Открытые ИИ-модели 2022–2026: полный путеводитель для бизнеса

Открытая модель (open-weights) — это нейросеть, чьи обученные веса разработчик выложил в открытый доступ: их можно скачать, запустить на своём сервере и дообучить под свою задачу по условиям лицензии. От открытого кода это отличается принципиально: открытый код — это программа, которая запускает или обучает модель, а веса — результат обучения, сама «память» нейросети. Бывает, что код открыт под MIT, а веса выложены только для исследований. Для бизнеса важно именно второе: без весов ничего не запустить у себя. Все семейства, о которых я пишу ниже, собраны в каталоге открытых ИИ-моделей: там 484 семейства с датами выпусков, размерами, лицензиями и требованиями к железу.

Как менялся рынок: 2022 → 2026

Удобнее всего смотреть на рынок через выпуски версий. В каталоге за 2022 год отмечено 55 выпусков, за 2023-й — 186, за 2024-й — 366, за 2025-й — 562, а за девять месяцев 2026-го уже 339. Ещё 35 выпусков приходятся на 2019–2021 годы: это ранние, но до сих пор рабочие модели вроде Sentence Transformers для смыслового поиска, русских энкодеров ruBERT и rubert-tiny или LaMa для удаления лишних объектов с фото. Разберу, что было главным в каждом году.

2022: первые модели, которые можно взять себе

Год, когда открытые модели вышли за пределы лабораторий. В августе вышла Stable Diffusion 1.4, в октябре — 1.5: генерация картинок впервые стала доступна на обычной видеокарте. В сентябре OpenAI выложила Whisper — распознавание речи, которое до сих пор остаётся стандартом для расшифровки звонков. Среди языковых моделей — OPT от Meta* в мае и BLOOM в июле. Россия тоже отметилась: в январе Сбер выложил ruCLIP для поиска картинок по русским подписям, весной — многоязычную mGPT на 61 язык, позже — Kandinsky 2.0. Яндекс открыл YaLM-100B (семейство YandexGPT), а Silero выпустил синтез речи v3 в pip-пакете.

2023: год LLaMA и открытых чат-моделей

В феврале вышла LLaMA, в июле — Llama 2 (семейство Llama), и вокруг неё выросла огромная экосистема дообучений. В сентябре появилась Mistral 7B, в декабре — Mixtral 8x7B (Mistral). В августе стартовал Qwen от Alibaba, в ноябре — первая DeepSeek LLM (DeepSeek). Рядом с текстом росли и другие направления: SDXL 1.0 для картинок, SAM для выделения объектов, LLaVA — модель, которая понимает картинку и текст, MusicGen для музыки, XTTS v2 для клонирования голоса и погодная Pangu-Weather. Для русского языка 2023-й дал первую волну: Сбер выложил ruGPT-3.5 13B и FRED-T5, Илья Гусев начал выпускать Saiga, а Alpha Cephei обновила офлайн-распознавание Vosk.

2024: открытые модели догоняют коммерческие

Llama выпустила сразу четыре поколения, Qwen прошёл путь от Qwen1.5 до Qwen2.5, Google открыл Gemma, Microsoft — Phi-3 и Phi-4 (Phi). В августе вышел FLUX.1, в декабре — DeepSeek-V3 и HunyuanVideo. Для поиска по документам вышла многоязычная BGE-M3, для биологии — AlphaFold 3 с некоммерческими весами. Для русского год оказался поворотным: Сбер выложил GigaAM, GigaChat 20B-A3B (GigaChat) и эмбеддинги FRIDA и Giga-Embeddings (Giga-Embeddings), Т-Банк — T-Lite / T-Pro 1.0 (T-Pro), МТС AI — Cotype Nano, VK — переводчики kazRush, а команда Vikhr начала выпускать русскоязычные дообучения.

2025: рассуждающие модели и взрыв направлений

Год открыл DeepSeek-R1 в январе — рассуждающая модель в открытом доступе. Дальше вышли Gemma 3, Qwen3 и Llama 4, летом — Kimi K2 и GLM-4.5 (GLM), в августе OpenAI выложила gpt-oss. Видео стало реальностью благодаря Wan 2.1 и 2.2, документы — благодаря DeepSeek-OCR и PaddleOCR-VL, поиск — благодаря Qwen3 Embedding и Reranker. Российские разработчики выпустили YandexGPT-5-Lite-8B, T-Pro 2.0, потоковую T-one для телефонии, GigaAM-v3, Silero TTS v5, Kandinsky 5.0, модели-судьи POLLUX, речевую Borealis от Vikhr, а Авито вышел на рынок с A-Vibe и A-Vision.

2026: январь–сентябрь

Темп не снижается: 339 выпусков за девять месяцев, больше всего в январе — 59. В январе вышли Kimi K2.5, FLUX.2 [klein], LTX-2 (LTX-Video), речевые Qwen3-ASR и Qwen3-TTS, GLM-OCR и погодная AIFS 2.0 от ECMWF. В феврале — Qwen3.5, GLM-5, MiniMax-M2.5 (MiniMax) и модель ДНК Evo 2 20B (Evo). В марте Сбер выпустил GigaChat3.1 в размерах 10B и 702B, вышли Mistral Small 4 и Nemotron 3 Super (Nemotron).

Апрель стал самым плотным месяцем для языковых моделей: DeepSeek-V4, Gemma 4, Qwen3.6, Kimi K2.6 и Granite 4.1 (Granite). Летом вышли Nemotron 3 Ultra, Cosmos 3 (Cosmos), GigaChat3.5 432B-A28B, GigaChat3.1-Audio, T-Search 36B-A3B, GigaAM Multilingual, Kimi K3, Inkling, Qwen3.8, Muse Glimmer 30B и Qwen-Drive для беспилотников. В августе Google DeepMind перевела веса GraphCast и WeatherNext на лицензию, разрешающую коммерцию. В сентябре Яндекс выложил AliceAI-Foundation-80B-A3B-Base и AliceAI-T5, Сбер — GigaChat3.5 Reasoning и диффузионный прототип Zarya, вышли DeepSeek-V4.1-Flash, Qwen-Image-2.1 и EVIE для поиска по сканам.

37 направлений: что умеют открытые модели

Направления разложены по тем же пяти группам, что и фильтр в каталоге. Одно семейство может попадать в несколько направлений, поэтому сумма в последних столбцах (703) больше числа семейств (484). Внутри группы строки отсортированы по числу семейств.

Текст и код — 182 семейства

Направление	Что делает для бизнеса	Примеры семейств	В каталоге
Текст	Чат-боты, ответы клиентам, работа с базой знаний	Qwen, GigaChat, Llama	106
Код	Помощь разработчикам, автоматизация	Qwen-Coder, Devstral, Kodify-Nano	34
Математика и рассуждения	Пошаговые решения, расчёты, проверка логики	QwQ, OpenThinker, DeepSeek-Math	25
Разбор текста	Классификация обращений, тональность отзывов, извлечение имён, сумм и дат	GLiNER, rubert-tiny, Meno	19
Агенты для компьютера	Модель смотрит на экран и кликает: формы, браузер, старые программы	UI-TARS, OpenCUA, Fara	17
Модерация и безопасность	Фильтр опасных запросов к боту, защита от взлома через промпт, скрытие персональных данных	Qwen3Guard, Llama Guard, OpenAI Privacy Filter	15
Перевод	Перевод каталогов, сайтов, переписки с поставщиками	MADLAD-400, Hunyuan-MT, kazRush	12
Текст в SQL	Вопрос обычными словами превращается в запрос к базе: отчёты без аналитика	Arctic-Text2SQL, XiYanSQL, OmniSQL	5
Проверка фактов и оценка ответов	Ловят выдуманные ответы бота и ставят балл качеству перед запуском	HHEM, Prometheus 2, POLLUX	5

Документы и поиск — 70 семейств

Направление	Что делает для бизнеса	Примеры семейств	В каталоге
Поиск и RAG	Смысловой поиск по документам компании	Giga-Embeddings, BGE-M3, Qwen3 Embedding	33
Документы и OCR	Распознавание сканов, счетов, таблиц	PaddleOCR-VL, DeepSeek-OCR, MinerU	27
Табличные данные	Прогноз оттока, скоринг заявок, заполнение пропусков без долгого обучения	TabPFN, TabICL, Mitra	7
Реранкеры	Переставляют найденные фрагменты по реальной близости к вопросу, чтобы бот отвечал точнее	BGE Reranker, mxbai, Jina Reranker	4
Поиск по сканам документов	Находят нужную страницу PDF или скана как картинку, без распознавания текста	ColPali, ModernVBERT, EVIE	4

Картинки и видео — 189 семейств

Направление	Что делает для бизнеса	Примеры семейств	В каталоге
Картинка + текст	Понимание фото, скриншотов, схем	Qwen-VL, InternVL, A-Vision	66
Видео	Ролики из текста и картинки	Wan, LTX-Video, HunyuanVideo	35
Компьютерное зрение	Подсчёт, поиск и выделение объектов на камерах	YOLO, SAM, RF-DETR	33
Картинки	Генерация изображений для карточек и рекламы	FLUX, Kandinsky, Qwen-Image	27
Обработка фото	Удаление фона, увеличение, реставрация, чистка кадра для каталога	BiRefNet, Real-ESRGAN, LaMa	19
Аватары	Говорящие головы, оживление фото	LivePortrait, MuseTalk, InfiniteTalk	14
3D	3D-модели товаров по фото	TRELLIS, Hunyuan3D	14
Примерка одежды	Вещь с фото товара переносится на фото человека	FASHN VTON, CatVTON, OmniTry	10
Лица	Распознавание лиц на входе, генерация картинок с лицом конкретного человека	InsightFace, PuLID, InstantID	6

Речь и звук — 89 семейств

Направление	Что делает для бизнеса	Примеры семейств	В каталоге
Синтез речи	Озвучка, голосовые ответы, клонирование голоса	Silero, CosyVoice, Qwen3-TTS	31
Музыка и звук	Фоновая музыка, джинглы, звуки	ACE-Step, Stable Audio	22
Речь в текст	Расшифровка звонков и встреч	Whisper, GigaAM, T-one	20
Голос: спикеры и звук	Кто говорит в записи, шумоподавление, эмоции по голосу	pyannote, Silero VAD, модели на Dusha	18
Голосовые ассистенты	Живой голосовой диалог в реальном времени	Qwen Omni, MiniCPM-o, Moshi	14

Отрасли и наука — 59 семейств

Направление	Что делает для бизнеса	Примеры семейств	В каталоге
Медицина	Помощь врачу: тексты, снимки, черновики заключений	MedGemma, Lingshu, HuatuoGPT	18
Роботы	Управление манипуляторами и роботами	GR00T, openpi, SmolVLA	10
Прогнозы	Спрос, продажи, нагрузка по временным рядам	Chronos, TimesFM, Toto	7
Погода и климат	Свой прогноз для логистики, энергетики, агро и стройки за секунды	Aurora, AIFS, GraphCast	7
Спутниковые снимки и гео	Контроль полей, вырубок, паводков и гарей по снимкам Sentinel и Landsat	Prithvi, TerraMind, OlmoEarth	5
Биология и химия	Структура белков и молекул для фармы и биотеха	Boltz, ESM, OpenFold	5
Финансы	Тон финансовых новостей, разбор отчётов, прогноз биржевых свечей	FinBERT, Fin-R1, Kronos	3
Кибербезопасность	Разбор уязвимостей и инцидентов внутри периметра, защита ИИ-агентов от атак	Foundation-Sec, Llama-Primus, AprielGuard	3
Автономное вождение	Разработка и проверка систем помощи водителю	openpilot, Qwen-Drive, Alpamayo	3

Что появилось в каталоге нового

Одиннадцать направлений добавились с прошлой версии путеводителя. Для обычного бизнеса практичнее всего три. Текст в SQL — руководитель спрашивает «сколько заказов было в августе по филиалам», а модель пишет запрос к базе. XiYanSQL и OmniSQL под Apache 2.0, у XiYanSQL есть малая версия 3B, а SQLCoder под CC-BY-SA требует открывать свои дообученные веса. Проверка фактов закрывает главный страх перед ботом: HHEM на 110M работает на процессоре и отмечает ответы, которые не опираются на исходный текст. Реранкеры и поиск по сканам делают базу знаний точнее — о них отдельный раздел ниже.

Отраслевые направления нужнее узким командам. Погодные модели вроде Microsoft Aurora под MIT считают прогноз за секунды вместо часов на суперкомпьютере, а AIFS работает у ECMWF в оперативном режиме. Спутниковые Prithvi и TerraMind под свободными лицензиями подходят для агромониторинга (см. спутниковый мониторинг сельского хозяйства). В кибербезопасности модели Cisco и Trend Micro построены на Llama 3.1, поэтому на них действует и её лицензия. А модели для вождения — инструмент разработчиков: Alpamayo строит траекторию и объясняет решение, но это не готовый автопилот.

Лица: почти всё некоммерческое

Из 6 семейств направления «Лица» пять только некоммерческие, у шестого условия. InsightFace — самый распространённый открытый набор для распознавания лиц: код под MIT, но все готовые веса только для некоммерческих исследований, коммерческая лицензия по запросу. На нём стоят и генераторы с сохранением лица: InstantID, IP-Adapter-FaceID и InfiniteYou некоммерческие, LVFace тоже. У PuLID сами веса под Apache 2.0, но версия для FLUX подчиняется некоммерческой FLUX.1 [dev], а распознаватель InsightFace — исследовательский. Даже в аватарах это всплывает: у LatentSync встроенный детектор лиц InsightFace для бизнеса нужно заменить. К тому же лицо — это биометрия, и для неё в России свои требования (подробнее — в статье про распознавание лиц на открытом SDK).

Примерка одежды: смотрите на лицензию до пилота

Из 10 семейств примерки в каталоге 7 только некоммерческие: IDM-VTON, CatVTON, OOTDiffusion, FitDiT, StableVITON, FastFit и Any2AnyTryon. У двух условия: Leffa под MIT, но обучена на наборах с некоммерческими условиями, а OmniTry требует базовую FLUX.1 Fill [dev] с некоммерческой лицензией. Без оговорок в коммерцию можно только FASHN VTON под Apache 2.0. Демо на CatVTON можно показать за вечер, а ставить его в карточки маркетплейса нельзя. Как устроена сама примерка — в статье про виртуальную примерку на CatVTON.

Медицина: инструмент для врача, а не вместо него

Медицинских семейств в каталоге 18: MedGemma читает тексты и снимки, CheXagent готовит черновик заключения по рентгену, Hulu-Med работает и с 3D-исследованиями. Они разгружают рутину, но решения по диагнозу и лечению принимает специалист. Лицензии пёстрые: 6 семейств свободные, у 9 условия (у MedGemma — собственные условия Google), 3 только некоммерческие, среди них Clinical Camel.

Поиск по документам и RAG: из чего собирается

Бот, который отвечает по регламентам, прайсам и договорам, — это не одна модель, а цепочка из трёх-четырёх. Все звенья есть в каталоге в открытом виде.

1. Эмбеддинги. Модель превращает каждый фрагмент документа в вектор, и поиск идёт по смыслу, а не по словам. Для русского хорошо работают FRIDA и Giga-Embeddings от Сбера (летом вышли версии 0826 от 480M до 10B-A1.8B), USER от VK, многоязычные BGE-M3, multilingual-e5 и Qwen3 Embedding. Для слабого сервера без видеокарты — Sentence Transformers. Основные версии BGE рассчитаны на английский и китайский, для русского берут BGE-M3.

2. Реранкер. Поиск по векторам быстро находит 20–50 кандидатов, но порядок у них грубый. Реранкер перечитывает каждую пару «вопрос — фрагмент» и оставляет лучшие. BGE Reranker v2-m3 лёгкий и многоязычный, его ставят в пару к BGE-M3; реранкеры mxbai v2 работают на 100+ языках, включая русский; реранкер есть и в семействе Qwen3. У Jina Reranker свежие версии только некоммерческие.

3. Поиск по сканам — если документы в картинках. Вместо распознавания каждой страницы ColPali / ColQwen, ModernVBERT и EVIE ищут страницу как изображение, вместе с таблицами и схемами. Оговорка: ColPali и ModernVBERT обучены на английском, у EVIE русский не заявлен, так что на русских сканах их нужно проверять, а надёжнее пока связка OCR плюс эмбеддинги.

4. Модель ответа и проверка. Найденные фрагменты читает языковая модель: Qwen, GigaChat, T-Pro или компактная Meno, сделанная именно для ответов по базе знаний на русском. На выходе можно поставить HHEM или малые версии MiniCheck, чтобы отсеять ответы, не подтверждённые документами. Как собрать всё это у себя, я разбирал в статьях про RAG на своих документах локально и векторные базы для RAG.

Модели с сильным русским языком

В каталоге 32 семейства из России (25 свободных, 7 с условиями), а явная поддержка русского заявлена у 100 семейств. Для текста это GigaChat от Сбера — от лёгкой 10B-A1.8B до флагманов до 702B, всё под MIT; в июле вышла GigaChat3.1-Audio, которая понимает звук и записи до двух часов. YandexGPT / AliceAI обучены с нуля с упором на русский; новые AliceAI-Foundation 80B-A3B и экономичная AliceAI-T5 35B-A0.6B выложены под Apache 2.0 как база для дообучения. T-Pro / T-Lite от Т-Банка — дообучения Qwen под русский, а T-Search 36B-A3B — агент для многошагового поиска на русском и английском. Vikhr дообучает Mistral, Qwen и Llama под русский, а его Borealis распознаёт и понимает русскую речь.

В 2024–2026 годах к Сберу, Яндексу и Т-Банку присоединились новые разработчики. A-Vibe от Авито построена на Qwen3-8B, но со своим токенизатором: русский текст генерируется на 15–25% быстрее, модель умеет вызывать функции. Её зрячая пара A-Vision описывает фото и читает надписи. МТС AI выложила Cotype Nano на 1,5B с версией для процессора и помощника программиста Kodify-Nano с плагинами для VS Code и JetBrains. У Cotype Nano в метаданных Hugging Face указана лицензия other, поэтому файл лицензии стоит прочитать до запуска. Meno Ивана Бондаренко из НГУ сделана для работы с документами: ответы по базе знаний и извлечение фактов. А Zarya от Сбера пишет текст блоками через диффузию — это исследовательский прототип, для рабочих систем авторы его не рекомендуют.

Рядом — дообучения сообщества: Saiga Ильи Гусева (лицензия наследуется от базовой модели), RuadaptQwen из НИВЦ МГУ, которая генерирует русский текст до двух раз быстрее исходного Qwen, и ruGPT-3.5 — база, из которой вырос GigaChat. mGPT знает 61 язык, включая языки народов России.

Для разбора русского текста хватает процессора. FRED-T5 пересказывает и исправляет орфографию, ruBERT и ruRoBERTa служат основой классификаторов, rubert-tiny весит 12–29 миллионов параметров. На нём же построены готовые русские классификаторы токсичности, тональности и эмоций, которые работают за миллисекунды. RuModernBERT и USER от VK читают длинные тексты и дают векторы для поиска. Для судейства на русском есть POLLUX от Сбера: модели от 4B до 32B ставят балл ответам других нейросетей и объясняют оценку. ruCLIP ищет картинки по русскому описанию, а kazRush от VK на 197M переводит между казахским и русским на обычном процессоре.

Для речи — GigaAM (одна из самых точных моделей для русской речи, в июле вышла многоязычная версия с казахским, киргизским и узбекским), T-one для телефонии без видеокарты, Vosk для офлайн-распознавания и Silero для лёгкого синтеза. Silero VAD весом около 2 МБ отличает голос от тишины и нужен почти в каждом голосовом боте. ESpeech-TTS клонирует голос на русском, но построена на архитектуре F5-TTS с некоммерческими официальными весами — здесь нужен юрист. Модели на датасете Dusha определяют эмоцию по голосу: нейтрально, злость, позитив, грусть. Для картинок и видео — Kandinsky.

Из зарубежных семейств русский явно указан у Qwen, Whisper, E5, Qwen3 Embedding, Omnilingual ASR, CosyVoice, VoxCPM, PaddleOCR-VL и Qwen3Guard. Обратное тоже бывает: у Kokoro и Parler-TTS русского нет. Для перевода в коммерции подходят MADLAD-400 и OPUS-MT, а NLLB-200 только некоммерческая (см. нейросеть для перевода).

Лицензии: что можно в коммерцию

В каталоге семейства разделены на три группы. Можно в коммерцию — 288 семейств: Apache 2.0, MIT и похожие свободные лицензии, например GigaChat, gpt-oss, Wan. Коммерция с условиями — 145 семейств. Только некоммерческое — 51 семейство, среди них Coqui XTTS, Seamless, NLLB-200, CodeFormer, большинство моделей примерки одежды и лиц. Доля некоммерческих выросла: новые направления часто выходят из лабораторий с лицензиями только для исследований.

Условия во второй группе бывают очень разными:

• Порог по выручке. У Stable Audio бесплатно для компаний с выручкой до 1 млн долларов в год, у LFM — до 10 млн долларов.
• Ограничение по территории. Лицензия Tencent у HunyuanVideo не действует в ЕС, Великобритании и Южной Корее.
• Обязанность открыть свой код. YOLO под AGPL-3.0: код продукта придётся открыть или купить корпоративную лицензию.
• Запрет на отрасль. OlmoEarth бесплатна и для бизнеса, но лицензия запрещает военное применение, слежку и добычу полезных ископаемых — нефти, газа, руды. Для горнодобывающей компании это закрытая дверь, а Prithvi и TerraMind со свободными лицензиями такого запрета не имеют.
• Некоммерческие веса при открытом коде. У InsightFace код MIT, а веса исследовательские. Модели вызова функций xLAM от Salesforce сильны в тестах, но выложены под CC-BY-NC 4.0 — для агента в продукте не подходят. У AlphaFold 3 веса только для некоммерческих организаций, открытые аналоги — Boltz и OpenFold3.

Отдельная ловушка — разные лицензии внутри семейства и их смена со временем. У FLUX версии [schnell] и [klein] 4B под Apache 2.0, а [dev] некоммерческие. У TimesFM версии до 2.5 под Apache 2.0, а 3.0 — уже некоммерческая. Бывает и наоборот: веса GraphCast раньше были некоммерческими, а с 6 августа 2026 года выложены под CC-BY 4.0. Поэтому смотреть надо на лицензию конкретной версии на дату внедрения. Подробно — в разборе лицензий открытых моделей. Я даю инженерную проверку, а финальное решение принимает юрист.

Какое железо нужно

В каталоге у каждой модели отмечено, на каком классе железа запускаются её версии. Один и тот же Qwen есть и в версии для ноутбука, и во флагмане для кластера, поэтому классы пересекаются.

Ноутбук или обычный ПК (до 8 ГБ видеопамяти) — версии есть у 356 семейств. Сюда попадают распознавание речи Whisper, GigaAM и T-one, Silero VAD, маленькие языковые SmolLM и Cotype Nano, эмбеддинги и реранкеры, проверка фактов HHEM, поиск по сканам ModernVBERT, почти все модели для обработки фото, разбора русского текста и табличных данных.

Одна видеокарта на 16–80 ГБ — версии есть у 354 семейств. Это gpt-oss, T-Pro, A-Vision, Muse Glimmer 30B, генерация картинок FLUX и видео Wan, погодные модели вроде ACE2.

Кластер из нескольких видеокарт — нужен для флагманов 82 семейств: DeepSeek, Kimi, GigaChat 702B. Только кластер требуют всего 5 семейств, например Inkling. Для большинства бизнес-задач такие размеры не нужны. Как посчитать память под модель — в статье сколько железа нужно локальному ИИ, про выбор видеокарты — в материале о GPU для локального ИИ.

Как выбрать модель под задачу

Я иду по пяти шагам и не начинаю с рейтингов.

1. Задача. Отвечать клиентам, расшифровывать звонки, разбирать сканы, искать по базе знаний, строить отчёты из базы. От этого зависит направление из таблиц выше, и выбор сужается с 484 семейств до одного-двух десятков.

2. Язык. Для работы на русском в приоритете семейства, где русский заявлен явно или ради него модель и делалась.

3. Лицензия. Проверяю лицензию конкретной версии под сценарий заказчика, до установки, включая лицензии базовых моделей и встроенных компонентов вроде детектора лиц.

4. Железо. Выбираю размер под то, что есть у заказчика: версия на одной видеокарте часто полезнее флагмана для кластера.

5. Проверка на своих примерах. Беру двух-трёх кандидатов и прогоняю на реальных письмах, звонках, документах. Для текстовых задач оценку можно частично автоматизировать моделью-судьёй. Подробнее о шорт-листе под русский — в статье какой локальный LLM выбрать, а о выборе между базой знаний и дообучением — в разборе RAG или дообучение.

Как я ставлю модель заказчику

Начинаю с задачи и данных: что должна делать модель, на каком языке, какие данные нельзя выпускать из компании. Подбираю два-три семейства из каталога, сверяю лицензии и разворачиваю модель на арендованном сервере, на железе заказчика или в закрытом контуре без интернета. Специфику бизнеса модель получает через базу знаний с поиском по смыслу или через дообучение LoRA, а последний шаг — встраивание в CRM, 1С, Telegram- или MAX-бота, где сотрудники и клиенты уже работают.

Частые вопросы

Чем открытая модель отличается от ChatGPT или облачного GigaChat?

Облачную модель вы используете через чужой сервер и платите за запросы. Открытую модель можно скачать и запустить у себя: данные не уходят наружу, условия не меняются без вашего ведома. Минус — нужны железо и настройка.

Открытая модель — значит бесплатная для бизнеса?

Не всегда. В каталоге 288 семейств без оговорок для коммерции, 145 с условиями (порог выручки, территория, открытие кода, запрет на отрасль, некоммерческая базовая модель) и 51 только некоммерческое. Скачать можно почти всё, а использовать в продукте — не всё.

Какие открытые модели лучше всего работают с русским?

Для текста — GigaChat, YandexGPT / AliceAI, T-Pro, A-Vibe, Vikhr, Saiga, RuadaptQwen и Qwen. Для речи — GigaAM, T-one, Vosk, Silero. Для поиска — Giga-Embeddings и USER от VK, для классификации — ruBERT, rubert-tiny и готовые классификаторы на нём, для оценки ответов — POLLUX. Окончательный выбор делается тестом на ваших данных.

Какие модели нужны для бота, который отвечает по документам?

Минимум две: эмбеддинги для поиска (например, Giga-Embeddings или BGE-M3) и языковая модель для ответа. Точность заметно поднимают реранкер вроде BGE Reranker и проверка фактов HHEM. Для сканов без текстового слоя нужен OCR или поиск по страницам как по картинкам.

Можно ли использовать открытые модели для распознавания лиц в продукте?

С большой осторожностью. Из 6 семейств направления пять некоммерческие, включая готовые веса InsightFace, на которых построено большинство генераторов с сохранением лица. Для продукта нужна коммерческая лицензия или другая модель, плюс соблюдение правил о биометрии.

Можно ли запустить модель без видеокарты?

Да, у 356 семейств есть версии для ноутбука или обычного ПК. Распознавание речи, синтез, эмбеддинги, классификаторы и небольшие языковые модели работают даже на процессоре, просто медленнее.

Как часто выходят новые версии?

Очень часто: 562 выпуска за 2025 год и 339 за январь–сентябрь 2026-го. Гнаться за каждой новинкой не нужно, важнее, чтобы выбранная версия решала задачу и подходила по лицензии.

Коротко о главном

За четыре года открытые модели прошли путь от единичных выпусков вроде Whisper, Stable Diffusion и BLOOM до сотен версий в год. Сегодня каталог насчитывает 484 семейства в 37 направлениях — от чат-ботов, расшифровки звонков и поиска по документам до погоды, спутниковых снимков и биологии. У российских разработчиков уже 32 открытых семейства: к Сберу, Яндексу и Т-Банку добавились Авито, МТС AI, VK и независимые команды.

Главное при выборе — не громкое имя, а связка из пяти вещей: задача, язык, лицензия конкретной версии, железо и проверка на своих примерах. Лицензия заслуживает отдельного внимания: у 145 семейств есть условия, 51 только некоммерческое, а условия меняются от версии к версии и даже со временем.

Если хотите, чтобы модель подобрали, поставили на ваш сервер или в закрытый контур, дообучили под ваши данные и встроили в CRM, 1С или бота, — я помогу пройти этот путь целиком. Напишите в Telegram, MAX или VK.