в 27–45 раз эффективнее, чем Claude и GPT: как флот из 23 дообученных экспертов ИИ разгромил рынок
Опубликовано 11 May 2026
Когда вы используете LLM для ежедневной разработки программного обеспечения, вы постоянно упираетесь в одну и ту же стену: модель не знает ваш кодовый базис. Она не знает, что вы используете такой шаблон dehttps://fr.wikipedia.org/wiki/Graphe_orient%C3%A9_acyclique[DAG], такая конвенция Gradle, такая эпистемная стратификация в вашихhttps://fr.wikipedia.org/wiki/AsciiDoc[.adoc]. Тогда ему вводят контекст, повторяют, корректируют, итеративно работают. И время — и деньги — проходят.
Поэтому я задал вопрос прямо: сколько бы стоила команда настроенных моделей в моём workspace, способных генерировать код в моём стиле без необходимости каждый раз объяснять им? И, главное: как этот подход сравнивается с традиционными проприетарными решениями — Claude, GPT, Gemini, Grok ?
Меня удивило это ответа. Но гораздо меньше, чем я представлял. И соотношение стоимости/эффективности по сравнению с гигантами отрасли неприлично. Вот полные детали.
Проблема: почему fine-tune и не RAG?
RAG — это хорошо. Mon knowledge graph и mon compartimentage épistémique работают. Но у RAG есть фундаментальный недостаток: при каждом запросе тебе необходимо повторно вводить соответствующий контекст. Твой промпт удлиняется, твоя задержка резко увеличивается, и модель никогда intériorise не усваивает твои паттерны — он каждый раз читает их как внешний документ.
Файн-тюн — это мышечная память. Модель знает, что ты пишешь.build.gradle.kts`с записанными задачами через`tasks.register, что твой`AGENTS.adoc`следуют стандартизованному синтаксису, что твоё рабочее пространство структурировано по boroughs. Ему не нужно напоминать.
|
Fine‑tuning — это не замена RAG, а дополнительный слой. RAG остаётся актуальным для данных, которые часто меняются (логи, тикеты, последние коммиты). Fine‑tuning предназначен для долгосрочного структурного и стилистического знания. |
Идея: флот экспертов, а не одна модель
Одна модель, дообученная на всём моём рабочем пространстве, уже хорошо. Но это неоптимально. Мое рабочее пространство охватывает очень разные области:
-
Плагины Gradle (Kotlin, плагины соглашений, составные сборки)
-
Движок DAG (Kotlin, планирование, выполнение)
-
Агенты LLM (Python, LangChain4j, RAG)
-
архитектурная документация (AsciiDoc, управление)
-
Infra/DevOps (Docker, GitHub Actions, CI/CD)
Одна модель должна быть хороша везде, но отличной нигде. Решение? Однафлот специализированных моделей, с оркестратором, который направляет каждый запрос к нужному эксперту.
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 13
package "Ollama Cloud" {
rectangle "DeepSeek V4-Pro\n1.6T / 49B активных" as V4Pro #FF6B6B
rectangle "6× V4-Flash-FT\n292B / 13B активных" as Flash #4ECDC4
rectangle "6× Gemma4 26B-FT\n26B / 3.8B активных" as Gemma #FFE66D
rectangle "5× Qwen3.6 35B-FT\n35B / 3B активных" as Qwen36 #A8E6CF
rectangle "5× Qwen3.5 35B-FT\n35B / 3B активных" as Qwen35 #FF8B94
}
note bottom of Qwen35
От 17€/мес
(1× Ollama Pro годовой)
Возможно расширение путем объединения
Pro-аккаунтов согласно
методу Docker.
end note
actor Utilisateur as User
User --> V4Pro : Requête
V4Pro --> Flash : "сложная задача Gradle"
V4Pro --> Gemma : "форматирование AsciiDoc"
V4Pro --> Qwen36 : "рефакторинг Kotlin"
V4Pro --> Qwen35 : "Bash-скрипт"
note right of V4Pro
Оркестратор направляет
запрос к наиболее
подходящему эксперту.
Никакого повторяющегося
промпт-инжиниринга.
end note
@enduml
Общий флот :1 оркестратор + 22 эксперта = 23 моделей. И какова ежемесячная стоимость вывода ?17€/месв годовой подписке Ollama Pro — расширяется за счет объединения аккаунтов, если превышены квоты, как продемонстрировано в ma méthode Docker multi-comptes. Начинаем с 17 евро, добавляем 20 евро за уровень в зависимости от реальной потребности. Без лишних трат.
Кодовая база под лупой: 7 900 файлов, 144 000 строк
Прежде чем оценить стоимость обучения, нужно знать, что обучать. Я провёл аудит своего рабочего пространства, строго исключив всё, что игнорируется Git:
----
----
----
build/ out/ node_modules/ runtimes/ .gradle/ dist/
target/ venv/ __pycache__/ .cache/ .tox/
----
Вот результат для файлов, отслеживаемых только
[cols="2,2"]
|===
|Метрический |значение
|Отслеживаемые исходные файлы |**7 896** |Строки кода (LOC) |**143 805** |Репозитории Git |**26** |Основные языки |Kotlin (1 903), AsciiDoc (2 765), Python (5 029)
|===
[IMPORTANT]
====
Эти 5 000+ файлов Python включают`runtimes/`ноутбуков и полезных скриптов. Ядро приложения (плагины Gradle, движок DAG, агенты) в основном написано на Kotlin и AsciiDoc.
====
Из этой массы я полагаю, что могу сгенерировать синтетический набор данных из**~170 миллионов токенов**через LLM-инструктор (дистилляция кодовой базы в пары инструкция/ответ).
=== Деталь набора данных по типу эксперта
[source,text]
----
Dataset maître (généraliste V4-Flash) : 50M tokens
Expert Gradle/Build : 15M tokens
Expert Kotlin/DAG : 15M tokens
Expert AsciiDoc/Gouvernance: 15M tokens
Expert Agent/LLM/Python : 15M tokens
Expert Infra/CI-CD : 15M tokens
Micro-experts Qwen/Gemma : ~5M tokens chacun
----
== Выбор моделей: 100% MoE, отсутствие плотных
Именно здесь архитектура становится действительно эффективной.
Модель *плотная* активирует все свои веса для каждого токена. Модель *MoE* (Mixture of Experts) активирует лишь часть своих параметров. Стоимость инференса — и тонкой настройки — пропорциональна количеству параметров.**активированные**, не к параметрам**запасённые**.
Давайте посмотрим, что рынок предлагает в MoE сегодня на Ollama Cloud:
[cols="3,2,2,1,3"]
|===
|Модель |Всего параметров |Активированы |Активация |Ollama облако
|DeepSeek V4-Pro |1.6T |49B |3.1% |✅ родной |DeepSeek V4-Flash |292B |13B |4.5% |✅ родной |Gemma 4 26B-A4B |26B |3,8Б |14.6% |нативный |Qwen3.6-35B-A3B |35B |3B |8.6% |❌ (ещё не интегрировано) |Qwen3.5-35B-A3B |35B |3B |8.6% |✅ нативный
|❌ Qwen3.5-27B |27B |27B |100% плотный |удалён |❌ Qwen3.5-4B/9B |4B/9B |4B/9B |100% плотный |удалён |❌ Gemma 4 31B |31B |31B |100% плотный |исключён
|🧪 Gemma 4 E2B/E4B |5B/8B |5B/8B |100% плотный |конвейер валидации
|===
[CAUTION]
====
Коэффициент активации является дискриминирующим критерием. Gemma 4 26B-A4B активирует только 3.8B из своих 26B параметров — это в 7× меньше, чем у плотной модели 27B, при сравнимой производительности coding‑agent (77.1% против 80% на LiveCodeBench v6).
====
=== Почему я отказываюсь от плотных моделей
Исключение: Gemma 4 E2B и E4B. Эти две модели, лицензированные под Apache 2.0, идеально подходят для тестирования и валидации учебного pipeline за низкую стоимость. Запуск продолжительностью 2-3 часа на E2B стоит менее $5 — если набор данных или гиперпараметры ошибочны, мы узнаём об этом за несколько долларов. Как только pipeline отлажен, они могут даже использоваться для сверхмикро задач (тривиальное переформатирование, бинарная классификация). Но для экспертов основного флота я придерживаюсь MoE. Вот почему:
.Но не только : les Gemma 4 E2B/E4B, эксперты тонкой анонимизации
[NOTE]
====
Google разработал эти небольшие модели как конкурентоспособные в нативном вызове инструментов — они умеют вызывать функции, работать с регулярными выражениями, искать шаблоны. После дообучения на примерах анонимизации (email, токены, UUID, пути файлов), они становятся**анонимизаторы датасетов**ультра-быстрые. Мы даем им блок необработанного текста, они вызывают`sed`(empty)`regex`через вызов инструмента и возвращают очищенный блок. Стоимость вывода ничтожна: 5B активировано, помещается на одной входной GPU. Эти модели не являются экспертами в своей области — это**специализированные рабочие**в цепочке производства набора данных.
====
* Его VRAM для обучения (даже в QLoRA) пропорциональна**27B итого**
* Его время обучения пропорционально**27B активированы**
Сравним с Qwen3.6-35B-A3B (MoE):
[cols="3,2,2,2"]
|===
| |Qwen3.5-27B (dense) |Qwen3.6-35B-A3B (MoE) |Отношение
|VRAM QLoRA |~55 GB |~35 GB |1.6× |GPU-часы (8M токенов) |~12ч |~4ч |**3×** |Стоимость настройки |~$24 |~$8 |**3×** |SWE-bench проверено |75.0% |73.4% |сопоставимый
|===
MoE стоит в 3 раза дешевле для обучения при производительности agent-coding с точностью до 5%. Для 22 экспертов разница измеряется в тысячах евро.
== Оценка обучения: 811 H100-часов
Я разбил стоимость обучения модели по моделям в QLoRA 4‑бит, используя наборы данных, описанные выше.
=== Лёгкие микроэксперты MoE (3-3,8Б активированы)
Эти модели требуют одного H100 (80 ГБ) на запуск. Объём видеопамяти модели в Q4 составляет примерно 13‑18 ГБ, оставляя достаточно места для состояний оптимизатора LoRA и активаций.
[cols="4,2,3,2"]
|===
|Модель |Количество запусков |GPU‑ч/запуск |Общее GPU‑ч
|Gemma 4 26B-A4B-FT |6 |3.5 h |**21 ч** |Qwen3.6-35B-A3B-FT |5 |4.0 h |**20 ч** |Qwen3.5-35B-A3B-FT |5 |4.0 h |**20 ч** |*микро-подытог* | | |*61 h*
|===
=== Исполнительные директора V4-Flash (13B активировано / 292B хранится)
DeepSeek V4-Flash — это особый случай. Хотя только 13B активируются на токен, полная модель в Q4 весит около 142 ГБ — все эксперты должны находиться в VRAM во время обучения. Поэтому нужно**3× H100**по бегу, чтобы быть комфортным.
[cols="4,2,3,3,2"]
|===
|Модель |Набор данных |GPU |часы |Всего GPU-ч
|V4-Flash-Base универсальная |50M tok |3× H100 |50 h |**150 ч** |V4-Flash эксперт ×5 |15 миллионов ток |3× H100 |40 h |**600 ч** |Подытог руководителей | | | |*750 h*
|===
[cols="3,2,1"]
|===
|**ИТОГО** | |**811 H100-h**
|===
[NOTE]
====
Для сравнения, полная донастройка V4-Flash (без QLoRA, все веса) обойдётся примерно в 4 000 часов H100 только для 6 моделей. QLoRA уменьшает стоимость в 5 раз. Это единственный способ сделать проект экономически целесообразным в таком масштабе.
====
=== Цены на GPU: кто арендует что в мае 2026 года
Я протестировал основных арендаторов H100. Стоимость по счётчику за 811 часов.
[cols="3,2,2,2"]
|===
|арендодатель |$/H100·h |Итого 811 ч |надежность
|**Vast.ai спот** |$1.60 |**$1 298** |★★☆ прерываемый |**Crusoe Cloud** |$2.00 |**$1 622** |★★★★ надежный дата-центр |FluidStack |$1.98 |$1 606 |★★★ |TensorDock |$1.80 |$1 460 |★★☆ |RunPod |$2.29 |$1 857 |★★★ хороший компромисс |CoreWeave |$2.25 |$1 825 |★★★★ предприятие |Лямбда Лабс |$2.49 |$2 019 |★★★★ премиум
|===
[TIP]
====
Vast.ai spot — самый дешёвый, но твои запуски могут быть прерваны в любой момент. Для обучения это рискованно. Crusoe за $2,00/ч — лучшее соотношение надёжности и цены. Переплата в $324 по сравнению с Vast оправдана спокойствием.
====
=== Wall-clock : сколько времени потребуется, чтобы всё обучить ?
С одним узлом 3× H100, 31 запуск (1 общий + 30 экспертов) занимают примерно**12 дней**Последовательно. Если ты арендуешь 2 узла параллельно, это падает до**6 дней**.
На практике микроэксперты могут работать на отдельных узлах (по 1 H100 каждый), пока V4-Flash занимает узел 3× H100. При умном планировании :
----
Nœud A (3× H100) : V4-Flash généraliste → V4-Flash experts ×5 (11 jours) Nœud B (1× H100) : Gemma 4 26B ×6 → Qwen 36 ×5 → Qwen 35 ×5 (6 jours)
7 дней аренды, всё сложено.
== Инференция: 23 модели на Ollama Cloud от 17€/мес
Это самая элегантная часть архитектуры.
Ollama Cloud позволяет загружать приватные модели (функция плана Pro). Мои 22 дообученных модели отправляются в`.gguf`на моём пространстве Ollama, отмеченные как частные, и доступные через стандартный API.
[plantuml, inference-flow, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12
|Utilisateur|
start
:Tâche de développement;
|Orkestrateur (V4-Pro)|
:Classifier la tâche\n(domaine + complexité);
if (Tâche simple,\nspécialisée ?) then (oui)
:Router vers micro-expert\n(Gemma 4 26B-A4B-FT\n ou Qwen3.6-35B-A3B-FT);
elseif (Tâche complexe,\nconventions fortes ?) then (oui)
:Router vers exécutif\n(V4-Flash-FT);
else (non)
:Résoudre avec V4-Pro\n(architecture, décision);
endif
|Modèle ciblé|
:Génère le code/output\n**dans mon style**,\n90%+ first-shot correct;
:Retourne la réponse;
stop
@enduml
----
=== Начинаем от 17€/мес., масштабируем при необходимости
План Pro Ollama (17€/мес при годовой оплате) разрешает 3 конкурирующих облачных модели. В этой архитектуре мне никогда не нужно более 2-3 экспертов одновременно :
* Этап классификации (V4-Pro) занимает 1 слот, несколько секунд
* Целевой эксперт занимает 1 слот, время на генерацию его ответа
* Третий слот остаётся в резерве для параллельных задач
Если использование увеличивается, я добавляю дополнительные учетные записи Pro через метод Docker, описанный в xref:0120_cumuler_deux_abonnements_ollama_pro_docker_post.adoc[моя статья о накоплении подписок]. Нет плана Max по 100 €/мес — я добавляю только то, что мне действительно нужно.
Единственный ограничивающий фактор — это**квота GPU-времени**ежемесячный Ollama (50× бесплатный план для Pro). Для моего использования нескольких сотен запросов в день этого более чем достаточно.
[IMPORTANT]
====
Маргинальная стоимость вызова V4-Pro (49B активировано) по сравнению с Gemma 4 26B-A4B (3.8B активировано) — это**даже для меня: ноль**. Это пакет Ollama, который компенсирует разницу в вычислениях. Единственный показатель, который у меня есть, — это задержка.
====
=== Маршрутизация на практике
----
Volume de requêtes estimé : ~500/jour
├─ 50% → Gemma 4 26B-A4B-FT (micro, 3.8B actifs) │ Formatage AsciiDoc, scripts simples, conventions nommage │ ├─ 25% → V4-Flash-FT (exécutif, 13B actifs) │ Plugins Gradle, refactoring Kotlin, génération DAG │ ├─ 15% → Qwen 35B MoE-FT (micro, 3B actifs) │ Tâches intermédiaires, review de code, documentation │ └─ 10% → V4-Pro (orkestrateur, 49B actifs) Décisions architecturales, refactoring transverse, problèmes vraiment nouveaux
Основной поток трафика проходит через маленькие. Большая модель вмешивается только в крайнем случае.
== Сравнение, которое больно: Claude, GPT, Gemini, Grok vs мой флот
Вот где разница становится головокружительной. Посмотрим, сколько стоил бы тот же объём работы (500 запросов в день, ~300 токенов вход + 2000 токенов выход в среднем) с проприетарными решениями рынка в мае 2026 года.
=== Anthropic — Claude (тарифы май 2026)
Anthropic недавно *снизил* свои цены. Давление от решений open-weight, таких как DeepSeek и Qwen, ощущается.
[cols="3,2,2,2,2"]
|===
|Модель |$/MTok |Вывод $/MTok |Стоимость за день |**Стоимость/мес**
|Opus 4.7 (самый умный) |$5 |$25 |$25.75 |**$772** |Сонет 4.6 (сбалансированный) |$3 |$15 |$15.45 |**$463** |Хайку 4.5 (самый быстрый) |$1 |$5 |$5.15 |**$154**
|===
[CAUTION]
====
Эти тарифы находятся *после* последнего снижения цен Anthropic (май 2026). До этого Opus стоил $15/$75 за MTok. Страх перед open-weight реален.
====
Даже самая дешевая модель Claude — Haiku 4.5 по**154€/мес.**— стоит в 9 раз больше, чем моя подписка Ollama Pro за 17€. И Haiku не знает мою кодовую базу, не генерирует в моём стиле и требует системной инженерии подсказок.
Самый умный — Opus 4.7 — взрывает бюджет до**772 евро в месяц**для умеренного объема 500 запросов в день. Либо**в 45 раз дороже**что мое решение.
=== OpenAI — GPT (тарифы май 2026)
[cols="3,2,2,2,2"]
|===
|Модель |$/MTok |$/MTok |Стоимость/день |**Стоимость/мес**
|GPT 5.5 (умный) |$5 |$30 |$30.90 |**$927** |GPT 5.4 (стандарт) |$2.50 |$15 |$15.45 |**$463** |GPT 5.4 Mini |$0.75 |$4.50 |$4.64 |**$139**
|===
Даже «экономичная» модель OpenAI — GPT 5.4 Mini за 139 евро в месяц — стоит в 8 раз больше моей подписки, поскольку эта модель не знает *ничего* о моих конвенциях и требует сложного промпт‑инжиниринга.
GPT 5.5, их флагман:**927€/мес**. Для *zero-shot* на моей кодовой базе. С 2-3 итерациями на задачу из-за неумелого стиля, реальная месячная стоимость легко удваивается.
=== Google — Gemini (тарифы май 2026)
[cols="3,2,2,2,2"]
|===
|Модель |$/MTok |$/MTok |Стоимость/день |**Стоимость/месяц**
|Gemini 3.1 Pro (High) |$3.50 |$17.50 |$18.00 |**$540** |Gemini 3.1 Pro |$2 |$10 |$10.30 |**$309** |Gemini 3 Flash |$0.30 |$1.50 |$1.54 |**$46**
|===
Gemini 3 Flash за 46€/мес является конкурентоспособным по чистой цене — но без fine‑tune он генерирует код «универсальный». Не код *Cheroliv*.
=== Grok — xAI (тарифы май 2026)
[cols="3,2,2,2,2"]
|===
|модель |$/MTok |$/MTok |Стоимость/день |**Стоимость/месяц**
|Grok 4 |$4 |$16 |$16.48 |**$494** |Grok 4 Mini |$0.80 |$3.20 |$3.30 |**$99**
|===
=== Microsoft — Azure OpenAI (тарифы май 2026)
Azure применяет те же цены, что и прямой API OpenAI, но дополнительно взимает плату за инфраструктуру и сеть. Необходимо учитывать дополнительный расход в размере 10-20 % за управляемый сервис.
[cols="3,2,2,2,2"]
|===
|Модель |$/MTok |Output $/MTok |Стоимость в день |**Стоимость/месяц**
|GPT 5.4 (Azure, Global) |$2.50 |$15 |$15.45 |**$463** |GPT 5.4 + инфраструктура |надбавка 15% |переплата 15% |$17.77 |**$533**
|===
[NOTE]
====
Тарифы, указанные выше, относятся к API, а не к подпискам «chat» (Claude Pro — $20/мес, ChatGPT Plus — $20/мес). Здесь сравнивается использование *разработчика*, то есть когда ты выполняешь сотни запросов в день через API для генерации, рефакторинга, документирования. Подписки для широкой публики имеют квоты, которые превышаются намного раньше 500 запросов/день.
====
=== Итоговая сравнительная таблица
[cols="3,2,2,2,2,2"]
|===
|Решение |Знание кодовой базы |Интегрированный стиль |Стоимость/мес |Итерации |**Фактическая стоимость**
|**Мой флот (Ollama Pro)** |✅ точно настроенная |✅ В весах |**17€** |0-1 |**17€** |Claude Opus 4.7 |❌ Zero-shot |❌ Необходимый запрос |$772 |2-3 |$1 500-2 300 |Клод Хайку 4.5 |❌ Zero-shot |❌ Необходимый промпт |$154 |3-4 |$460-615 |GPT 5.5 |❌ Zero-shot |❌ Необходимый промпт |$927 |2-3 |$1 854-2 781 |GPT 5.4 |❌ Zero-shot |❌ Требуемый промпт |$463 |2-3 |$925-1 390 |GPT 5.4 Mini |(No output - empty string) |❌ Необходимый промпт |$139 |3-5 |$417-695 |Gemini 3.1 Pro High |❌ Нулевой выстрел |❌ Требуемый запрос |$540 |2-3 |$1 080-1 620 |Grok 4 |Нулевой выстрел |❌ Необходимый запрос |$494 |2-3 |$988-1 482 |**Azure GPT 5.4** |(Empty) |❌ Требуемый запрос |$533 |2-3 |$1 066-1 600
|===
[plantuml, cost-comparison, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
title Соотношение стоимости и эффективности — мой флот против рынка (май 2026)
rectangle "17€/месяц" as OURS #4ECDC4
rectangle "Opus 4.7\n772€" as OPUS #FF6B6B
rectangle "Сонет 4.6\n463€" as SONNET #FF8B94
rectangle "GPT 5.5\n927€" as GPT #FFD93D
rectangle "Gemini 3.1 Pro\n540€" as GEMINI #6C5CE7
rectangle "Grok 4\n494€" as GROK #A8E6CF
rectangle "Haiku 4.5\n154 €" as HAIKU #DFE6E9
rectangle "GPT 5.4 Мини\n139€" as MINI #B2BEC3
note bottom of OURS
Avec fine-tune intégré.
Zéro prompt engineering.
90%+ first-shot correct.
end note
@enduml
----
17€/мес за 23 эксперта в области ИИ, отточенных. Флагман Claude Opus 4.7 стоит**в 45 раз дороже**pour более низкого качества на *моем* кодбазе. GPT 5.5 стоит**в 54 раза дороже**. Даже самая дешевая модель на рынке (Gemini Flash за 46€) стоит**2.7× больше**без знания моего рабочего пространства
Вердикт безогорошен: fine-tune на архитектурах MoE, в 2026 году, не просто «дешевле». Это фактор эффективности**27× до 54×**о соотношении стоимости и качества по сравнению с проприетарными решениями. Anthropic, OpenAI, Google — все это знают, и именно поэтому они в панике снижают цены.
== Коэффициент эффективности: 5-8× по сравнению с использованием только V4-Pro
Сравним два крайних.
=== Сценарий А: только V4-Pro для всего
[cols="3,2"]
|===
|Метрический |Значение
|Знание кодовой базы |0 (zero-shot) |Конвенция именования |40-60% правильно с первого выстрела |Необходима инженерия промптов |Да, систематический |Итерации на задачу |2-3 |Стоимость вывода |$100/мес (Ollama Max) |средняя задержка |~20 tok/s + réseau
|===
=== Сценарий B: Оркестрованный флот MoE
[cols="3,2"]
|===
|Метрический |Значение
|Знание кодовой базы |Интегрированная (fine-tune) |Конвенция именования |90-95% правильно с первого выстрела |Инженерия подсказок |Нет (стиль находится в весах) |Итерации на задачу |0-1 |Стоимость вывода |$60/месяц (3× Ollama Pro) |Средняя задержка |~50 ток/с (лёгкие модели)
|===
[cols="4,2,2,2"]
|===
|Размер |V4-Pro только |Флот MoE |фактор
|Ежемесячная стоимость облака |$100 |**$60** |1.7× |Контекст для внедрения |Высокий (prompt) |**Ноль** |∞ |Средние итерации |2-3 |**0-1** |2-3× |Воспринимаемая задержка |20 tok/s |50 ток/с |**2.5×** |Первый выстрел правильный |50% |90%+ |**1.8×**
|===
**Коэффициент общей эффективности : 5-8×**— ощущаемая производительность разработчика.
[NOTE]
====
Фактор не измеряется в токенах или долларах. Он измеряется в «сколько времени я трачу на объяснение модели того, что она уже должна знать». С дообученными моделями это время стремится к нулю.
====
== Полный бюджет: одноразовая инвестиция, нелепый тариф
[cols="3,2"]
|===
|Пост |Сумма
|Обучение GPU (811 H100-ч, Crusoe $2/ч) |**$1 622** |Генерация синтетического датасета (API LLM) |**$400** |Инференс (Ollama Pro ежегодно, $17/мес) |**$204** |**Итого первый год** |**$2 226** |**Месячный эквивалент** |**$186** |**Оценённая стоимость за запрос** |< $0.01
|===
[plantuml, budget-breakdown, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
rectangle "Бюджет год 1: $2 226" as Total #E8E8E8 {
rectangle "Обучение GPU\n$1 622 (73%)" as Train #FF6B6B
rectangle "Набор данных\nдистилляция\n$400 (18%)" as Data #FFE66D
rectangle "Ollama Pro\n$204 (9%)" as Cloud #4ECDC4
}
note bottom of Total
$186/mois équivalent année 1.
Dès l'an 2 : $17/mois.
Amorti par ~$235 de CA
mensuel avec marge 95%.
end note
@enduml
----
$186/месяц в первый год,**$17 в месяц**с 2-го года. Цена подписки Netflix Premium для команды из 23 экспертов по ИИ, доступных 24/7, которые пишут код *в моём стиле* без необходимости объяснять им мои соглашения.
[plantuml, inference-flow, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12
|Utilisateur|
start
:Tâche de développement;
|Orkestrateur (V4-Pro)|
:Classifier la tâche\n(domaine + complexité);
if (Tâche simple,\nspécialisée ?) then (oui)
:Router vers micro-expert\n(Gemma 4 26B-A4B-FT\n ou Qwen3.6-35B-A3B-FT);
elseif (Tâche complexe,\nconventions fortes ?) then (oui)
:Router vers exécutif\n(V4-Flash-FT);
else (non)
:Résoudre avec V4-Pro\n(architecture, décision);
endif
|Modèle ciblé|
:Génère le code/output\n**dans mon style**,\n90%+ first-shot correct;
:Retourne la réponse;
stop
@enduml
----
С edster.cloud и его маржой около 95%, точка безубыточности составляет**~$2 340 дополнительной выручки**за год. На практике:
* 1 миссия по управлению программным обеспечением → $3 000-5 000 → инвестиция покрыта + прибыль
* 1 корпоративное обучение → $5 000-10 000 → комфортно
* неявный upsell : моя команда ИИ контролирует мою платформу для разработки ПО → коммерческий дифференциатор
Начиная с года 2, обучение больше не требует оплаты (за исключением обновления датасета). Годовая стоимость снижается до**$204**($17/mois). Отношение стоимости к ценности такое же, как у единорога: практически ноль.
== Границы упражнения
*оценка на ощупь*. Несколько переменных могут влиять на бюджет:
[cols="2,3"]
|===
|Переменная |Влияние
|Генерация синтетического датасета |Если API дистилляции глючит (галлюцинации, неправильно сформированные пары), требуется человеческое время для курирования. Скрытая стоимость. |Квоты GPU‑времени Ollama |Если использование превысит квоты плана Pro, потребуется перейти на более высокий тариф или переключиться на выделенный GPU. |Эффективное качество fine-tunes |Неудачная настройка → нужно переделать. Главный риск — это гиперпараметры, а не аренда GPU. |Быстрая эволюция моделей |Qwen3.6/Gemma 4 были выпущены менее 1 месяца назад. Через 6 месяцев следующее поколение будет лучше и дешевле в дообучении.
|===
[WARNING]
====
Не запускайте 811 часов обучения, не протестировав сначала пайплайн на *одном* микро-модели. Запуск длительностью 3-4 часа на Qwen 35B-A3B стоит $8. Если датасет плохой, вы узнаете об этом за $8, а не за $1 622.
====
== Conclusion: fine-tune стал доступной роскошью
Год назад fine‑tuning модели с 292B параметрами (даже в QLoRA) было делом исследований. Сегодня, в мае 2026 года, это выполнимый проект для независимого разработчика:
* **811 H100-часов**де тренировки — $1 622 у Crusoe
* **23 специализированные модели**загружены на Ollama Cloud —**$17/мес**
* **0 серверов, 0 локальных GPU, 0 обслуживания инфраструктуры**
Демократизация возникла благодаря трем сходящимся факторам:
1. **Архитектуры MoE**— которые позволяют эффективно дообучать модели, в которых активирована только часть весов
2. **Фиксированные планы Ollama Cloud**— которые превращают переменные затраты (per-token) в фиксированные затраты (abonnement)
3. **Качественные модели open-weight**— DeepSeek V4, Qwen3.6, Gemma 4 распространяются по лицензиям MIT/Apache 2.0
Цивилизация прогрессирует, увеличивая количество важных операций, которые мы можем выполнять, не думая об них.
Fine‑tune — это именно это: операция, которую ты делегируешь машине, чтобы больше не думать об этом. И в 2026 году это стоит дешевле, чем ежемесячная зарплата младшего разработчика.
---
_Статья опубликована {jbake-date}_
== Дообученные модели флота
[cols="2,2,2,2,3"]
|===
|Размер активирован |Номер |Базовая модель |Домен |Набор данных
|13B |1 |DeepSeek-V4-Flash-Base |Общее рабочее пространство |50M токенов |13B |5 |DeepSeek-V4-Flash |Gradle, Kotlin, DAG, Doc, Infra |15M токенов |3.8B |6 |Gemma 4 26B-A4B |Микрозадачи, форматирование, скрипты |5M токенов |3B |5 |Qwen3.6-35B-A3B |Рефакторинг, ревью, промежуточная документация |5M токенов |3B |5 |Qwen3.5-35B-A3B |Устаревшие задачи, совместимость |5 миллионов токенов
|===
== Ресурсы
=== Модели open-weight на HuggingFace
* https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Base[DeepSeek V4-Flash-Base — 292B параметров, лицензия MIT]
* https://huggingface.co/Qwen/Qwen3.6-35B-A3B[Qwen3.6-35B-A3B — 35B/3B активированы, лицензия Apache 2.0]
* https://huggingface.co/Qwen/Qwen3.5-35B-A3B[Qwen3.5-35B-A3B — 35B/3B активированы, лицензия Apache 2.0]
* https://huggingface.co/google/gemma-4-26B-A4B-it[Gemma 4 26B-A4B — 26B/3.8B активированы, лицензия Apache 2.0]
=== Источники тарифов (май 2026)
* https://ollama.com/pricing[Тарифы Ollama Cloud — план Pro $17/мес. (годовая подписка)]
* https://www.anthropic.com/pricing[Тарифы Anthropic — Claude API (Opus 4.7 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5)]
* https://openai.com/api/pricing/[Тарифы OpenAI — API GPT (GPT 5.5 $5/$30, GPT 5.4 $2.50/$15)]
* https://deepinfra.com/pricing[Тарифы DeepInfra — GPU-инстансы H100 $1.79/ч, B200 $2.79/ч]
* Vast.ai, Crusoe Cloud, FluidStack, TensorDock, RunPod, CoreWeave, Lambda Labs — ручные записи цен, датированные маем 2026
=== Официальные объявления
* https://qwen.ai/blog?id=qwen3.6-35b-a3b[Официальное объявление Qwen3.6-35B-A3B — блог Qwen]— агентное кодирование, Apache 2.0, 262K контекст
[cols="3,2,2,2,2"]
|===
|Модель |Ввод $/MTok |Вывод $/MTok |Стоимость/день |**Стоимость/мес**
|Grok 4 |$4 |$16 |$16.48 |**$494** |Grok 4 Mini |$0.80 |$3.20 |$3.30 |**$99**
|===
=== Microsoft — Azure OpenAI (тарифы на май 2026 г.)
Azure применяет те же цены, что и прямой API OpenAI, но дополнительно выставляет счет за инфраструктуру и сеть. Следует рассчитывать на наценку в 10-20% за управляемый сервис.
[cols="3,2,2,2,2"]
|===
|Модель |$/MTok |$/MTok |Стоимость/день |**Стоимость/мес**
|GPT 5.4 (Azure, Global) |$2.50 |$15 |$15.45 |**$463** |GPT 5.4 + инфраструктура |доплата 15% |доплата 15% |$17.77 |**533 $**
|===
[NOTE]
====
Приведенные выше тарифы относятся к API, а не к подпискам «чат» (Claude Pro за $20/мес, ChatGPT Plus за $20/мес). Здесь мы сравниваем использование *разработчиком* — тот случай, когда вы отправляете сотни запросов в день через API для генерации, рефакторинга и документирования. У потребительских подписок есть квоты, которые исчерпаны задолго до 500 запросов в день.
====
=== Итоговая сравнительная таблица
[cols="3,2,2,2,2,2"]
|===
|Решение |Знание кодовой базы |Встроенный стиль |Стоимость/мес |Итерации |**Фактическая стоимость**
|**Мой флот (Ollama Pro)** |✅ Дообученная |✅ В весах |**17€** |0-1 |**17€** |Claude Opus 4.7 |❌ Zero-shot |❌ Необходимый промпт |$772 |2-3 |$1 500-2 300 |Claude Haiku 4.5 |❌ Zero-shot |❌ Необходимый промпт |$154 |3-4 |$460-615 |GPT 5.5 |❌ Zero-shot |❌ Необходимый промпт |$927 |2-3 |$1 854-2 781 |GPT 5.4 |❌ Zero-shot |❌ Необходимый промпт |$463 |2-3 |$925-1 390 |GPT 5.4 Mini |❌ Zero-shot |❌ Необходимый промпт |$139 |3-5 |$417-695 |Gemini 3.1 Pro High |❌ Zero-shot |❌ Необходимый промпт |$540 |2-3 |$1 080-1 620 |Grok 4 |❌ Zero-shot |❌ Необходимый промпт |$494 |2-3 |$988-1 482 |**Azure GPT 5.4** |❌ Zero-shot |❌ Необходимый промпт |$533 |2-3 |$1 066-1 600
|===
[plantuml, cost-comparison, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
title Соотношение стоимости и эффективности — мой парк по сравнению с рынком (май 2026)
rectangle "17€/мес" as OURS #4ECDC4
rectangle "Opus 4.7\n772€" as OPUS #FF6B6B
rectangle "Sonnet 4.6\n463€" as SONNET #FF8B94
rectangle "GPT 5.5\n927€" as GPT #FFD93D
rectangle "Gemini 3.1 Pro\n540€" as GEMINI #6C5CE7
rectangle "Grok 4\n494€" as GROK #A8E6CF
rectangle "Haiku 4.5\n154€" as HAIKU #DFE6E9
rectangle "GPT 5.4 Mini\n139€" as MINI #B2BEC3
note bottom of OURS
Со встроенным fine-tune.
Ноль prompt engineering.
90%+ правильных ответов с первого раза.
end note
@enduml
----
17€/мес за 23 дообученных ИИ-эксперта. Флагман Claude Opus 4.7 стоит**в 45 раз дороже**для более низкого качества в *моем* codebase. GPT 5.5 стоит**в 54 раза дороже**. Даже самая дешевая модель на рынке (Gemini Flash за 46€) стоит**2.7× plus**без знания моего `workspace`.
Вердикт однозначен: файн-тюнинг на архитектурах MoE в 2026 году станет не просто «дешевле». Это фактор эффективности в**от 27× до 54×**о соотношении цены и качества по сравнению с проприетарными решениями. Anthropic, OpenAI, Google — все они это знают, и именно поэтому в панике снижают цены.
== Коэффициент эффективности: 5-8× по сравнению с использованием одного лишь `V4-Pro
Сравним два экстремума.
=== Сценарий A: только V4-Pro для всего
[cols="3,2"]
|===
|Метрика |Значение
|Знание кодовой базы |0 (zero-shot) |Соглашение об именовании |40-60% правильных ответов с первой попытки |Необходим промпт-инжиниринг |Да, систематически |Итераций на задачу |2-3 |Стоимость инференса |$100/мес (Ollama Max) |Средняя задержка |~20 токенов/с + сеть
|===
=== Сценарий B: Оркестрированный флот MoE
[cols="3,2"]
|===
|Метрика |Значение
|Знание кодовой базы |Интегрированная (fine-tune) |Соглашение об именовании |90-95% правильных ответов с первой попытки |Промпт-инжиниринг |Нет (стиль заложен в весах) |Итераций на задачу |0-1 |Стоимость инференса |$60/мес (3× Ollama Pro) |Средняя задержка |~50 ток/с (легкие модели)
|===
[cols="4,2,2,2"]
|===
|Размерность |Только V4-Pro |Флот MoE |Фактор
|Ежемесячная стоимость облака |$100 |**60 $** |1.7× |Контекст для внедрения |Высокий (prompt) |**Ноль** |∞ |Среднее количество итераций |2-3 |**0-1** |2-3× |Ощутимая задержка |20 ток/с |50 ток/с |**2.5×** |Пожалуйста, предоставьте текст для перевода. |50% |90%+ |**1.8×**
|===
**Общий коэффициент эффективности: 5-8×**— в субъективном ощущении продуктивности разработчика.
[NOTE]
====
Этот фактор измеряется не в токенах или долларах. Он измеряется в том, «сколько времени я трачу на объяснение модели того, что она уже должна знать». С дообученными моделями это время стремится к нулю.
====
== Полный бюджет: единоразовые инвестиции, смехотворный фиксированный платеж
[cols="3,2"]
|===
|Пост |Сумма
|Обучающий GPU (811 H100-ч, Crusoe $2/ч) |**$1 622** |Генерация синтетического датасета (LLM API) |**$400** |Инференс (Ollama Pro годовой, $17/мес) |**204$** |**Итого за первый год** |**$2 226** |**Ежемесячный эквивалент** |**$186** |**Оценочная стоимость одного запроса** |< $0.01
|===
[plantuml, budget-breakdown, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
rectangle "Бюджет Год 1: $2 226" as Total #E8E8E8 {
rectangle "Training GPU\n$1 622 (73%)" as Train #FF6B6B
rectangle "Dataset\ndistillation\n$400 (18%)" as Data #FFE66D
rectangle "Ollama Pro\n$204 (9%)" as Cloud #4ECDC4
}
note bottom of Total
$186/мес эквивалент за 1-й год.
Со 2-го года: $17/мес.
Окупается при ежемесячном обороте ~$235 с маржой 95%.
end note
@enduml
----
$186/мес в первый год,**$17/мес**уже со 2-го года. Цена подписки Netflix Premium за команду из 23 экспертов по ИИ, доступных 24/7, которые пишут код *в моем стиле* без необходимости объяснять им мои соглашения.
=== Расчет рентабельности
С edster.cloud и его маржой ~95%, точка безубыточности находится на уровне**~$2 340 дополнительного оборота**за год. На практике:
* 1 миссия по управлению ПО → $3 000-5 000 → инвестиции покрыты + прибыль
* 1 корпоративное обучение → $5 000-10 000 → комфортно
* Неявный апселл: «моя команда ИИ владеет моей фабрикой ПО» → коммерческое преимущество
Начиная со 2-го года, обучение больше не оплачивается (за исключением обновления датасета). Годовая стоимость снижается до**$204**($17/мес). Соотношение цены и качества здесь как у «единорога»: практически нулевое.
== Ограничения упражнения
Это остается *приблизительной оценкой «на глаз»*. Несколько переменных могут повлиять на бюджет:
[cols="2,3"]
|===
|Переменная |Влияние
|Генерация синтетического датасета |Если API дистилляции глючит (галлюцинации, неправильно сформированные пары), потребуется человеческое время на курирование. Скрытые расходы. |Квоты на GPU-время Ollama |Если объем использования превысит квоты тарифного плана Pro, потребуется перейти на более высокий уровень или переключиться на выделенный GPU. |Эффективное качество fine-tunes |Неудачный fine-tune → переделывать. Настоящий риск — это гиперпараметры, а не аренда GPU. |Быстрая эволюция моделей |Qwen3.6/Gemma 4 вышли < 1 месяца назад. Через 6 месяцев следующее поколение будет лучше И дешевле в дообучении.
|===
[WARNING]
====
Не запускайте 811 часов обучения, не протестировав сначала пайплайн на *одной* микро-модели. Прогон в 3–4 часа на Qwen 35B-A3B стоит $8. Если датасет плохой, вы узнаете об этом за $8, а не за $1 622.
====
== Заключение: файн-тюнинг стал доступной роскошью
Год назад дообучение модели с 292 млрд параметров (даже с использованием QLoRA) было областью исследований. Сегодня, в мае 2026 года, это вполне осуществимый проект для независимого разработчика:
* **811 H100-часов**обучение — $1 622 в Crusoe
* **23 специализированных модели**загружены в Ollama Cloud —**$17/мес**
* **0 серверов, 0 локальных GPU, 0 обслуживания инфраструктуры**
Демократизация стала результатом трех совпадающих факторов:
1. **Архитектуры MoE**— которые позволяют эффективно дообучать модели, в которых активирована лишь часть весов
2. **Фиксированные тарифные планы Ollama Cloud**— которые превращают переменную стоимость (за токен) в фиксированную стоимость (подписку)
3. **Качественные open-weight модели**— DeepSeek V4, Qwen3.6, Gemma 4 распространяются под лицензиями MIT/Apache 2.0
Цивилизация развивается за счёт увеличения числа важных операций, которые мы можем выполнять, не задумываясь о них».
Файн-тюнинг — это именно оно: операция, которую вы делегируете машине, чтобы больше об этом не думать. И в 2026 году это стоит дешевле, чем младший разработчик на месячном окладе.
---
_Статья опубликована {jbake-date}_
== Дообученные модели флота
[cols="2,2,2,2,3"]
|===
|Размер активирован |Имя |Базовая модель |Домен |Набор данных
|13B |1 |DeepSeek-V4-Flash-Base |Общее рабочее пространство |50 млн токенов |13B |5 |DeepSeek-V4-Flash |Gradle, Kotlin, DAG, Doc, Infra |15 млн токенов |3,8 млрд |6 |Gemma 4 26B-A4B |Микрозадачи, форматирование, скрипты |5 млн токенов |3B |5 |Qwen3.6-35B-A3B |Рефакторинг, ревью, промежуточная документация |5 млн токенов |3B |5 |Qwen3.5-35B-A3B |Устаревшие задачи, совместимость |5 млн токенов
|===
== Ресурсы
=== Open-weight модели на HuggingFace
* https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Base[DeepSeek V4-Flash-Base — 292 млрд параметров, лицензия MIT]
* https://huggingface.co/Qwen/Qwen3.6-35B-A3B[Qwen3.6-35B-A3B — 35B/3B активных, лицензия Apache 2.0]
* https://huggingface.co/Qwen/Qwen3.5-35B-A3B[Qwen3.5-35B-A3B — 35B/3B активных параметров, лицензия Apache 2.0]
* https://huggingface.co/google/gemma-4-26B-A4B-it[Gemma 4 26B-A4B — 26B/3.8B активны, лицензия Apache 2.0]
=== Источники тарифов (май 2026)
* https://ollama.com/pricing[Тарифы Ollama Cloud — план Pro $17/мес при оплате за год]
* https://www.anthropic.com/pricing[Тарифы Anthropic — Claude API (Opus 4.7 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5)]
* https://openai.com/api/pricing/[Тарифы OpenAI — GPT API (GPT 5.5 $5/$30, GPT 5.4 $2.50/$15)]
* https://deepinfra.com/pricing[Тарифы DeepInfra — GPU-инстансы H100 $1.79/ч, B200 $2.79/ч]
* Vast.ai, Crusoe Cloud, FluidStack, TensorDock, RunPod, CoreWeave, Lambda Labs — данные о ценах собраны вручную, май 2026 г.
=== Официальные объявления
* https://qwen.ai/blog?id=qwen3.6-35b-a3b[Официальный анонс Qwen3.6-35B-A3B — блог Qwen]— агентное программирование, Apache 2.0, контекст 262K