DeepSeek, Qwen и волна открытых весов
Долгое время история «хорошего ИИ» была историей горстки закрытых фронтирных моделей, которые можно было только арендовать через API. Теперь это уже не вся история. Волна моделей с открытыми весами — многие из которых пришли из китайских лабораторий вроде DeepSeek и Qwen от Alibaba, наряду с Llama от Meta и французской Mistral — стала достаточно хорошей, достаточно дешёвой и достаточно компактной, чтобы скачать и запустить собственную способную модель стало реальным вариантом. Эта страница — устойчивая карта этого ландшафта: почему это произошло, что на самом деле означает «открытые веса», честные компромиссы в сравнении с закрытыми фронтирными моделями и как реально использовать эти модели сегодня.
- Понять, ПОЧЕМУ модели с открытыми весами стали конкурентоспособными — соотношение способность-к-стоимости и открытые рассуждающие модели
- Чётко определить, что на самом деле значит «открытые веса» — против open-source и против открытых данных
- Распознавать архетипы: общий чат, рассуждения, программирование и малые/эффективные модели
- Взвесить реальные компромиссы против закрытого фронтира — разрыв в способностях на самых сложных задачах и владение собственной инфраструктурой и безопасностью
- Знать два способа реально их использовать: размещённый API или самостоятельный хостинг через Ollama
Почему модели с открытыми весами вдруг стали конкурентоспособными
Три вещи сдвинулись примерно в одно и то же время, и вместе они закрыли большую часть повседневного разрыва.
- Соотношение способность-к-стоимости обвалилось. Более совершенные рецепты обучения, курирование данных и архитектуры mixture-of-experts (MoE) (где на каждый токен активируется лишь часть параметров большой модели) позволили лабораториям выпускать модели, которые бьют намного выше своей стоимости. Для значительной доли реальных задач — черновики, суммаризация, извлечение, классификация, рутинное программирование — хорошая открытая модель теперь «достаточно хороша» за долю стоимости фронтирного API.
- Появились открытые рассуждающие модели. Рассуждающая линейка DeepSeek стала поворотным моментом: она показала, что способность «думать шаг за шагом перед ответом» — прежде бывшая рвом нескольких закрытых моделей — может быть обучена и выпущена с открытыми весами. Как только одна лаборатория это доказала, остальная открытая экосистема последовала за ней.
- Малые модели стали по-настоящему пригодны к использованию. Модели менее 10B и даже менее 1B параметров стали связными и полезными, а значит, вы можете запустить нечто способное на ноутбуке или дешёвом сервере. Это меняет экономику приватности, задержки и масштаба.
Чистый эффект: разрыв с закрытым фронтиром не исчез, но для большинства работы он перестал быть решающим фактором. Решающими факторами стали стоимость, контроль и то, где живут ваши данные.
Что на самом деле означает «открытые веса»
Это самый запутанный момент во всём пространстве. «Открытый» несёт большую нагрузку в трёх разных смыслах, и это не одно и то же.
| Термин | Что вы реально получаете | Что вы обычно НЕ получаете |
|---|---|---|
| Открытые веса | Обученный файл модели (веса). Вы можете скачать, запустить, дообучить и разместить его у себя. | Обучающие данные, а иногда и полный код обучения. Использование может регулироваться собственной лицензией. |
| Open source (строго) | Веса плюс код обучения/инференса под лицензией в стиле OSI, со свободой использовать, изменять и распространять. | Всё ещё часто не обучающие данные. |
| Открытые данные | Сами наборы данных, на которых обучалась модель, опубликованные открыто. | Редкость для моделей фронтирного масштаба; большинство «открытых» моделей имеют открытые веса, а не открытые данные. |
Практический вывод: большинство моделей, которые люди называют «open source», на самом деле имеют открытые веса. Вы можете их запускать и адаптировать, но обычно не можете воспроизвести их с нуля, и вы обязаны прочитать лицензию. Лицензии различаются:
- Некоторые выходят под разрешительными лицензиями (Apache 2.0, MIT), которые чисты для коммерческого использования — модели Qwen и Mistral, например, исторически использовали Apache 2.0, а DeepSeek использовала MIT для крупных релизов.
- Некоторые выходят под собственными community-лицензиями с условиями — лицензия Llama от Meta, например, исторически включала пункт, ограничивающий свободное использование для самых крупных компаний (по числу ежемесячных активных пользователей).
Всегда проверяйте лицензию в карточке конкретной модели, прежде чем строить на её основе. Нейтрально, но важно: то, что у модели открытые веса, говорит вам, что вы можете разместить её у себя; это не говорит вам о юридических условиях и не заставляет вопросы лицензирования или резидентности данных исчезнуть — оно перекладывает их на вас.
Четыре архетипа
Семейства с открытыми весами почти всегда приходят как набор вариантов, а не одна модель. Выучите четыре архетипа — и вы сможете читать линейку любой лаборатории с первого взгляда.
Одно семейство — Qwen самый ясный пример — обычно даёт вам всю лестницу: крошечные модели для edge и ноутбуков, среднеразмерные модели для серверов, крупный флагман для самых сложных задач, плюс варианты, специализированные на программировании и рассуждениях. Вы выбираете ступеньку, подходящую вашему железу и задаче, а не «модель».
Честные компромиссы против закрытого фронтира
Модели с открытыми весами — это не строгое улучшение. Это иная сделка. Вот компромисс нейтрально.
| Измерение | Открытые веса (самостоятельный или дешёвый хостинг) | Закрытый фронтир (размещённый API) |
|---|---|---|
| Способность на самых сложных задачах | Сильна и быстро догоняет, но закрытый фронтир обычно всё ещё лидирует на самых сложных рассуждениях, долгосрочных агентных и нишевых задачах | Как правило, потолок на самых трудных задачах |
| Стоимость при масштабе | Может быть драматически дешевле, особенно при самостоятельном хостинге или через бюджетные хостинги | Премиальная цена за токен; предсказуема, но накапливается |
| Приватность / резидентность данных | Вы можете держать данные полностью внутри своей среды | Данные покидают вашу сеть и уходят к провайдеру |
| Контроль и кастомизация | Полный: дообучить, квантизировать, зафиксировать версию, работать офлайн | Ограничен тем, что предоставляет API; версии могут меняться под вами |
| Кто владеет безопасностью и эксплуатацией | Вы — ограждения, фильтрация злоупотреблений, аптайм, масштабирование и патчинг — ваша работа | Провайдер держит инфраструктуру и поставляет базовую безопасность |
Именно последнюю строку люди недооценивают. Когда вы самостоятельно размещаете модель с открытыми весами, вы также наследуете обязанности, которые фронтирная лаборатория обычно берёт на себя за вас: безопасность контента и смягчение злоупотреблений, поддержание развёртывания в актуальном состоянии, ёмкость и аптайм, а также самостоятельную оценку каждой новой версии модели. «Открытые веса» покупают вам контроль, а контроль — это в такой же мере стоимость, как и выгода. Для интуиции о стоимости на стороне API этой сделки см. Экономику токенов.
Как реально использовать открытую модель
Есть ровно два пути, и большинство команд используют оба на разных этапах.
- Размещённый API — многие провайдеры (включая сами лаборатории и сторонние хостинги инференса) обслуживают модели с открытыми весами за API, часто совместимым с OpenAI. Вы получаете экономику открытых моделей при нулевой работе с инфраструктурой. Лучше всего, когда вам нужна низкая стоимость без запуска серверов, но учтите, что ваши данные всё равно покидают вашу сеть.
- Самостоятельный хостинг — скачайте веса и запустите их в своей среде. Максимальная приватность и контроль, и единственный вариант, когда данные действительно не могут покидать вашу сеть. Самый простой путь входа — Ollama, которая скачивает и запускает открытые модели одной командой.
Попробуйте модель локально за четыре шага
- Скачайте её с ollama.com/download (macOS/Windows) или используйте установочный скрипт для Linux. Это даёт вам команду ollama и локальный фоновый сервис. Полное руководство на странице «Запуск моделей локально».
- Меньшим моделям нужно меньше RAM/VRAM. Ноутбук комфортно тянет малые варианты (несколько ГБ); крупным флагманам нужен настоящий GPU или сервер. Начните с малого, чтобы убедиться, что всё работает, затем масштабируйтесь вверх, если качества недостаточно.
- ollama run <model> скачивает веса при первом использовании (несколько ГБ), затем помещает вас в интерактивный чат. Первый запуск медленный, потому что идёт скачивание; последующие запуски мгновенны из кэша.
- Ollama предоставляет совместимый с OpenAI локальный эндпоинт, так что вы можете направить существующий SDK в стиле OpenAI на localhost вместо облака. Теперь тот же код работает против приватной локальной модели.
Скачайте и запустите открытую модель локально с Ollama
ollama run qwen3
Эта одна команда скачивает модель Qwen с открытыми весами и запускает локальный чат — без API-ключа, без данных, покидающих вашу машину. Замените qwen3 на другое семейство (например, тег Llama, Mistral или DeepSeek), чтобы сравнить их на своей собственной задаче. Выбор правильной модели для конкретной работы — отдельный навык: см. Выбор модели.
Выбор между открытой и закрытой на практике
Не выбирайте по таблице лидеров. Выбирайте по ограничению:
- Данные не могут покидать вашу сеть → самостоятельно размещённые открытые веса — это ответ, точка.
- Большой объём, чувствительность к стоимости, «достаточно хорошее» качество → открытые веса (размещённые или самостоятельно размещённые) обычно выигрывают по стоимости.
- Вам нужно абсолютно лучшее на самых сложных задачах → закрытый фронтир всё ещё склонен лидировать — используйте его там, где это важно, и направляйте более лёгкий трафик на более дешёвые открытые модели.
- Вы хотите дообучить, квантизировать, зафиксировать версию или работать офлайн → только открытые веса дают вам такой контроль.
Самый устойчивый ход — прогнать крошечную оценку на ваших собственных реальных данных по одному открытому и одному закрытому кандидату. Бенчмарки описывают чью-то чужую задачу; ваша оценка описывает вашу.
Проверь себя
0/3- Модели с открытыми весами закрыли большую часть повседневного разрыва благодаря соотношению способность-к-стоимости, открытым рассуждающим моделям и по-настоящему пригодным к использованию малым моделям
- «Открытые веса» = скачиваемые веса, которые вы можете запускать и дообучать — НЕ обязательно open-source код, открытые обучающие данные или разрешительная лицензия; всегда читайте карточку модели
- Читайте любую линейку по архетипу: общий чат, рассуждения, программирование и малые/эффективные — большинство семейств выпускают всю лестницу размеров
- Компромисс реален: открытое покупает стоимость, приватность и контроль, но закрытый фронтир обычно всё ещё лидирует на самых сложных задачах, а вы наследуете безопасность и инфраструктуру
- Два способа их использовать: размещённый (часто совместимый с OpenAI) API или самостоятельный хостинг через Ollama одной командой — затем оценивайте на ВАШИХ данных, а не на таблице лидеров