Открытые модели ИИ перестали быть прерогативой энтузиастов. Их берут крупные компании, государственные структуры и стартапы — всех привлекает перспектива снизить затраты, получить больше контроля и гибкости. Но парадокс в том, что чем мощнее и доступнее становятся свободные модели, тем сложнее монетизировать их без рискованного хардварного преимущества или специальных лицензий.
Это уже не техническая проблема, а хозяйственная. Когда Meta выпускает Llama или Mistral открывает свои веса, любой может их использовать — но мало кто знает, что реально нужно заказчику и как структурировать услугу. Фундаментальная капитализация здесь работает не на уровне модели, а на уровне инструментария, инфраструктуры и прикладных решений вокруг неё. И это — честный сегмент, без заборов.
Irene Solaiman из Hugging Face (Chief Policy Officer и SVP of Strategy) в недавнем подкасте Equity затронула именно этот вопрос: что стартапам критично понимать перед тем, как строить бизнес на открытых моделях. Ключевой момент — выбор базовой модели и инфраструктуры не маргинален, это стратегический выбор, от которого зависит весь дальнейший стек. Неправильный выбор на старте может оказаться необратимым: переучивание, миграция данных, потеря накопленного контекста — всё это дорого.
Есть и политический слой. Китайские открытые модели (Qwen, DeepSeek и другие) активно завоёвывают земли: дешевле, иногда проще в развёртывании, и китайский стек становится всё конкурентнее американского. Это не просто о технологии — это о том, где будут базироваться новые стартапы, какие экосистемы они питать будут. Пока американские игроки продолжают расчёт на облачные сервисы и лицензии, китайцы агрессивнее работают с локальным деплойментом и независимостью от гипер-скейлеров.
В России открытые модели за последние два года заметно упростили жизнь разработчикам контента, аналитики и автоматизации. Когда нет необходимости платить за каждый запрос к замкнутому API, экономика небольших проектов становится совершенно другой. Компании, которые опробуют стек на основе открытых моделей — например, для автоматизации обработки текстов, генерации отчётов или классификации данных, — получают подвижнее и контролируемость. Практика показывает: когда модель запущена локально или в приватном облаке, скорость итераций растёт, а зависимость от внешних сервисов падает. Это актуально для компаний в страховке, бухгалтерии, управлении закупками.
Но монетизация — это другой разговор. Просто предложить клиенту «вот открытую модель» — неправда, что недостаточно. Нужна или специализация (модель для конкретной вертикали: юриспруденция, медицина), или интеграция в существующие процессы, или гарантия на производительность и апскейл. Здесь выживают не те, кто владеет весами модели, а те, кто лучше всех инженерит инфраструктуру, fine-tuning и support вокруг неё.
Hugging Face сам этот экосистем-плеер: модели, датасеты, инструменты, хостинг. Его позиция понятна и логична — когда модели открыты, ценность переходит на уровень инструментов и сервисов. Но вопрос в том, получится ли американским платформам удержать лидерство, когда китайские конкуренты работают агрессивнее на аренах государственной поддержки и локальных рынков.
Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ; это относится и к принадлежащим ей социальным сетям Instagram и Facebook.
Алексей Мартыненко
Главный редактор SPV News
Открытые модели — это не конец монетизации, а её переход на новый уровень. Когда веса свободны, деньги начинают браться из инженерии, интеграции и гарантий. Вопрос для бизнеса формулируется не «какую модель взять», а «что конкретно нужно делать с моделью, чтобы она дала результат в моём процессе». Это сложнее, чем просто использовать API, но дешевле и контролируемее — если ты готов вложиться в умных людей.