Потери, переплаты и ошибки учёта съедают до 15–20% прибыли

• 128 тысяч токенов · контекстное окно GigaChat 2 Pro и Max для работы с регламентами и большими документами
• Бот автора на API YandexGPT обслужил 14 000 пользователей за два месяца
• Kandinsky 4.0 Video генерирует ролики до 12 секунд в HD 1280×720

Справочник жёстко разделяет российские нейросети на модели (API или веса) и сервисы (модель скрыта); названия берутся только из официальных релизов.

Языковые модели: YandexGPT Pro/Lite с контекстом до 60 страниц; открытое семейство ruGPT: ставится локально, донастраивается под свои данные, берут для закрытого контура и отраслевого языка. По нишам: векторизация (модели Яндекса, sbert_large_nlu_ru, DeepPavlov), речь (SpeechKit, Silero TTS, Vosk, расшифровка звонков на своих серверах), документы (Yandex Vision OCR, Smart Engines), видеоаналитика (NtechLab, VisionLabs), генерация (Kandinsky, YandexART).

Вывод: критерий «можно ли пользоваться завтра и легально» часто важнее таблицы бенчмарков.

• Штраф за утечку персональных данных от 100 000 субъектов: 10–15 млн ₽ (ст. 13.11 ч. 14 КоАП, с 30.05.2025)
• При 8 параллельных пользователях vLLM выдаёт 793 ток/с против 41 у Ollama, разница в 19 раз
• Сервер 2× H100 за 8 млн ₽ при загрузке 70% даёт токен в 6–8 раз дешевле API за 24 месяца
• Меньше 5000 запросов в день: локальная модель не окупается, дешевле остаться на API

Три причины интереса к self-hosted: штрафы за утечку, оплата иностранных API через посредников, открытые модели догнали платные на русском.

Точка окупаемости · загрузка GPU от 50% для компактных моделей и от 10% для крупных. Бюджеты по классам: 250–400 тыс. ₽ за сервер на игровой видеокарте, 2–4 млн за конфигурацию на H100, 8–15 млн за enterprise, 40–60 млн за кластер под крупнейшую открытую модель. Главная скрытая статья · инженер на 250–400 тыс. ₽ в месяц; без него сервер возвращают на API через три месяца.

Локальная LLM · не разовая покупка, а инфраструктурное решение с операционкой и людьми.

• Конверсия из обращения в сделку в типовой B2B-воронке 7%; сгорает 93% маркетингового бюджета
• 90% звонков остаются без анализа, ручной выборочный контроль покрывает 2–3% диалогов
• Два менеджера с одинаковым продуктом и потоком закрывают 40% и 10% лидов, разница внутри разговора
• 800 обращений в разобранном примере дали 56 сделок

CRM рисует ровную лестницу этапов, но причину потери не показывает. У каждого этапа типовая причина: лид без бюджета, не распознанный вовремя; один звонок вместо серии; невыявленная потребность; отправленное и забытое КП; неотработанное возражение по цене.

Звонок · чёрная дыра аналитики: решения принимаются по случайной выборке, а разница между менеджерами внутри разговора. CRM создана для фиксации фактов, а не поиска причин; ручное прослушивание слишком медленное, поэтому автоматический разбор всех звонков: единственный способ увидеть, в каком диалоге теряются деньги.

• 2,8 трлн параметров, из них 104 млрд активных на токен: 16 экспертов из 896
• 78,4% на SWE-bench Pro, выше GPT-5.6 (77,9%) и GLM 5.2 (71,6%), чуть ниже Claude Fable 5 (80,1%)
• 1 млн токенов контекста, примерно 750 тысяч слов
• Полной версии нужно 594 ГБ – 1,56 ТБ VRAM; дистиллят 8B запускается на одной RTX 3090

Механизм MoE автор сравнивает с консилиумом врачей: зовут профильных специалистов, а не всех подряд: экономия памяти и мощностей без потери качества. Kimi Delta Attention удерживает начало документа на длинных сессиях, для повседневных задач есть версия с окном 256 тысяч; модель мультимодальна без сторонних конвертеров.

Две недели на реальных задачах: часовую запись митапа и 300-страничный отчёт модель разобрала с таймкодами за 40 секунд, на поиске багов показала уровень крепкого мидла. Цена: $3 за миллион входящих токенов, $15 за исходящие, повторное обращение к контексту 30 центов.

• 753 млрд параметров (MoE, 40 млрд активных на токен), лицензия MIT, контекст 1 млн токенов
• FrontierSWE: 74,4% против 72,6% у GPT-5.5; Terminal-Bench 2.1: 81 · первая открытая модель выше 80%
• $1,4/$4,4 за миллион токенов, в 4–6 раз дешевле закрытых моделей сравнимого класса
• IndexShare снижает вычислительные затраты на длинном контексте в 2,9 раза

Релиз 17 июня 2026 года: полные веса под MIT, можно дообучать и использовать в коммерческих продуктах без ограничений; выход до 128 тысяч токенов.

Ядро позиционирования · длинные автономные задачи. FrontierSWE: 75,1% у Claude Opus 4.8 для сравнения. LMArena · второе место в мире, Design Arena · первое.

Модель поддерживается vLLM и Ollama и совместима с агентными средами. Смысл релиза: открытая модель топ-уровня снимает зависимость от облачного провайдера и позволяет вести обработку на своём железе.

• 88% организаций используют ИИ хотя бы в одной функции, но лишь 39% видят влияние на прибыль (McKinsey)
• ~40% файлов, загружаемых в генеративные AI-сервисы, содержат персональные или платёжные данные (LayerX)
• GPU с загрузкой ~10% обходится до 10 раз дороже за токен, чем работающий на полную мощность
• Мировые расходы на ИИ в 2026 году $2,59 трлн (+47% за год), более 45% на инфраструктуру (Gartner)

Три движущие силы перехода на приватные LLM: контроль данных, стоимость на масштабе, комплаенс. Проблема данных структурнее, чем «сотрудник вставил секрет в чат-бот»: файлы уходят через личные аккаунты, и каждый промпт в публичный API покидает периметр; в 2025 исследователи показали бескликовую утечку из корпоративного ассистента на базе Microsoft 365.

Амортизация, питание и охлаждение платятся в любом случае, поэтому свой контур выигрывает при больших предсказуемых объёмах, API · при пиковых и экспериментальных; дефолт большинства · гибрид. Комплаенс становится свойством архитектуры: локализация данных и журналирование доступа: часть системы, а не аттестация стороннего провайдера.

• Типовая картина: 300 заявок в рекламном кабинете, 120 звонков в телефонии, 42 сделки в CRM, связи нет
• CPO считает стоимость закрытой сделки, а не заявки: канал с лидами без оплат виден сразу
• Без учёта звонков часть выручки остаётся вне отчёта: в B2B звонки часто закрывают сделку
• Высокий LTV оправдывает более высокую стоимость привлечения клиента

Сквозная аналитика объединяет четыре контура: рекламные системы с UTM-метками, поведение на сайте, коллтрекинг, сделки в CRM. След клиента сшивается в цепочку от первого клика до оплаты; разрыв в любом звене (неразмеченная ссылка, не переданный идентификатор звонка) искажает весь отчёт.

ROI считается по реальным продажам из CRM, а не по заявкам. Четыре пути внедрения для МСБ: готовые сервисы, связка аналитики и CRM с ручной сводкой, собственная BI-система, CRM со встроенной аналитикой источников. Управление строится вокруг прибыли по каналу, а не вокруг кликов и лидов.

• GLM 5.2 открытая модель №1: 51 балл в индексе Artificial Analysis, ~5 пунктов до лидера Claude Fable 5
• Отставание открытых моделей от закрытых держится в пределах 3–6 месяцев уже более полутора лет и не растёт
• DeepSeek V4 Flash: 79,0% на SWE-bench Verified при цене $0,14/$0,28 за миллион токенов

Для компаний с масштабным использованием ИИ перенос нагрузки с закрытых моделей на открытые: прямой источник экономии.

Нюанс по DeepSeek: API первого эшелона сохраняет данные для обучения, западные хостинги без такой практики примерно вдвое дороже. Релиз GLM 5.2 пришёлся на дни после экспортных ограничений США, что добавило внимания открытым моделям как страховке от зависимости.

Дополняют картину MiniMax M3 · единственная в четвёрке с нативным пониманием изображений и видео при цене ~10 центов и $1,2 за миллион токенов, и NVIDIA Nemotron 3 Ultra, сильнейшая открытая модель из США с полностью открытой лицензией. Выбирать надо под комбинацию цены, качества и модальности; настоящая проверка · тест на своих задачах.

• 80% корпоративных приложений встраивают AI-агента, но лишь 31% организаций запустили агента в продакшен
• 88% пилотов с агентами не доходят до продакшена, сквозная конверсия 12%
• Производство: 27% компаний имеют агентов в проде против 47% в банках и страховании
• Без автоматических проверок агентов откатывают в 47% случаев, с полным покрытием тестами в 9%

Разрыв между «встраивают» и «довели до продакшена»: 49 пунктов, место, где оседает бюджет и разочарования.

По отраслям после банков идёт софт (44% компаний с агентами в проде). По функциям · поддержка клиентов (62% компаний) и разработка (53%); маркетинг и исходящие продажи 41% с самой быстрой окупаемостью: медианные 3,4 месяца. 41% внедрений окупаются за год, 22% дают отрицательный ROI, почти всегда из-за размытой задачи и отсутствия замеров, а не слабой модели.

Профиль 12% дошедших до продакшена: у 94% есть владелец с бюджетом и измеримой целью, 87% гоняют автотесты перед каждым изменением, 81% ограничили агента одним процессом. Прогноз на 2027: 48–55% компаний с агентами в проде.