Российские нейросети или зарубежные: как выбирать под задачу

«Возьмём GigaChat, он наш» и «возьмём Claude, он умнее» — обе позиции одинаково плохи, потому что обе выбирают модель до того, как сформулирована задача. Разберём, по каким критериям это решается на практике.

Что есть на рынке

Грубо — три группы.

Российские облачные модели. GigaChat от Сбера, YandexGPT от Яндекса, решения от других крупных игроков. Размещены в РФ, оплата в рублях по договору с российским юрлицом, документы для бухгалтерии.

Зарубежные облачные. Claude, GPT, Gemini. Как правило, сильнее на сложных рассуждениях, длинном контексте и работе с инструментами. Сложности с оплатой из РФ и вопросы с передачей данных.

Открытые модели у себя. Llama, Qwen, DeepSeek и другие — разворачиваются на своём железе или в российском облаке. Данные не уходят никуда, но нужны GPU и люди, которые это обслуживают.

Критерии, которые реально решают

1. Что в данных

Если в запросах персональные данные клиентов — вопрос выбора часто закрывается ещё до обсуждения качества. Российское облако или своя модель. Если данных о людях нет, поле выбора шире.

2. Сложность задачи

Задачи очень разные по требованиям к «уму» модели:

• Простые — классифицировать обращение, извлечь поля из текста, переформулировать. Здесь разница между моделями невелика, и переплачивать за топовую незачем.
• Средние — ответы по базе знаний с RAG, черновики документов. Разница появляется, но её часто можно компенсировать хорошим промптом и качественным поиском.
• Сложные — многошаговые агенты, которые сами выбирают инструменты, длинные рассуждения, работа с большим кодом. Тут разрыв заметен сильнее всего.

3. Работа с инструментами

Для агентов критично не «красиво пишет», а насколько надёжно модель вызывает функции: не выдумывает несуществующие, соблюдает схему аргументов, корректно ведёт себя в многошаговом сценарии. Это самое частое место, где выбор упирается не в качество текста, а в зрелость tool use.

4. Деньги и бухгалтерия

Российские сервисы — договор, счёт, закрывающие документы, оплата в рублях. С зарубежными это отдельная логистика, и для многих компаний именно она, а не качество, становится решающим фактором.

5. Стоимость на объёме

На пилоте цена почти не важна. На потоке в тысячи запросов в день разница в тарифе превращается в статью расходов. Считать надо не «за миллион токенов», а на своём реальном трафике: сколько токенов уходит на типичный запрос с учётом системного промпта и найденного контекста.

Как выбрать без гаданий

Единственный честный способ — собрать маленький набор своих задач и прогнать по нему кандидатов. Не по обзорам и не по бенчмаркам: бенчмарк меряет среднюю температуру, а вам нужна ваша конкретная задача на вашем языке и ваших документах.

Рабочая схема:

1. Возьмите 30–50 реальных примеров: обращения, документы, вопросы — то, с чем система будет работать.
2. Сформулируйте, что считается правильным ответом.
3. Прогоните через 2–3 модели с одинаковым промптом.
4. Посчитайте долю приемлемых ответов и стоимость прогона.

Пара дней работы — и решение принимается по цифрам, а не по вкусу. Часто выясняется, что на вашей задаче разница между «топовой» и «средней» моделью — несколько процентов, а разница в цене — кратная.

Чего не стоит делать

Жёстко привязываться к одному провайдеру. Модели меняются, тарифы меняются, доступность меняется. Если обращение к модели спрятано за собственным интерфейсом в коде, замена провайдера — это день работы. Если вызовы конкретного API размазаны по всему проекту — это недели.

Выбирать модель раньше архитектуры. Качество ответов ИИ-ассистента чаще определяется не моделью, а тем, насколько хорошо устроен поиск по вашим данным. Плохой RAG на лучшей модели проигрывает хорошему RAG на средней.

Считать, что «локально» бесплатно. Своя модель — это GPU, обновления, мониторинг и люди. Для небольших объёмов облако почти всегда дешевле; локальное развёртывание оправдано требованиями к данным или очень большим потоком.

Короткий ориентир

• Персональные данные, госсектор, медицина, финансы → российское облако или свой контур.
• Простые массовые задачи → берите то, что дешевле и удобнее по документам; разница в качестве не окупит разницу в цене.
• Сложные агенты, много инструментов, длинный контекст → сильная зарубежная модель, если это позволяют требования к данным; иначе гибрид.
• Всегда → изоляция вызова модели за своим интерфейсом, чтобы поменять провайдера без переписывания системы.

---

Пишу из практики студии MKDGRUPP: подбираем модель под задачу и требования к данным, а не по хайпу, — с прогоном кандидатов на ваших примерах. Обсудить: mkdgrupp.ru/uslugi/ai.