Миф о 40-кратной экономии: эксперт GS Labs сравнил open-source и проприетарные LLM

Крупные языковые модели на базе открытого кода в среднем в 40 раз дешевле проприетарных решений по данным исследования Nodul. Эта цифра активно обсуждается на рынке, но отражает лишь стоимость обработки токенов, тогда как совокупная стоимость владения устроена существенно сложнее. В чём фундаментальная разница между подходами и как выбрать оптимальную стратегию для бизнеса, разобрал для «Телеспутника» директор по развитию технологий и искусственного интеллекта GS Labs Ярослав Якимов.

Ключевое различие заключается в модели оплаты. У открытых решений компания платит за аренду сервера, и стоимость токена получается делением аренды на объём сгенерированного текста. У закрытых моделей оплата идёт за факт обращения по фиксированному прайсу. Однако экономия в 40 раз не включает видеокарты, ML-инженеров, мониторинг и обеспечение отказоустойчивости.

«Корректно сравнивать только полную стоимость владения. А дефицитные специалисты и GPU стоят дорого. Собственное развёртывание начинает выигрывать у флагманских API при устойчивом потоке в несколько миллионов токенов в сутки и загрузке видеокарты от 60 %. Ниже этого порога постоянные расходы, как правило, не отбиваются», — пояснил Ярослав Якимов.

При этом существует и обратная ситуация: собственный сервер почти никогда не выигрывает по цене у недорогих облачных хостингов открытых моделей. Неравномерная нагрузка также ломает экономику — видеокарту оплачивают круглосуточно, а реальный трафик идёт лишь несколько часов в день. Главный же аргумент в пользу open-source — не цена, а контроль: над версией, над поведением модели и, что особенно важно, над данными. Для регулируемых отраслей — банков, медицины, госсектора, объектов критической инфраструктуры — этот аргумент часто становится решающим. В России вопрос дополнительно ужесточается с сентября 2026 года, когда вступают в силу первые положения закона о суверенных и национальных моделях ИИ.

«Разумная стратегия — начать на API, измерить реальное потребление и профиль задач, а затем перенести в свой контур тот сценарий, который стал массовым и стабильным. Гибридная схема, когда разные задачи маршрутизируются на разные модели, сегодня тоже считается нормой», — отметил директор по развитию технологий и искусственного интеллекта GS Labs.

Таким образом, выбор между открытыми и проприетарными моделями — это не вопрос одной лишь экономики, а вопрос баланса между стоимостью, контролем, масштабом и регуляторными требованиями. Побеждает тот, кто строит архитектуру модульной изначально, чтобы смена модели или поставщика не превращалась в перестройку всей системы.