GigaChat 3.5 Ultra для бизнеса: свой контур без утечки данных

Сбер 6 июля 2026 года открыл веса своей флагманской нейросети GigaChat 3.5 Ultra под свободной лицензией MIT — теперь модель можно скачать и запустить на собственных серверах. Для большинства компаний это интересная новость, а не руководство к действию: своё железо под неё стоит миллионы рублей и нужно единицам. Практичный вывод для 95% бизнеса — облачный или гибридный доступ в российском контуре, а не самостоятельный запуск.

Дальше разбираем без хайпа: что такое GigaChat 3.5 Ultra для бизнеса, что реально даёт открытая модель, кому нужен запуск «в своём контуре» ради безопасности данных, а кому это дорогая игрушка. С цифрами по железу и честным «кому не надо». Материал актуален на 21 июля 2026 года.

Главное за 30 секунд

• Суть: Сбер выложил веса топовой русской модели под MIT — её можно держать у себя, а не только пользоваться через сайт.
• Главный факт: «открытые веса» ≠ «бесплатно запустить». Своё железо под модель — это сервер на 4–8 GPU и капвложения в миллионы рублей.
• Кому полезно: запуск в своём контуре — банкам, госструктурам, медицине и юр-данным; малому бизнесу хватит облака или гибрида в РФ-контуре.

Что такое GigaChat 3.5 Ultra для бизнеса и что в ней нового

GigaChat 3.5 Ultra — это флагманская нейросеть Сбера, представленная 6 июля 2026 года. Технически — модель на 432 млрд параметров архитектуры Mixture-of-Experts (MoE): на каждый запрос активна не вся сеть, а только нужная часть, около 28 млрд параметров. Поэтому при огромном размере она работает быстро и дёшево в пересчёте на ответ. Это флагман для серьёзных нагрузок, а не «маленькая локальная моделька для ноутбука».

Главное отличие от прошлой версии — компактность. GigaChat 3.5 Ultra примерно на 40% меньше предыдущего флагмана GigaChat 3.1 Ultra: 432 млрд параметров против 700 млрд. При этом, согласно данным Сбера, она использует вчетверо меньше памяти на длинный контекст, вмещает вдвое больше текста в ту же память и генерирует примерно на 20% быстрее. По внутренним тестам компании средний балл вырос до 72,3% против 69,6% у версии 3.1 — и, опять же по замерам Сбера, чуть выше DeepSeek V4 Flash. Все эти цифры — по данным разработчика (карточка модели на HuggingFace); независимого аудита на момент публикации нет.

Чем это отличается от привычного GigaChat

Обычный пользователь общается с GigaChat через сайт или приложение — это закрытый сервис, вы отправляете запрос и получаете ответ. Версия 3.5 Ultra доступна там же, но вдобавок её «внутренности» выложены в открытый доступ. Разница как между «зайти в кафе» и «получить рецепт и право открыть своё». Что это даёт бизнесу — в следующем разделе.

Что значит «открытые веса под MIT» — простыми словами

Веса — это результат обучения модели, сохранённый в файлах: миллиарды числовых коэффициентов, которые и есть «мозг» нейросети. Открыть веса под лицензией MIT означает, что Сбер разрешает любому скачать эти файлы, запускать модель, дообучать её под свои задачи и встраивать в коммерческие продукты — без спроса, без роялти и почти без ограничений. MIT — одна из самых свободных лицензий в мире открытого кода.

Для бизнеса здесь три практических следствия. Первое: модель можно держать на своём сервере, а не только дёргать через чужой сервис. Второе: её можно дообучить на своих данных — например, на базе договоров или регламентов — и получить модель, которая говорит на языке вашей отрасли. Третье: вы не привязаны к одному поставщику и его тарифам, потому что сами веса у вас.

Веса опубликованы на HuggingFace, организация ai-sage, репозиторий GigaChat3.5-432B-A28B, и на российском GitVerse, в нескольких форматах: FP8 (в нём модель обучалась), дообучаемый BF16-чекпоинт, квантизованный GGUF и базовый чекпоинт под тонкую настройку. Именно так выглядят открытые веса LLM для бизнеса на практике: не кнопка «включить», а набор файлов под инженера. Ключевое, что стоит запомнить: GigaChat MIT-лицензия — это про право и возможность, а не про лёгкость. Скачать файлы бесплатно можно, а вот запустить — совсем другой разговор.

Можно ли держать GigaChat в своём контуре — и зачем это нужно

Да, GigaChat 3.5 Ultra можно развернуть на собственном железе — через движки vLLM или SGLang, которые Сбер приводит в примерах запуска. Такой локальный запуск (GigaChat self-hosted) означает, что модель физически стоит на серверах компании, и данные, которые вы в неё загружаете, не покидают ваш периметр: не уходят ни в облако Сбера, ни куда-либо ещё. Российская LLM локально, у себя в стойке — для части бизнеса именно это главная ценность открытых весов.

Кому это критично: банки, страховые, госструктуры, объекты критической информационной инфраструктуры, медицина, юридические компании — все, кто работает с данными, утечка которых недопустима по закону или по цене репутации. Для них вопрос «где физически лежат наши данные» не абстрактный, а предмет проверок и лицензий.

Но здесь же прячется и главная ловушка темы, которую большинство статей обходит стороной: держать модель у себя — дорого. Открытые веса не отменяют физику: 432 млрд параметров нужно куда-то поместить. Об этом — следующий раздел.

Что такое «свой контур» на пальцах

Представьте два способа хранить деньги. Первый — счёт в банке: удобно, но деньги технически не у вас. Второй — сейф в собственном кабинете: полный контроль, но сейф, охрану и учёт вы оплачиваете сами. Свой контур для нейросети — это сейф. Вы получаете максимальный контроль над данными, но берёте на себя всё: железо, электричество, инженеров, обновления и ответственность за бесперебойность.

Сколько это стоит на самом деле: железо и деньги

Вот честный контрвывод, ради которого стоит читать эту статью: GigaChat 3.5 Ultra и открытые веса — не значит бесплатно запустить. Скачать файлы модели можно даром, но чтобы она заработала, нужен сервер, который эти 432 млрд параметров удержит в памяти. А памяти нужно очень много.

По данным HuggingFace и оценкам на их основе, для инференса в режиме FP16 модели требуется около 946 ГБ видеопамяти (VRAM). В 4-битной квантизации, согласно тем же расчётам, — примерно 236 ГБ. Для сравнения: одна топовая игровая видеокарта RTX 4090 несёт 24 ГБ. То есть даже урезанная 4-битная сборка не помещается на одну карту — нужен мультикарточный сервер серверного класса. В официальных примерах запуска Сбер разворачивает модель на восьми ускорителях.

Что это в деньгах — оценка порядка величины, не смета. Сервер на 4–8 GPU серверного класса — это капитальные вложения в миллионы рублей плюс инженеры, которые всё это настроят и будут поддерживать. Ориентир по аренде облачных GPU для полного FP16-режима — порядка $14 в час за конфигурацию из четырёх карт B300 по 288 ГБ (пример сервиса Spheron, это иллюстрация масштаба, а не предложение). В INT4 та же аренда обходится в несколько раз дешевле, но и это десятки тысяч рублей в месяц только за железо.

Чек-лист: что нужно для self-host GigaChat 3.5 Ultra

• ✅ Сервер на 4–8 GPU серверного класса (не игровые карты).
• ✅ От ~236 ГБ VRAM для 4-битной сборки, около 946 ГБ для FP16.
• ✅ Движок инференса — vLLM или SGLang, настроенный под модель.
• ✅ Инженер (или команда), который развернёт и будет сопровождать.
• ✅ Резерв по электричеству, охлаждению и отказоустойчивости.
• ⚠️ Реальный поток запросов, который всё это оправдает.

Компромисс: 4-битная сборка на четырёх картах

Если контур нужен, но бюджет не бесконечный, разумный старт — 4-битная (INT4) сборка на четырёх картах уровня A100 80 ГБ. Она дешевле полного FP16-режима в несколько раз и позволяет проверить качество модели на своих данных, прежде чем вкладываться в большой сервер. Квантизация немного снижает точность ответов — насколько критично, покажет только тест на ваших реальных задачах.

Облако, гибрид или свой контур: что выбрать

В споре «GigaChat Ultra vs облако» для большинства компаний ответ — не self-host. Сбер поставляет GigaChat Business (GigaChat Enterprise) в трёх конфигурациях, и две из них закрывают потребности бизнеса без покупки железа. Облако (SaaS) — быстрый доступ по API, всё на стороне Сбера. Гибрид — модель работает в приватном облаке, данные хранятся на серверах компании, а сама модель не сохраняет их после генерации ответа. Полный self-host — крайний случай для наивысших требований к безопасности.

Ниже — матрица выбора на языке собственника, а не инженера. Оси — требования к информационной безопасности, бюджет, объём запросов и кому это подходит.

Способ доступа	Требования ИБ	Бюджет входа	Объём запросов	Кому подходит
Облако (API)	Данные в РФ, но у Сбера	Оплата по факту, от пакета токенов	Любой, включая малый	Малый и средний бизнес, тексты, аналитика, боты
Гибрид	Данные на серверах компании, модель не хранит их	Подписка на платформу, без своего железа	Средний и высокий	Средний и крупный бизнес с чувствительными данными
Свой контур (self-host)	Максимум: данные не покидают периметр	Миллионы ₽ на железо + инженеры	Только очень большой	Банки, госструктуры, КИИ, медицина, юр-данные

Практический вывод: облако и гибрид закрывают порядка 90% реальных бизнес-задач, включая большинство сценариев с персональными данными. Полный self-host оправдан там, где даже приватное облако — уже риск, и одновременно есть объём запросов, который отбивает капвложения. Таких компаний немного.

Что с 152-ФЗ и утечкой персональных данных

Вопрос «GigaChat и 152-ФЗ» решается географией серверов. Серверы GigaChat находятся в России, поэтому статья 12 152-ФЗ о трансграничной передаче персональных данных к нему не применяется — в отличие от зарубежных сервисов данные не уходят за границу. Это снимает одну из главных юридических головных болей при работе с данными россиян. Но снимает не всё.

Ответственность за законную обработку персональных данных остаётся на вашей компании как на операторе — и это тот нюанс, который в большинстве обзоров теряется. Даже при российских серверах Сбера вам как оператору нужны согласие субъектов на обработку, оценка воздействия на данные (DPIA) и учёт операций обработки в реестре. Передача данных в любой AI-сервис — это передача третьему лицу, для которой нужны законные основания. Формула простая: «данные лежат в РФ» ≠ «вы ничего не должны».

Self-host даёт максимальный контроль — данные вообще не покидают ваш периметр, — но юридические обязанности оператора он не отменяет. Это защита от технической утечки, а не индульгенция от закона. Как регулирование в целом влияет на бизнес, мы подробно разбирали в материале про закон об ИИ 2026: что меняется для бизнеса.

GigaChat, DeepSeek, Qwen или YandexGPT — что выбрать бизнесу РФ

Короткий ответ: для данных клиентов — GigaChat или YandexGPT; для аналитики на бюджете, где нет персональных данных, — можно смотреть в сторону DeepSeek. Причина не в качестве, а в географии серверов и в 152-ФЗ.

Модель	Где серверы	Персональные данные клиентов	Цена
GigaChat	Россия	Подходит, серверы в РФ	API пакетами токенов
YandexGPT	Россия	Подходит, серверы в РФ	По подписке/токенам
DeepSeek	Китай	Не подходит без отдельных оснований	Заметно дешевле по API
Qwen	Китай	Не подходит без отдельных оснований	Дёшево, открытые веса

Нюанс по цене: GigaChat API продаётся пакетами токенов — минимальный пакет ориентировочно 1 500–1 950 ₽ за 3 млн токенов (цифры могут меняться, проверяйте в кабинете). DeepSeek по API в разы дешевле, и это честно. Но дешевизна не помогает, если задача касается персональных данных россиян: китайские серверы означают трансграничную передачу, а для неё нужны отдельные юридические основания. Сравнение вариантов под разные задачи мы делали в статье какую нейросеть выбрать бизнесу.

Собственники часто смотрят на прайс API и выбирают, где токен дешевле. Но цена ошибки с персональными данными измеряется не в рублях за токен, а в проверках и штрафах. У меня было несколько проектов, где именно вопрос «а где физически лежат данные» разворачивал всю архитектуру: то, что казалось экономией на облаке, оказывалось дороже в разы, когда доходило до юристов. Правило простое — сначала считаем чувствительность данных, потом уже цену за токен.

— Дмитрий Попов, AI бизнес-стратег

Кому self-host реально нужен, а кому хватит облака

Своё железо под GigaChat 3.5 Ultra нужно узкому кругу компаний. Проверьте себя по чек-листу: свой контур оправдан, если вы отвечаете «да» на большинство пунктов.

Свой контур нужен, если:

• ✅ Вы работаете с данными, которые по закону или договору не должны покидать периметр (банк, КИИ, гостайна, медтайна).
• ✅ Даже приватное облако Сбера для вас — недопустимый риск или запрещено регламентом.
• ✅ У вас десятки тысяч запросов к модели в день — объём, который оправдывает сервер.
• ✅ Есть бюджет на железо в миллионы рублей и инженеры для сопровождения.
• ✅ Вы готовы дообучать модель под свою отрасль и держать эту компетенцию внутри.
• ❌ Если хотя бы половина пунктов — «нет», self-host вам не нужен.

Здесь работает та же логика окупаемости, что и с AI-агентами. По нашей практике внедрения, агент не окупается, если поток обращений меньше 10–15 в день — постоянные затраты не отбиваются редкими задачами. Со своим железом порог на порядки выше: без десятков тысяч запросов в сутки сервер за миллионы рублей стоит впустую. Для малого и среднего бизнеса — аватара «Пётр», который читает это с телефона, — ответ почти всегда облако или гибрид.

Где контур действительно оправдан — там, где данные и критичны, и конфиденциальны одновременно. Например, в кейсе, где AI разбирал строительные сметы и нашёл около 500 000 ₽ потерь (14 из 19 находок подтвердились), речь шла о внутренней финансовой документации — данных, которые компания резонно не хотела бы отправлять в чужое облако. Вот для таких задач вопрос своего контура становится не понтом, а необходимостью. Как выстроить работу пошагово — в гайде про цифровых сотрудников вместо найма.

Как начать: пошагово

Не покупайте железо первым делом — двигайтесь от дешёвого к дорогому и решайте про свой контур только тогда, когда цифры сами этого потребуют.

1. Определите чувствительность данных. Обезличенная аналитика и тексты — одна история; персональные данные, договоры, финансы — совсем другая. От этого зависит выбор доступа.
2. Начните с облака или гибрида GigaChat. Не тратьте капитал на старте. Гибрид уже даёт хранение данных на своих серверах без покупки сервера.
3. Проведите пилот на одной реальной задаче. Две недели на настоящих данных покажут и качество, и объём запросов.
4. Посчитайте объём запросов в день. Это цифра, от которой считается вся экономика self-host.
5. Считайте свой контур только при высоких требованиях ИБ и больших объёмах. Оба условия вместе — тогда да. Одно из двух не выполнено — оставайтесь в облаке.

Частые вопросы про GigaChat 3.5 Ultra

Что такое GigaChat 3.5 Ultra простыми словами? Это флагманская нейросеть Сбера, представленная 6 июля 2026 года. Внутри — модель на 432 млрд параметров архитектуры Mixture-of-Experts: на каждый запрос работает не вся сеть, а только нужная часть (~28 млрд параметров), поэтому она быстрая при своём размере. Новое в версии 3.5 — веса выложены в открытый доступ под лицензией MIT, то есть модель можно скачать и запустить у себя.

Что значит «открытые веса под лицензией MIT»? Веса — это «мозг» модели в виде файлов с числами, которые получились после обучения. Открыть веса под MIT означает, что Сбер разрешает любому скачать эти файлы, запускать модель, дообучать её и использовать в коммерческих продуктах — без отдельного разрешения и без роялти. Это не то же самое, что бесплатный доступ через сайт: открытые веса дают право держать модель на своём железе.

Можно ли запустить GigaChat 3.5 Ultra на своём сервере? Да. Веса опубликованы на HuggingFace (организация ai-sage) и на GitVerse, запуск — через движки vLLM или SGLang. Но это не «поставил на ноутбук»: в примерах Сбера модель разворачивается на сервере с восемью GPU. В режиме FP16 ей нужно около 946 ГБ видеопамяти, в 4-битной квантизации — порядка 236 ГБ. Для большинства компаний это неподъёмно и не нужно — хватит облака или гибрида.

Соответствует ли GigaChat требованиям 152-ФЗ по персональным данным? Серверы GigaChat находятся в России, поэтому статья 12 152-ФЗ о трансграничной передаче к нему не применяется — данные не уходят за рубеж. Но ответственность за законную обработку персональных данных остаётся на вашей компании как операторе: нужны согласие субъектов, оценка воздействия на данные и учёт операций обработки. «Данные в РФ» не означает «вы ничего не должны».

GigaChat или DeepSeek — что выбрать бизнесу в России? Для задач с персональными данными клиентов — GigaChat или YandexGPT: их серверы в России, и это снимает вопрос трансграничной передачи по 152-ФЗ. DeepSeek заметно дешевле по API, но его серверы в Китае, поэтому для персональных данных россиян он не подходит без отдельных юридических оснований. Разумный сценарий — DeepSeek на обезличенной аналитике, GigaChat/Yandex на всём, что касается клиентов.

Что из этого следует

Итог по вопросу «GigaChat 3.5 Ultra для бизнеса»: открытые веса под MIT — важный шаг для российского рынка, но для большинства компаний он ничего не меняет в практике. Флагман на 432 млрд параметров не влезает ни на один ноутбук и ни на одну игровую видеокарту; его самостоятельный запуск — это сервер на 4–8 GPU и капвложения в миллионы рублей, которые отбиваются только на огромных объёмах.

Правильная реакция на новость — не бежать покупать железо, а задать себе один вопрос: насколько чувствительны мои данные. Если ответ «обычные» — вам хватит облака или гибрида GigaChat в российском контуре. Если «критичные и конфиденциальные одновременно, и запросов десятки тысяч в день» — тогда есть о чём считать свой контур. Живые разборы окупаемости и сметы под конкретные задачи редакция выкладывает в своём телеграм-канале — там же обсуждаем, где своё железо действительно окупается, а где это дорогая игрушка.

Материал носит информационный характер и не заменяет консультацию по информационной безопасности и защите персональных данных: в спорных ситуациях сверяйтесь со специалистом.