Сбер и Яндекс резко снизили цены на ИИ, но Китай всё равно дешевле

Сбер и Яндекс резко снизили цены на ИИ, но Китай всё равно дешевле

Сбер и Яндекс резко снизили цены на ИИ, но Китай всё равно дешевле

Российские разработчики заметно снизили стоимость генеративного ИИ. По оценке платформы Nodul, с октября 2025 года по август 2026-го цена тысячи токенов GigaChat Lite упала на 67,5% — с 0,20 до 0,065 рубля. У GigaChat Pro снижение почти такое же: с 1,50 до 0,50 рубля.

Яндекс оказался скромнее. Тысяча токенов YandexGPT Pro 5.1 стоит 0,80 рубля — на 33% меньше, чем у предыдущей версии YandexGPT 5 Pro. Тариф YandexGPT Lite не изменился и остался на уровне 0,20 рубля.

Токен — минимальная единица данных, которую обрабатывает языковая модель: слово, его часть, знак препинания или пробел. Обычно выходные токены, то есть ответ нейросети, стоят в три-четыре раза дороже входных. Российские сервисы до недавнего времени чаще устанавливали для них единую цену.

Несмотря на подешевевший отечественный ИИ, сопоставимые зарубежные модели, по подсчётам Nodul, могут обходиться до десяти раз дешевле. Особенно бодро демпингуют китайские разработчики: у DeepSeek V4 Flash тысяча входных токенов стоит около 0,0375 рубля, выходных — 0,112 рубля. Для GPT-5.4 mini показатели составляют 0,064 и 0,383 рубля, для Qwen 3.8 Max — 0,17 и 0,511 рубля соответственно.

«Сбер» и Яндекс с оценками аналитиков не согласились: компании утверждают, что на деле снизили цены ещё сильнее. Заодно разработчики считают прямое сравнение российских и зарубежных тарифов не вполне корректным — модели отличаются по качеству, условиям использования и схеме расчёта. Подробности приводит РБК.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru