Гайд Технологии
Открытые против закрытых
Два года назад выбор был прост: хочешь качество — плати за API. В 2026-м открытые веса догнали закрытый фронтир до дистанции в месяцы, а госпаузы релизов добавили закрытым моделям новый риск. Разбираем без идеологии: где какая сторона выигрывает, что говорит честная экономика и как принять решение за один рабочий день.
Коротко
- Отставание открытых весов от закрытого фронтира сами разработчики оценивают в месяцы, а не поколения: GLM-5.2 называют сильнейшим открытым претендентом на уровень Fable 5.
- Открытые выигрывают там, где решает суверенитет данных, предсказуемость и защита от внешних пауз; закрытые — там, где нужен потолок качества без своей инженерной команды.
- Экономика неочевидна: в реальных замерах self-hosted часто проигрывает API и по скорости, и по цене — open source выбирают за контроль, а не за дешевизну.
- Норма 2026 года — гибрид: закрытый флагман на сложное, открытая модель на поток и чувствительные данные, маршрутизатор между ними.
Карта открытого мира — 2026
«Open source» давно не одна Llama. Четыре силы, которые стоит знать по именам.
Претендент на фронтир
Модель Z.ai, которую независимые сравнения лета 2026-го называют сильнейшим открытым вызовом уровню Claude Fable 5. Именно на неё смотрят команды, которым нужен максимум качества без API-счёта — при готовности содержать свой GPU-контур.
Ценовое давление
Релиз 24 апреля 2026-го; главный аргумент — стоимость для кодинговых и reasoning-нагрузок через дешёвые API-провайдеры. По оценке самой DeepSeek, открытые веса отстают от закрытого фронтира лишь на несколько месяцев по многим бенчмаркам — и это оценка, которую рынок пока не опроверг.
Экосистема и рекорды
Scout держит абсолютный рекорд контекста — 10 миллионов токенов; Maverick — мультимодальная рабочая лошадка, живущая на одном H100 и говорящая на 12 языках. Сила Llama — не в первых строчках бенчмарков, а в крупнейшей экосистеме инструментов, квантованных сборок и людей, умеющих её готовить.
Европейский вариант
Открытая мультимодальная линейка с главным козырем для компаний с европейскими клиентами: данные и деплой в юрисдикции ЕС, совместимость с AI Act. Плюс Qwen и Gemma как сильные ниши — от мультиязычности до лёгких моделей на устройстве.
Почему карта важна: выбор «открытой модели» — это на деле выбор экосистемы. У Llama — максимум готовых инструментов и специалистов на рынке труда; у GLM и DeepSeek — лучшее соотношение качества к требуемому железу, но меньше готовой обвязки; у Mistral — юридический комфорт для Европы. Одинаковых «открытых» не бывает, и команда, которая выбирает веса по одной строчке бенчмарка, обычно платит за это на этапе эксплуатации — временем инженеров на то, что в соседней экосистеме давно решено.
Когда открытые выигрывают
Пять ситуаций, где открытые веса — не компромисс, а правильный ответ. Суверенитет данных: медицинские записи, банковская тайна, гостайна — всё, что юридически не может покинуть контур, закрывается только своим железом; никакой zero-retention договор не равен физическому отсутствию передачи. Предсказуемость: открытая модель не изменится под вами — закрытые API регулярно «тихо» обновляются, и промпты, работавшие вчера, начинают работать иначе. Непрерывность: события лета 2026-го добавили аргумент, которого не было в учебниках, — открытую модель невозможно поставить на государственную паузу или ограничить вам доступ (подробно — в разборе регулирования). Кастомизация: дообучение под узкий домен на своих данных доступно только с весами на руках. И массовый поток: на миллионах однотипных дешёвых запросов цена токена решает больше качества — здесь открытые модели через провайдеров инференса дают лучшую экономику рынка.
Когда закрытые выигрывают
Честный список в обратную сторону. Потолок качества: на самых сложных задачах — длинные автономные проекты, тонкое рассуждение — Fable 5, Opus 5 и GPT-5.6 всё ещё впереди, и месяцы отставания важны, если ошибка дорогая. Отсутствие инженерии: API — это ноль DevOps; свой инференс — это vLLM, квантование, мониторинг, дежурства и минимум один инженер, который всё это любит. Скорость старта: пилот на API запускается за день, свой контур — за недели. И фичи вокруг ядра: кэширование промптов со скидкой до 90%, встроенные инструменты, батч-режимы — обвязка закрытых платформ зрелее, и её пришлось бы строить самим.
Отдельно про иллюзию бесплатности. В показательном замере одной инженерной команды открытая 70B-модель на двух H100 через vLLM давала задержку p95 в 1200 мс при $3.80 в час аренды — против 480 мс и примерно вдвое меньшей эффективной стоимости у закрытой модели среднего класса на том же потоке. Вывод автора замера честен: open source выиграл на суверенитете данных, а не на цене и не на скорости. Наш опыт из кейсов совпадает: до нескольких миллионов токенов в день API почти всегда дешевле — своё железо окупается на больших стабильных объёмах или там, где выбора нет юридически.
Три мифа, которые дорого обходятся
«Открытое — значит бесплатное»
Веса бесплатны, владение — нет. Полная стоимость self-hosted складывается из аренды или покупки GPU, инженерного времени на vLLM и квантование, мониторинга, дежурств и обновлений моделей раз в квартал. В наших кейсах полная цена собственного контура для команды среднего размера начинается от нескольких тысяч долларов в месяц — против сотен на API при тех же объёмах. Открытые модели выбирают за контроль; когда их выбирают ради экономии, обычно ошибаются в расчётах.
«Открытое — значит небезопасное»
Ровно наоборот для главного корпоративного риска: утечки данных. Запрос к модели в своём контуре физически никуда не уходит — это сильнее любого договора с облаком. Реальная слабость открытых развёртываний другая: у весов нет встроенных ограничителей вендора, и ответственность за фильтры, аудит и злоупотребления целиком на вас. Безопасность open source — не свойство, а работа.
«Закрытые всегда умнее»
Верно только на верхнем срезе сложности. На типовых задачах — суммаризация, классификация, извлечение данных, рутинный код — разницу между GLM-5.2 и флагманом ваш пользователь не увидит, а на узком домене дообученная открытая модель регулярно обходит универсальный флагман. Правильная формула: закрытые выигрывают потолком, открытые — соотношением на вашей конкретной задаче. Что выбрать — решает замер, не бренд.
И отдельно про слой, который делает всё это проще: провайдеры инференса. Они продают открытые модели как API — вы получаете экономику открытых весов без своего железа и DevOps. Для большинства команд это правильная первая ступень открытого мира: тот же GLM или DeepSeek по цене заметно ниже флагманских API, переезд на собственный контур — потом, если юристы потребуют.
Норма 2026-го — гибрид
Спор «открытые или закрытые» в зрелых командах закончился ответом «и те и другие». Типовая архитектура из наших кейсов: закрытый флагман на 5–10% сложных запросов, где важен потолок качества; открытая модель — на поток и на всё, что содержит чувствительные данные; между ними маршрутизатор по типу задачи и простое правило эскалации. Такая схема одновременно решает три проблемы: счёт (дорогая модель работает редко), комплаенс (персональные данные не уходят наружу) и устойчивость (пауза или изменение любого вендора не останавливает продукт).
Отдельная выгода гибрида, которую редко считают заранее, — переговорная позиция. Команда с working-запасным маршрутом на открытых весах разговаривает с вендорами API иначе: годовые контракты, скидки за объём и условия zero-retention обсуждаются с позиции «мы можем уйти», и это регулярно окупает все затраты на поддержание запасного контура ещё до всякого форс-мажора. Чек-лист решения на один день. Ответьте на четыре вопроса: есть ли данные, которым юридически нельзя покидать контур (да → открытая часть обязательна); есть ли задачи, где ошибка стоит дороже $50 за миллион токенов (да → закрытый флагман на эскалации); есть ли инженер на инференс (нет → открытая часть через провайдера, не своё железо); превышает ли стабильный поток несколько миллионов токенов в день (нет → начинайте целиком с API). Четыре ответа дают вашу конфигурацию — дальше неделя теста на реальных задачах по методике из рейтинга.
Вопросы, которые нам задают
Догонят ли открытые модели закрытые полностью?
Насколько «открыты» открытые модели?
Что взять для первого self-hosted эксперимента?
И финальный совет из опыта кейсов: пересматривайте решение раз в полгода, не чаще и не реже. Не чаще — потому что миграции стоят дорого, а паника после каждого релиза съедает больше, чем экономит. Не реже — потому что рынок реально движется: за последний год открытые веса прошли путь от «на два поколения позади» до «на месяцы позади», цены закрытых флагманов упали вдвое, а регулирование добавило рисков, которых не было в прошлых расчётах. Конфигурация, оптимальная в феврале, к августу может оказаться просто привычкой — таблица с четырьмя вопросами из этого гайда занимает час и окупает его всегда.
Источники: обзоры открытых моделей и сравнения GLM-5.2/Fable 5 (лето 2026), transparency center DeepSeek (V4, 24.04.2026), документация Meta по Llama 4 (Scout 10M, Maverick), публичный инженерный замер vLLM/H100, наша база кейсов. Рекомендации — редакции.