Китайские нейросети для бизнеса: важно, где они работают
Китайские нейросети для бизнеса: сколько стоит GLM-5.3, что разрешает лицензия, что обещают условия по данным и три способа запустить модель в компании.
Первый вопрос, который задают о китайской нейросети, - безопасна ли она. Вопрос получше: где она работает.
Китайские нейросети - это большие языковые модели, созданные компаниями из Китая, например GLM от Z.ai, DeepSeek или Kimi. Одни можно арендовать через сервис самого разработчика, а другие публикуют свои веса (open weights), то есть файлы с обученной моделью, и любая компания может запустить их на собственных серверах.
Именно вторая группа меняет картину для бизнеса. Одна и та же модель может работать за сервисом разработчика в Сингапуре, у провайдера в США или Европе либо на машине, которую вы контролируете. Каждый вариант по-своему отвечает на вопросы о цене, данных и риске.
Я пользуюсь ИИ-моделями каждый рабочий день, в основном локальными моделями, обученными под мои задачи: с их помощью я делаю инструменты для собственного маркетинга и для консалтинга. Прежде чем что-то рекомендовать, я читаю прайс-листы, лицензии и документы о конфиденциальности. В этой статье я проделал такую работу для семейства GLM: сколько оно стоит, что разрешает лицензия, что обещают документы о конфиденциальности и какой вариант подходит какой компании.
Главное коротко
- Сначала спросите, где работает модель, и только потом - кто её создал. Вариантов три: сервис самого разработчика, западный провайдер, который размещает опубликованные веса, или ваши собственные серверы. Каждый по-своему отвечает на вопрос о данных.
- Цены опубликованы. GLM-5.3 стоит 1,40 USD за миллион входных токенов (фрагментов текста) и 4,40 USD за миллион выходных, а её версия Flash - 0,15 и 0,50. Две более старые модели Flash бесплатны.
- Лицензия либеральная. По её единственному дополнительному условию проверку безопасности у разработчика должна пройти только компания, которая ведёт бизнес Model as a Service (доступ к модели как услуга) и чья выручка группы за 12 месяцев превышает 10 миллиардов долларов. В моём прочтении обычный бизнес под это условие не попадает.
- Независимые тестировщики ставят лучшую китайскую модель с открытыми весами примерно на четыре месяца позади лучших американских моделей в задачах кибербезопасности, а британский институт оценивает отставание моделей с открытыми весами в четыре-семь месяцев. Маркетинговые задачи не измерял никто из тех, кого я читал.
- Обещания о конфиденциальности даёт сам разработчик. В дополнении для API (программного интерфейса, через который программы обращаются к модели) Z.ai пишет, что содержимое не хранится. Этого никто третий не проверял, так что вопрос о персональных данных стоит обсудить с вашим консультантом по защите данных.
- Подбирайте модель под задачу. Для массовой работы берите уровень Flash, для сложной - полную модель, и проверьте обе на своих примерах.
Что такое китайские нейросети и почему ими интересуется бизнес
Языковая модель - это движок чат-ботов, помощников для письма и ИИ-агентов. Большинство людей знакомится с ней через продукт американской компании. Теперь в эту картину входят и модели из Китая, среди них семейство GLM от Z.ai, DeepSeek и Kimi.
Некоторые из них привлекательны для бизнеса по двум причинам: опубликованный прайс-лист, о котором я пишу ниже, и веса. Закрытая модель, как в крупных американских чат-продуктах, держит свои параметры в тайне, и добраться до неё можно только через интерфейсы, которые контролирует её разработчик.
Модель с открытыми весами (open-weight) публикует обученные файлы, поэтому запускать, тестировать и размещать её там, где удобно компании, может не только сам разработчик.
Z.ai выпустила GLM-5.2 16 июня 2026 года, а GLM-5.3 вышла 14 августа. Веса опубликовали в конце августа.
По словам Z.ai, GLM-5.3 построена на той же базовой модели, что и GLM-5.2, а прирост дал пост-тренинг (post-training) - этап, на котором готовую модель дополнительно обучают конкретным навыкам. Эту историю я разобрал в статье про GLM 5.3 и лучшую открытую LLM, так что здесь я остаюсь в рамках бизнес-вопросов.
Пара слов о размере: компания сообщает о 753 миллиардах параметров у GLM-5.3. Параметры - это настраиваемые числа внутри модели, а их количество грубо показывает её размер. Такая большая модель не запустится на офисном компьютере, что видно из трёх вариантов ниже.
Что говорят независимые тесты о качестве
Заявления о качестве от разработчиков моделей - это маркетинг. Заявления государственных тестировщиков читать стоит, поэтому я опираюсь на них.
В США Центр по стандартам и инновациям в области ИИ (Center for AI Standards and Innovation, CAISI) при NIST, Национальном институте стандартов и технологий, тестирует модели крупных разработчиков. Центр оценил GLM-5.2 и написал: «Общие возможности GLM-5.2 схожи с возможностями GPT-5.2, выпущенной в декабре 2025 года». В задачах кибербезопасности он нашёл их «схожими с возможностями Opus 4.6, выпущенной в феврале 2026 года».
Откуда цифра: из собственных тестов CAISI, которые проводит сам институт. Что это значит: GLM-5.2 работает на уровне лучшей модели, выпущенной за четыре-шесть месяцев до её релиза. Что меняется: модель такого класса - серьёзный кандидат для проверки на ваших задачах, а вопросами становятся стоимость и место запуска.
О GLM-5.3 сентябрьский отчёт CAISI говорит как о «самой сильной в киберзадачах модели с открытыми весами из выпущенных на сегодняшний день». Там же сказано, что её возможности «существенно ниже», чем у нынешних передовых американских моделей, а отставание по сводному показателю составляет около четырёх месяцев.
Британский институт безопасности ИИ (UK AI Security Institute), который публикует собственные работы, оценивает, что модели с открытыми весами отстают от закрытых лидеров на четыре-семь месяцев в киберзадачах, тогда как в 2025 году отставание составляло шесть-десять месяцев. Метод этих тестов я разбираю в статье о том, как читать тесты ИИ в кибербезопасности.
Оба института измеряли задачи безопасности, а не маркетинговые. Ни один из прочитанных мною источников не проверяет эти модели на рекламных текстах, черновиках писем или кратких изложениях отчётов. Поэтому я не принимал бы киберрезультат за оценку для вашей работы и советую проверить модель на собственных примерах, о чём я пишу в чек-листе ниже.
Прайс-лист: сколько стоит миллион токенов
Токен - это небольшой фрагмент текста, часто короткое слово или часть длинного. Модели тарифицируют по токенам, отдельно за то, что вы отправляете (входные, input), и за то, что модель пишет в ответ (выходные, output). Кэшированный ввод (cached input) - это повторяющийся текст, который провайдер считает по сниженной ставке.
Опубликованные цены Z.ai на API, в долларах США за миллион токенов:
| Модель | Входные | Кэшированные входные | Выходные |
|---|---|---|---|
| GLM-5.3 | 1,40 | 0,26 | 4,40 |
| GLM-5.3-FlashX | 0,37 | 0,075 | 1,25 |
| GLM-5.3-Flash | 0,15 | 0,03 | 0,50 |
| GLM-5.2 и GLM-5.1 | 1,40 | 0,26 | 4,40 |
| GLM-5 | 1,00 | 0,20 | 3,20 |
| GLM-4.7 и GLM-4.6 | 0,60 | 0,11 | 2,20 |
| GLM-4.7-FlashX | 0,07 | 0,01 | 0,40 |
| GLM-4.5-Air | 0,20 | 0,03 | 1,10 |
| GLM-4.7-Flash, GLM-4.5-Flash | бесплатно | бесплатно | бесплатно |
Таблица показывает две вещи. Новая модель здесь не дороже: GLM-5.3 стоит ровно столько же, сколько GLM-5.2 и GLM-5.1. А уровень Flash - это небольшие деньги: GLM-5.3-Flash примерно в девять раз дешевле полной модели и на входе, и на выходе.

Чтобы понять, что это значит для бюджета, возьмём выдуманную нагрузку, а не измерение: команда за месяц отправляет 10 миллионов входных токенов, а модель пишет 2 миллиона выходных. Более дешёвую ставку для кэша я не учитываю, поэтому для повторяющегося текста эти суммы - верхняя граница.
| Модель | Расчёт | Стоимость в месяц |
|---|---|---|
| GLM-5.3 | 10 × 1,40 + 2 × 4,40 | 22,80 USD |
| GLM-4.7 | 10 × 0,60 + 2 × 2,20 | 10,40 USD |
| GLM-5.3-Flash | 10 × 0,15 + 2 × 0,50 | 2,50 USD |
Британский институт безопасности ИИ публикует сравнение стоимости у разных разработчиков по заявленным ценам. Для одного прогона Cyber Range (длинной имитации атаки на сеть, на которую ушло 100 миллионов токенов) институт оценивает стоимость примерно в 85 USD для Opus 4.5 и Opus 4.6, по расчётам в 46 USD для GLM-5.2 и в 1,19 USD для DeepSeek V4-Pro. Институт добавляет, что для моделей с открытыми весами он не пользовался сервисами самих разработчиков, поэтому реальные затраты на вычисления могут отличаться.
По задачам, которые обе модели решали надёжно, институт приводит 15,17 USD за задачу у Opus 4.6 против 6,12 USD у GLM-5.2, то есть около 40%, на той же расчётной основе. Это киберзадачи, поэтому я считаю эти цифры признаком разрыва в цене, а не обещанием для вашего случая.
Три варианта запуска китайской нейросети
Для компании это самая важная часть. Во всех трёх вариантах модель - один и тот же файл. Различается то, кто управляет машиной, на которой она работает, и где эта машина находится.
Вариант первый: сервис самого разработчика. Вы отправляете текст в API Z.ai и получаете ответы, поэтому это самый простой старт, и здесь действует прайс-лист выше. В политике конфиденциальности Z.ai сказано, что сервисы предоставляются из Сингапура, а в дополнении для API - что данные клиентов обычно обрабатываются там же.
Вариант второй: западный провайдер, который размещает опубликованные веса. Поскольку веса открыты, облачный провайдер в США или Европе может запустить модель и продавать доступ к ней, так что компания имеет дело с провайдером, чью страну и договор она уже знает.
В докладе на конференции AI Engineer в Нью-Йорке, опубликованном в октябре 2026 года, руководитель направления операций и инфраструктуры Revolut David Abitbol обосновал эту логику. Его посыл для ИТ-директора (CIO) в зале состоял в том, что использовать модель не значит отправлять запросы на отдельный адрес (endpoint) в Китае: вы берёте веса и размещаете их «на американском сервисе». Сама страница конференции предупреждает, что его слова о регуляторной классификации и местах размещения описывают обстоятельства Revolut, а не всех компаний.
Вариант третий: ваши собственные серверы. Вы скачиваете веса и запускаете их сами. The Register сообщил, что GLM-5.1, модель того же размерного класса, что и GLM-5.3, требует примерно 380 ГБ памяти GPU (графических процессоров, на которых обычно запускают такие модели) только под веса, причём эта цифра зависит от того, насколько компактно хранятся веса.
Revolut обслуживает около 2 000 инженеров с помощью 56 GPU Nvidia B200, а это проект уровня дата-центра, а не ноутбука. Арифметику я разбираю в статье о реальной стоимости собственной LLM на своём сервере.
| Сервис разработчика | Западный хост | Свои серверы | |
|---|---|---|---|
| Кто управляет машиной | Z.ai | Облачный провайдер | Вы |
| Куда идут данные | В основном в Сингапур, по данным Z.ai | В регион провайдера | В ваши помещения или ваше облако |
| Как складывается стоимость | За токен или по подписке | За токен, по тарифу провайдера | Оборудование, электричество, персонал |
| Что нужно | Аккаунт | Договор | Команда инфраструктуры |
| Главный вопрос | Достаточно ли DPA? | Какой провайдер и какой регион? | Сможем ли мы это обслуживать? |
Для маркетинговой команды или небольшого бизнеса реалистичен первый или второй вариант. Третий вариант - для компаний с собственной командой инфраструктуры.

Лицензия простыми словами
Лицензия GLM-5.3 короткая, и компания может прочитать её за пять минут. Она даёт право использовать, копировать, изменять, публиковать, распространять, сублицензировать и продавать программное обеспечение, включая веса, а также запускать, развёртывать и дообучать модель (то есть подстраивать её под свои данные). Условия такие: сохранять уведомление об авторских правах и соблюдать закон.
Есть одно дополнительное условие, и оно состоит из двух частей, которые должны выполняться обе. Компания или одна из её аффилированных компаний ведёт бизнес «Model as a Service», а общая выручка компании и её аффилированных компаний превышает 10 миллиардов долларов США за любые 12 месяцев подряд. В этом случае перед любым коммерческим использованием программного обеспечения она должна пройти проверку безопасности Z.AI.
Лицензия определяет Model as a Service как предоставление третьей стороне доступа к инференсу (запуску модели для получения ответов) или дообучению, например через API, так что третья сторона получает реальный контроль над входными данными, параметрами или обучающими данными. Из определения исключены продукты для конечных пользователей, в которых модель встроена только в отдельные функции, а также простая пересылка запросов к моделям, размещённым другими.
На практике компания, которая использует модель, чтобы писать тексты, пересказывать, анализировать или как основу для собственных инструментов, в эту группу не входит. В моём прочтении условие нацелено на крупнейшие облачные компании, которые могли бы перепродавать модель. Оно важно и для второго варианта, поэтому я бы спросил у хоста, как он решает этот вопрос.

В лицензии есть и оговорка: программное обеспечение и любые выходные данные и результаты предоставляются «как есть» (as is), без гарантий какого-либо рода. Неверный ответ модели вам придётся заметить самому. Это ещё одна причина оставить человека на этапе проверки, и эту тему я разбираю в статье о проверке ИИ с участием человека.
Coding Plan: подписка вместо счётчика
Z.ai также продаёт подписку GLM Coding Plan, которая стоит от 18 USD в месяц. В документации сказано, что она работает с агентными инструментами вроде Claude Code, Codex, OpenCode и OpenClaw, а все тарифы поддерживают GLM-5.3 и GLM-5.3-Flash. Запросы к GLM-5.2 и GLM-5.1 автоматически направляются в GLM-5.3, а запросы к GLM-4.7 - в GLM-5.3-Flash.
Тарифы работают на кредитах, а не на долларах за токен. В тарифе Lite 2 000 кредитов на пять часов и 10 000 в неделю; в Pro 12 000 и 60 000; в Max 28 000 и 140 000.
Каждый вызов модели списывает кредиты по множителям: у GLM-5.3 это 6,9 для входных токенов, 1,7 для кэшированных и 24 для выходных, а взвешенную сумму документация делит на 10 000. Часы пик - с понедельника по пятницу, с 14:00 до 18:00 по сингапурскому времени; вне этого времени использование считается по половинной ставке.
Откуда цифра: из собственной таблицы лимитов на странице тарифа. Что это значит: если 95% входных токенов берутся из кэша, тариф Lite позволяет использовать от 48 до 97 миллионов токенов GLM-5.3 в неделю, в зависимости от того, приходится ли использование на часы пик или вне их. Что меняется: тот, кто работает интенсивно каждый день, получает фиксированный счёт в месяц вместо счётчика, а работа, перенесённая на непиковые часы, тратит вдвое меньше кредитов.
Z.ai заявляет, что, полностью используя скидки на непиковые часы, можно «сэкономить до 92%» по сравнению с оплатой по факту вызовов стандартного API GLM-5.3. Эта цифра - собственное утверждение компании, и она описывает лучший случай, поэтому бюджет вокруг неё я бы не строил. Цен на Pro и Max нет на обзорной странице, которую я читал, поэтому я их не называю.
The Register приводит слова Abitbol о том, почему предсказуемый счёт важен для крупных команд: он рассказывал, что видел, как «инженеры тратят 1 000 долларов в месяц, 10 000 долларов в месяц при не такой уж большой отдаче (ROI)», и сказал, что Revolut запустил свои ИИ-инструменты со строгими лимитами бюджета. После перехода на модели на собственных серверах (self-hosted), по его словам, «оплата фиксированная, и в конце месяца у нас нет неприятных сюрпризов со счётом». Это была собственная размещённая конфигурация Revolut, а не тариф Z.ai, поэтому читайте это как повод заботиться о форме счёта, а не как цену Coding Plan.
Два крупных американских разработчика тоже считают использование по-своему. В разборе Claude vs ChatGPT я сравниваю, как Claude Code берёт из одного запаса с вашими чатами, а Codex расходует отдельный лимит на Work и Codex.
Данные: что документы обещают и чего не доказывают
Для большинства компаний это и есть главный вопрос. Z.ai публикует два релевантных текста.
Первый - политика конфиденциальности. В ней контролёром данных (controller) названа сингапурская компания, а персональные данные, как сказано, «обычно обрабатываются в Сингапуре», с мерами защиты при передаче. Для отдельных пользователей потребительских сервисов политика называет обучение и улучшение моделей среди целей обработки, которую компания проводит на основании законных интересов (legitimate interests).
Второй - Дополнение об обработке данных (Data Processing Addendum, DPA) для клиентов API. В нём сказано: «Компания не хранит никакого содержимого, которое Клиент или его Конечные пользователи предоставляют или создают при использовании наших Сервисов».
Содержимое, как там написано, обрабатывается в реальном времени и не сохраняется на серверах компании. Прочие данные могут временно храниться для оказания услуги или для выполнения юридических обязанностей и удаляются, когда условия перестают действовать. По дополнению Z.ai действует по указаниям клиента.
Это два разных документа для двух разных видов использования, и второй обещает больше, чем первый. Оба документа - обещания компании, которая их написала, и независимого аудита ни того, ни другого я не нашёл.
Я не стал бы утверждать, что данные, отправленные через API, используются для обучения, и не стал бы утверждать обратного. Могу сказать лишь одно: в договоре есть пункт о нехранении, и никто за пределами компании его не подтвердил.
Мой практический совет состоит из трёх частей:
- Проверяйте любую китайскую модель на материалах, которые уже публичны или выдуманы. Этого хватает для большей части того, что маркетинговой команде нужно узнать в первый месяц.
- Прежде чем персональные данные, например списки клиентов или выгрузки лидов, попадут в любую модель из любой страны, сначала поговорите с вашим консультантом по защите данных.
- Если данные важны, выбирайте второй или третий вариант, где договор и место размещения вам уже знакомы.

Я не юрист, и это не юридическая консультация. Это порядок, в котором я бы задавал вопросы.
Какая модель для какой задачи
Я не нашёл источника, который тестирует модели GLM на маркетинговых задачах, поэтому эта таблица - моё предложение, а не измерение. Используйте её как стартовую гипотезу и проверьте.
| Задача | С чего я бы начал | Почему |
|---|---|---|
| Сортировка комментариев, разметка лидов, массовые краткие изложения | GLM-5.3-Flash | Самый дешёвый платный уровень 5.3, большой объём |
| Черновики и переписывание текстов, которые правит человек | GLM-5.3-FlashX или GLM-5.3 | Более удачные формулировки оправдывают более высокую цену |
| Чтение длинных отчётов и поиск противоречий | GLM-5.3 | Сложное чтение - там, где сильная модель окупается |
| Эксперименты с неконфиденциальными данными | GLM-4.7-Flash (бесплатно) | Ничего не стоит, ставки низкие |
| Агенты, которые пользуются инструментами | GLM-5.3 через второй вариант | Нужен самый сильный вариант и знакомый договор |

Чтобы проверить таблицу на вашей работе, возьмите 20 реальных примеров одной задачи, прогоните их через две модели и пусть человек оценит результаты, не зная, какая модель что написала. Если более дешёвая справляется с этой задачей достаточно хорошо, экономия ваша. Так же я сравниваю два уровня Claude в статье Claude Haiku против Sonnet для маркетинга.
Сколько это стоит на практике
Цена по прайс-листу - лишь часть затрат. Вот что я бы сложил, прежде чем выбирать вариант.
- Токены или подписка. Прайс-лист выше или тариф: от 18 USD в месяц, с кредитами, у которых есть лимит на каждые пять часов и на неделю.
- Хостинг. Единой цифры нет. В конфигурации Revolut использовались 56 GPU Nvidia B200, а совокупная стоимость составила около 30 центов за миллион токенов; на странице конференции отмечено, что эти цифры описывают развёртывание и использование Revolut, а не универсальную цену. Арифметику я разбираю в статье о реальной стоимости собственной LLM на своём сервере.
- Время на проверку. Затраты, которых не показывает ни один прайс-лист. Более дешёвая модель, которая делает больше ошибок, переносит расходы со счёта на человека, который проверяет.
- Переход. Промпты (инструкции для модели), подключения инструментов и тестовые примеры, написанные под одну модель, нужно подгонять под другую. Перед переносом рабочего процесса я бы заложил несколько дней на тестирование.
- Проверка на соответствие требованиям (compliance). Время людей, которые читают условия по данным. Для API разработчика это DPA, описанное выше.
Я нигде не утверждаю, что китайские модели дешевле в любом масштабе. Единственное сравнение между разработчиками, которое я нашёл, - оценка института для киберзадач; разрыв в качестве независимые тестировщики измерять умеют, а всё остальное зависит от того, сколько проверки требует ваша работа. О том, как эти расходы соотносятся с остальными инструментами команды, я пишу в статье про маркетинговый технологический стек на 2026 год.
Чек-лист перед использованием китайской нейросети
- Назовите задачу и данные, которых она касается.
- Выберите вариант (сервис разработчика, западный хост или свои серверы) раньше, чем выберете модель.
- Прочитайте лицензию на ту версию модели, которой пользуетесь. Для GLM-5.3 проверьте условие о выручке и о Model as a Service.
- Прочитайте условия по данным для конкретного продукта: потребительская политика и дополнение для API говорят разное.
- Сначала проверяйте на публичных или выдуманных данных.
- Прогоните 20 примеров через Flash и через полную модель, а результаты пусть оценивает человек, который не знает, какая модель что написала.
- Запишите, кто проверяет результат и сколько стоит эта проверка.
Если вы можете ответить на все семь пунктов, вопрос «китайская ли она» превращается в более полезный вопрос «подходит ли этот вариант для этой задачи».

Частые вопросы
Что такое китайские нейросети?
Большие языковые модели, созданные компаниями из Китая, в том числе GLM от Z.ai, DeepSeek и Kimi. Одни держат веса закрытыми и доступны через сервис разработчика, другие публикуют веса, чтобы их могли размещать у себя третьи стороны.
Что такое модели с открытыми и закрытыми весами?
Модель с закрытыми весами держит параметры в тайне, и добраться до неё можно только через интерфейсы, которые контролирует разработчик. Модель с открытыми весами публикует обученные файлы, поэтому запустить её может любой желающий в рамках лицензии. Открытые веса - это не то же самое, что открытый исходный код в полном смысле, потому что обучающие данные могут оставаться закрытыми.
GLM - это open source?
Веса GLM-5.3 опубликованы по лицензии, которая даёт широкие права, а её единственное дополнительное условие касается компаний, ведущих бизнес Model as a Service, чья выручка группы за 12 месяцев превышает 10 миллиардов долларов. Значит, это открытые веса с либеральной лицензией. Я говорю «открытые веса», потому что этот термин описывает файлы, которые опубликованы.
Сколько стоит GLM-5.3?
В API Z.ai: 1,40 USD за миллион входных токенов, 0,26 USD за миллион кэшированных входных токенов и 4,40 USD за миллион выходных. GLM-5.3-Flash стоит 0,15, 0,03 и 0,50 USD. Подписка Coding Plan стоит от 18 USD в месяц.
Какая китайская нейросеть лучшая?
Единого ответа нет. В киберзадачах CAISI называет GLM-5.3 «самой сильной в киберзадачах моделью с открытыми весами из выпущенных на сегодняшний день» и ставит её выше Kimi K3, прежней лучшей модели с открытыми весами из тех, что институт оценивал, но это результат по кибербезопасности, а не по маркетингу. Для вашей работы лучшая модель - та, что показывает лучший результат на ваших собственных примерах.
Можно ли запустить GLM на своём компьютере?
Полную модель - нет. The Register сообщает примерно о 380 ГБ памяти GPU только под веса модели такого размерного класса, а Revolut обслуживает 2 000 инженеров с помощью 56 GPU B200. Существуют и меньшие модели, но это другие и более слабые модели.
Безопасно ли использовать китайскую нейросеть с данными компании?
Это зависит от варианта и от данных. API разработчика обрабатывает данные в основном в Сингапуре, а в его дополнении сказано, что содержимое не хранится; этого обещания никто третий не проверял. Для персональных или конфиденциальных данных я советую сначала спросить вашего консультанта по защите данных или воспользоваться хостом, чей договор вам уже знаком.
Есть ли бесплатные китайские нейросети?
Z.ai указывает GLM-4.7-Flash и GLM-4.5-Flash как бесплатные в своём API. Бесплатные модели удобны для экспериментов с неконфиденциальными данными, и условия по данным я бы всё равно прочитал сначала.
Мой вывод
Китайские нейросети заслуживают такого же отношения, как любой другой поставщик: прочитайте прайс-лист, лицензию и условия по данным, а затем выберите вариант, который подходит для задачи. Ни страх, ни восторг не заменят такого чтения.
Большинству небольших команд я советую начать с дешёвого уровня на публичных материалах, измерить результат на 20 реальных примерах и только после этого решать вопрос о персональных данных. Компаниям с собственной командой инфраструктуры варианты с западным хостом и собственными серверами открывают возможности, которых закрытые модели не дают.
В обоих случаях модель - лишь один компонент. Безопасным использовать результат делает проверка вокруг неё, и эта часть одинакова, построена ли модель в Калифорнии или в Пекине.


