В этой статье
- Технико-экономическое обоснование: можно ли создать ИИ, способный соперничать с Claude и ChatGPT? И сколько это стоит?
- Что на самом деле значит «соперничать с Claude и ChatGPT»?
- Путь первый: передовая модель с нуля — астрономическая стоимость
- Путь второй: суверенная или специализированная модель — крупная стратегическая инвестиция
- Путь третий: построение на основе открытой модели — самый разумный вариант для 99% компаний
- Сравнение трёх путей
- Вариант с открытым исходным кодом подробно: какая модель и как на ней строить?
- Рекомендация экспертов Origami
- Как помогает Origami
- Источники
Технико-экономическое обоснование: можно ли создать ИИ, способный соперничать с Claude и ChatGPT? И сколько это стоит?
Честный ответ экспертов Origami: создание с нуля передовой модели масштаба Claude или ChatGPT стоит от сотен миллионов до более чем миллиарда долларов и реально по силам только мегалабораториям и государствам. Но слово «соперничать» имеет три очень разных значения с точки зрения затрат — и для обычной компании разумный путь стоит лишь крошечную долю этой суммы. В этом исследовании честно разобраны три пути и стоимость каждого.
Что на самом деле значит «соперничать с Claude и ChatGPT»?
Прежде чем говорить о стоимости, нужно определить амбиции, потому что разрыв между путями измеряется тысячами раз:
- Передовая модель с нуля: вы создаёте новый «мозг», который соперничает с новейшими моделями мира во всём.
- Суверенная или специализированная модель: вы создаёте модель меньшего размера или продолжаете обучение открытой модели, чтобы обслуживать язык, отрасль или страну.
- Построение на основе открытой модели: вы берёте готовую открытую модель и адаптируете её к своим данным, чтобы она выигрывала в вашей собственной области.
Путь первый: передовая модель с нуля — астрономическая стоимость
Это самый трудный и самый дорогой путь. По данным Epoch AI, специализирующейся на отслеживании затрат на обучение, стоимость обучения передовых моделей растёт примерно в 2,4 раза в год, а крупнейшие запуски обучения, по прогнозам, превысят один миллиард долларов к 2027 году — что делает их «недоступными для всех, кроме самых обеспеченных организаций». Затраты делятся между оборудованием (47–67%), зарплатами сотрудников НИОКР (29–49%) и энергией (2–6%).
На практике это означает десятки тысяч GPU (H100 стоит около 25 000–40 000 $, B200 — около 30 000–50 000 $), образующих кластер стоимостью в сотни миллионов, плюс исследователей высшего уровня, каждый из которых зарабатывает больше миллиона долларов, огромные наборы данных и годы работы. Итог: это вариант не для компании, а для таких лабораторий, как OpenAI, Anthropic, Google и DeepSeek, или для крупных национальных программ.
Путь второй: суверенная или специализированная модель — крупная стратегическая инвестиция
Здесь вы не конкурируете глобально во всём; вы создаёте модель меньшего размера (или глубоко продолжаете обучение открытой), чтобы преуспеть в каком-то языке или отрасли. Наглядный пример — Саудовская Аравия с её курсом на суверенный ИИ: компания HUMAIN и модель «ALLaM» Саудовского управления по данным и искусственному интеллекту (SDAIA). Этот путь стоит от миллионов до десятков миллионов долларов и требует специализированной исследовательской команды, вычислительного кластера, чистых данных и от 6 до 18 месяцев. Он подходит правительствам и крупным предприятиям со стратегической целью.
Путь третий: построение на основе открытой модели — самый разумный вариант для 99% компаний
Именно здесь находится практический ответ. Вы берёте сильную модель с открытыми весами (DeepSeek V4, Qwen, Llama или GLM) и адаптируете её к своим данным с помощью fine-tuning и генерации с дополненной выборкой (RAG). Вы не обходите ChatGPT во всём — вы обходите его в своей области, на своём языке и на своих данных, а именно это важно для вашего бизнеса. Стоимость здесь падает с «астрономической» до суммы от десятков тысяч до нескольких миллионов риялов в зависимости от амбиций и инфраструктуры, а сроки — от недель до месяцев. Бонус: вы можете разместить модель на собственных серверах, чтобы данные оставались у вас, — это важно в рамках Закона о защите персональных данных (PDPL).
Сравнение трёх путей
| Вариант | Что это | Оценочная стоимость | Сроки | Кому подходит |
|---|---|---|---|---|
| Передовая модель с нуля | Модель масштаба Claude/GPT, созданная с самого основания | От сотен миллионов до более чем миллиарда долларов | Годы | Мегалаборатории и государства |
| Суверенная или специализированная модель | Модель меньшего размера или глубокое продолжение обучения открытой модели | От миллионов до десятков миллионов долларов | 6–18 месяцев | Правительства и крупные предприятия |
| Построение на основе открытой модели | Адаптация открытой модели к вашим данным (fine-tuning + RAG) | От десятков тысяч до нескольких миллионов риялов | От недель до месяцев | Большинство компаний |
Вам редко нужно строить новый двигатель; обычно нужно построить вокруг существующего двигателя правильный автомобиль для своей дороги.
Вариант с открытым исходным кодом подробно: какая модель и как на ней строить?
Поскольку построение на основе открытой модели — правильный путь для большинства компаний, вот практические детали: какие модели выбрать, как на них строить и сколько стоит каждый подход.
Ведущие открытые модели в 2026 году:
| Модель | Разработчик | Чем известна |
|---|---|---|
| DeepSeek V4 | DeepSeek | Самая сильная модель с открытым исходным кодом для агентного программирования — и самая дешёвая |
| Qwen3-Coder | Alibaba | Специализация на коде и многоязычность |
| GLM-5.2 | Z.ai | Программирование на длинном горизонте и контекст в 1M токенов |
| Llama 4 | Meta | Огромная экосистема инструментов и широкая поддержка сообщества |
| Kimi K2 | Moonshot | Длинный контекст и высокая общая производительность |
Как на них строить? Четыре подхода в порядке роста стоимости и усилий:
- 1) Прямое использование + промпт-инжиниринг: вы запускаете модель как есть (через облачный API или на собственных серверах) и управляете ею с помощью продуманных инструкций, вообще без обучения. Самый дешёвый и быстрый вариант — от дней до недель, от тысяч до десятков тысяч риялов.
- 2) Генерация с дополненной выборкой (RAG): вы подключаете модель к своей базе знаний и документам, чтобы она отвечала на основе ваших собственных данных без обучения, — идеально для ассистента по знаниям, который знает ваши продукты и правила. Недели, десятки тысяч риялов.
- 3) Fine-tuning / LoRA: вы обучаете модель на примерах из своей области и в своём стиле, чтобы она освоила вашу конкретную задачу (тон, классификация, формат вывода). От недель до месяцев, от десятков до сотен тысяч риялов.
- 4) Продолженное предобучение: вы подаёте модели большие объёмы данных вашей области или языка, чтобы фундаментально углубить её знания, — самый мощный и самый дорогой вариант, близкий к «суверенному пути». Месяцы, от сотен тысяч и выше.
Собственный хостинг и конфиденциальность: главное преимущество открытых моделей в том, что вы запускаете их на собственной инфраструктуре (в частном облаке или на локальных серверах), поэтому ваши данные никогда не покидают организацию, — это решающий фактор в рамках Закона о защите персональных данных (PDPL). Вам нужны GPU под размер модели (от одной карты для небольших моделей до кластера для крупных), и вы соизмеряете фиксированные затраты на хостинг с оплатой облачного API по мере использования.
Рекомендация экспертов Origami
Не пытайтесь превзойти мегалаборатории в обучении на их же поле — это битва миллиардов. Разумный ход — создать специализированное решение на основе открытой модели, которое выигрывает в вашей области, на вашем арабском языке, в конфиденциальности ваших данных и в вашей стоимости. Этот путь достижим, даёт высокую окупаемость инвестиций и дарит вам «свой собственный ИИ» без счёта на миллиард долларов.
Как помогает Origami
В Origami мы сначала изучаем осуществимость, затем выбираем правильный путь и модель под вашу цель и бюджет, адаптируем модель к вашим данным (fine-tuning + RAG), размещаем её на собственных серверах для полной конфиденциальности и подключаем к вашим системам и агентам через MCP. Цель — ИИ, который конкурирует в вашей области, при реалистичной и тщательно просчитанной стоимости.
Источники
- Epoch AI — стоимость обучения передовых моделей: epoch.ai
- Саудовское управление по данным и искусственному интеллекту (SDAIA): sdaia.gov.sa
Данные о стоимости оборудования — рыночные оценки для GPU NVIDIA на момент публикации и могут измениться.
Частые вопросы
Могу ли я создать модель вроде ChatGPT на бюджет компании?
С нуля — нет: передовая модель стоит от сотен миллионов до более чем миллиарда долларов и доступна только мегалабораториям и государствам. Но вы можете создать «свой собственный ИИ», который конкурирует в вашей области, адаптировав открытую модель к своим данным, — начиная с десятков тысяч риялов.
Какой самый дешёвый путь, чтобы начать?
Строить на основе модели с открытыми весами (например, DeepSeek или Qwen) и адаптировать её с помощью fine-tuning и RAG на ваших данных. Для специализированного ассистента это начинается с десятков тысяч риялов и растёт с объёмом данных, инфраструктурой и собственным хостингом.
Действительно ли адаптированная открытая модель может конкурировать?
Да, но на правильном поле боя: она не обойдёт ChatGPT во всём, но обойдёт его в вашей области, на вашем арабском языке, на ваших собственных данных, в вашей конфиденциальности и в вашей стоимости — а именно это обычно и важно для вашего бизнеса.
Сколько именно стоит передовая модель с нуля?
По данным Epoch AI, стоимость растёт примерно в 2,4 раза в год, а крупнейшие запуски обучения, по прогнозам, превысят миллиард долларов к 2027 году — и это без учёта зарплат на НИОКР (до половины стоимости), инфраструктуры и энергии. На практике: от сотен миллионов до миллиардов, поэтому это доступно лишь немногим из самых обеспеченных организаций.
Следите за Origami в Google
Добавьте Origami в предпочтительные источники, и наши статьи будут показываться вам первыми в Google Поиске и главных новостях.
