Самый частый вопрос, который мне задают про российские нейросети, звучит так: «А есть вообще что-то нормальное или это всё для галочки?»
Есть. Но список короче, чем кажется по новостям.
«Секреты» Т-Банка в августе 2026 года собрали карту российского рынка ИИ-моделей — 31 модель от Сбера, Яндекса, МТС, Авито, VK, Ростелекома и независимых команд. Разбор сделан площадкой банка, то есть компании, которая сама делает модели, но методика там прозрачная и её легко проверить.
Из этих 31 в реестре отечественного ПО на начало июля 2026 года — 14. Меньше половины.
А если добавить ещё два условия — опубликованный прайс и место в независимом рейтинге качества, — останутся буквально единицы. Расскажу, как этот фильтр устроен и что через него проходит.
Четыре вопроса, которые отсеивают почти всё
Когда бизнесу нужно не поиграть, а подключить модель к процессу, отбор идёт по четырём пунктам.
Есть ли независимая оценка качества. В России это MERA — открытый бенчмарк, набор задач, на которых модели сравнивают по одной методике. Важен он не сам по себе: без него вы верите разработчику на слово, а разработчик всегда говорит, что его модель отличная.
Опубликован ли прайс. Половина моделей в карте Т-Банка идёт с ценой «по запросу». Это не мелочь: посчитать экономику проекта до переговоров вы не сможете, а значит, не сможете и сравнить варианты между собой.
Есть ли модель в реестре отечественного ПО. Для госкомпаний и для тех, кто работает по 223-ФЗ, это часто не преимущество, а условие допуска к закупке. Нет в реестре — нет разговора, какой бы хорошей модель ни была.
Можно ли развернуть у себя. Модель в облаке означает, что ваши данные уходят на чужие серверы. Для маркетинговых текстов это нормально, для медицинских карт или банковской переписки — обычно нет. Локальное развёртывание решает вопрос, но требует железа и людей.
Теперь по моделям.
Какие российские нейросети проходят этот фильтр
GigaChat от Сбера — единственная модель, у которой есть все четыре пункта сразу: место в MERA, опубликованный прайс, реестр отечественного ПО и работа хоть в облаке, хоть локально. Это не оценка качества текста, это оценка готовности к промышленному внедрению. По ней у GigaChat конкурентов пока нет.
Cotype Light 3 от МТС — место в верхней части MERA, реестр ПО, облачный доступ. Цена по запросу, локально не ставится. Хорошая модель с закрытым ценником, что сдвигает решение на этап переговоров.
A-Vibe от Авито и T-Pro от Т-Технологий — обе в верхней части MERA, обе бесплатные, обе только для локального развёртывания. Готового облачного доступа нет: ставите у себя и обслуживаете сами. Для компании с ИТ-командой это отличный вариант — качество на уровне, платы за объём обработанного текста нет вообще. Для компании без ИТ-команды — нерабочий.
Alice AI Search от Яндекса — совместима с форматом OpenAI, то есть код, написанный под ChatGPT, переключается на неё почти без переделки. Места в MERA нет.
MWS GPT от Ростелекома — не модель, а агрегатор: доступ к разным моделям через один интерфейс с возможностью поставить у себя. В реестре ПО есть.
Отдельно от текстовых — то, что в бизнесе используется чаще всего и обычно без всякого «внедрения ИИ». Речь: SpeechKit у Яндекса и SaluteSpeech у Сбера для реального времени, обе в реестре. Картинки: Kandinsky у Сбера с фотореализмом и видео, Alice AI Art у Яндекса под иллюстрации. Код: GigaCode и Kodify, обе в реестре ПО.
Что показывает статистика использования
Формальные фильтры — одно, а то, какими российскими нейросетями люди пользуются на самом деле, — другое.
Исследовательская компания OMI в марте 2026 года опросила 2 328 человек, которые уже пользуются ИИ-сервисами (не всех россиян подряд — это важно для трактовки цифр). Расклад получился такой: Алиса AI — 71%, ChatGPT — 42%, GigaChat — 38%, DeepSeek — 25%, Шедеврум — 16%, Gemini — 15%.
Сумма больше ста процентов, потому что люди пользуются несколькими сразу — и это самое интересное в опросе. Никакого выбора «или наши, или зарубежные» на практике нет: у одного и того же человека открыты обе вкладки.
Мой личный вывод из этих цифр не про патриотизм. Алиса впереди не потому, что российская, а потому что встроена везде — в браузер, в колонку, в поиск. Барьер входа ноль: не нужно регистрироваться, платить иностранной картой и думать про VPN. Там, где барьер входа одинаковый, картина другая.
Сколько денег в этом рынке
Цифры, которые полезно держать в голове при разговоре с собственным руководством.
Консалтинговая компания Onside вместе с Just AI, разработчиком диалоговых ИИ-платформ, разобрала больше трёхсот компаний и семьдесят внедрений с реальными бюджетами. Рынок генеративного ИИ в России вырос с 13 до 58 миллиардов рублей за год — в четыре с половиной раза. Прогноз на 2030 год — 778 миллиардов при среднегодовом росте около 68%.
77% этих денег — корпоративный сегмент. По отраслям: банки и страхование — 12 миллиардов, ИТ — около 7, ритейл — около 6, телеком — около 3. Проникновение в банках и технологических компаниях — 80–90%.
И цифра, которая всё это уравновешивает: 55% проектов — пилоты, 30% — масштабирование пилотов, 15% — промышленная эксплуатация.
Каждый седьмой проект доходит до состояния «работает каждый день». Остальные живут в презентациях.
Три способа подключить — и кому какой
Технически путей всего три, и выбор между ними определяет и бюджет, и сроки.
Через облако поставщика. Ваша программа отправляет запрос на серверы Сбера или Яндекса и получает ответ, платите за объём текста. Запускается за день, ИТ-команда почти не нужна, но данные покидают ваш контур. Подходит для текстов, описаний товаров, поддержки по общим вопросам. Так работает большинство первых проектов — и правильно делает: проверять гипотезу дешевле в облаке.
Локальное развёртывание. Модель ставится на ваши серверы, данные никуда не уходят, платы за объём нет. Здесь живут бесплатные A-Vibe и T-Pro. Цена — железо с видеокартами и человек, который всё это поднимет и будет обслуживать. Оправдано, когда данные чувствительные или когда объём запросов такой, что помесячная оплата облака перегоняет стоимость своего сервера.
Агрегатор. Один интерфейс к нескольким моделям, как MWS GPT у Ростелекома. Смысл в том, что вы не привязываетесь к одному разработчику: модель под задачу можно переключить, не переписывая интеграцию. За удобство платите наценкой поверх стоимости самих моделей.
Порядок, который я советую почти всем: облако для пилота, переезд на своё железо — только когда посчитаны и объём, и требования к данным. Обратный путь дороже: команды, которые начинали со сборки инфраструктуры, к моменту первого рабочего результата успевали потратить бюджет всего проекта.
Где российские нейросети пока проигрывают
Российские нейросети хорошо работают с русским языком — это не маркетинг, это следствие обучения на русских текстах. На задачах вроде обработки обращений клиентов, разбора документов, генерации описаний товаров разница с зарубежными моделями небольшая, а данные остаются в стране.
На сложных рассуждениях, длинном коде и работе с большими объёмами контекста разрыв с топовыми зарубежными моделями пока есть. Он сокращается, но он есть, и делать вид, что его нет, — плохая услуга тому, кто на этом строит проект.
Второе: половина моделей из карты Т-Банка не проходила независимую оценку вообще. Отсутствие модели в MERA не значит, что она плохая, — но проверять её качество вам придётся самим, на своих данных, до контракта, а не после.
Третье, и самое практичное. Выбор между российской и зарубежной моделью почти никогда не бывает первым вопросом. Первый — какую задачу автоматизируем и как измерим результат. Про это я подробнее писал в разборе про нейросети для работы: экономия времени определяется не мощностью модели, а тем, сколько стоит проверить её ответ.
Тридцать одна российская нейросеть на рынке — это уже не «есть ли у нас хоть что-то». Это выбор, в котором можно ошибиться.