты API.
Сравнение режимов
| Критерий | Российский API (GigaChat и др.) | On-premise LLM |
|---|---|---|
| Стартовые затраты | Минимальные | Выше: серверы и развёртывание |
| Данные | Передаются провайдеру по договору обработки | Не покидают периметр |
| Оплата при росте нагрузки | Растёт с объёмом запросов | Фиксированная |
| Для кого | Неконфиденциальные процессы | ПДн, госструктуры, КИИ |
Цены входа
Пилот изолированного контура — от 480 000 ₽ за 4–6 недель: подбор открытой модели, развёртывание на серверах организации или изолированном VPS, подключение базы знаний, первый процесс. Полный промышленный контур — 0,9–1,2 млн ₽. Для менее чувствительных задач допустимы российские API вроде GigaChat — с договором обработки данных; такой гибрид часто и оказывается оптимальным.
Гибрид — рабочая схема 2026 года
Часть процессов (публичные ответы, черновики маркетинга) живёт в API, часть (кадры, обращения граждан, документы с ПДн) — в закрытом контуре. Границу задаёт классификация данных, а не мода. Компания без классификации переплачивает в обе стороны: за избыточный on-premise там, где он не нужен, и за инциденты там, где API оказался не к месту.
Скрытые расходы облачного режима
Прямая подписка — не единственная строка затрат. К ней добавляются: рост счёта при расширении сценариев использования, юридическая работа по договору обработки и трансграничным нюансам, дублирование усилий при смене провайдера и риск потери доступа к сервису по внешним причинам. Последний пункт для зарубежных платформ за последние годы перестал быть теоретическим.
У on-premise свои скрытые строки: электричество и обслуживание серверов, резервирование, обновления моделей силами команды или подрядчика. Поэтому честный расчёт всегда двухколоночный: полный год владения в обоих режимах с учётом объёма запросов и класса данных. Для большинства компаний со чувствительными данными вывод одинаков: локальный контур дороже на входе и дешевле на дистанции.
Встречается и обратная крайность — полный on-premise там, где хватило бы API: публичная документация, обезличенные черновики, внутренний поиск по открытым источникам. Перенос таких сценариев на собственные серверы не добавляет защиты, но изъимает бюджет у задач, где закрытый контур действительно необходим. Разумная классификация данных экономит больше, чем любая модернизация железа.
Гибридный путь снимает и страх первого шага: начать можно с некритичного сценария в API, а контур разворачивать параллельно, не останавливая работу.
Гибридный путь снимает и страх первого шага: начать можно с некритичного сценария в API, а контур разворачивать параллельно.
Как устроен перевод в локальный контур — в ответе «Как перевести LLM в локальный контур»; выбор режима — в разборе про выбор LLM для бизнеса; внедрение — на странице услуги LLM-интеграций и RAG.