Обучить модель ИИ без размеченных данных возможно: как страны строят суверенный ИИ за $450

До 12 июня 2026 года разговоры о суверенном ИИ звучали как геополитическая риторика. После того как Anthropic отключила модели «Fable 5» и «Mythos 5» для всех иностранных пользователей по директиве Министерства торговли США, суверенный ИИ из лозунга превратился в инженерную задачу. Источник этого обзора фиксирует три причины, по которым страны массово строят собственные модели, и конкретные проекты, которые уже работают.

Почему страны бросились строить свои модели?

• Языковой барьер глобальных моделей. В Индии 22 официальных языка, и ни один из них крупные модели не прорабатывают так же глубоко, как английский. «Sarvam Vision» на бенчмарке olmOCR-Bench показал точность 84,3% на индийских документах, тогда как «Gemini 3 Pro» набрал 80,2%, а «GPT-5.2» всего 69,8%, по данным источника. Модель обучалась на правительственных архивах, смешанных шрифтах и рукописных штампах.

• Регулятор перекрывает трубу данных. С августа 2026 года вступает в полную силу европейский AI Act, первый всеобъемлющий закон об ИИ. Он классифицирует все ИИ-системы по уровням риска: медицина, образование, наём попадают в категорию высокого риска с жёсткими требованиями к документации и тестированию. Параллельно действует американский Cloud Act: данные у американских провайдеров доступны властям США по запросу, даже если сервер стоит в Берлине.

• Зависимость стала реальной угрозой. Французская внутренняя разведка DGSI заменила американскую Palantir на французскую ChapsVision. Расчёт простой: данные спецслужб юридически несовместимы с компанией, подпадающей под Cloud Act.

• Порог входа резко снизился. Исследователи из Беркли, по данным источника, воспроизвели модель с рассуждениями (reasoning model) уровня GPT за 450 долларов и 19 часов через дистилляцию (дистилляция, это когда маленькую модель обучают воспроизводить ответы большой «учительской» модели, и она перенимает навыки без гигантских затрат). Раньше входной билет измерялся миллиардами, теперь миллионами долларов и сотнями GPU (графических процессоров, на которых обучают нейросети).

Возможно ли обучить модель, не имея размеченных данных?

Этот вопрос напрямую касается суверенных моделей, потому что у большинства стран просто нет армии разметчиков и терабайтов аккуратно подписанных датасетов.

Источник описывает конкретный выход: синтетические датасеты. На основе реальных документов генерируются обезличенные варианты, и уже на них дообучают (fine-tuning) модели. Это, по данным источника, на порядок снижает стоимость разметки и позволяет обходить ограничения на передачу данных за рубеж.

Для большинства реальных задач ультрамощные модели избыточны. Распознавание медицинских карт на хинди, классификация налоговых деклараций, голосовой интерфейс для коммунальных сервисов, со всем этим справляется специализированная модель на 3-7 миллиардов параметров, обученная на нужных данных. Факт, что Sarvam обогнал GPT-5.2 именно на локальных документах, подтверждает: правильные обучающие данные (training data) важнее чистой мощности модели.

Два пути суверенизации: Индия против Европы

Индия делает ставку на открытые модели с локальными данными, которые интегрируются в международные экосистемы. Данные остаются внутри страны, модель работает на местных языках и документах, но архитектура открыта для внешних разработчиков.

Европа идёт через инфраструктуру: AWS запустил European Sovereign Cloud в Бранденбурге, физически и логически отделённый от остальных регионов, под управлением исключительно граждан ЕС. Инвестиции составили 7,8 миллиарда евро, по данным источника. При этом юридическая защита от запросов по Cloud Act остаётся открытым вопросом, и это честно признаётся.

Пока совместимость между национальными стеками минимальна: регуляторные требования расходятся, форматы данных различаются, модели обучены на разных языках. Источник проводит аналогию со стандартами мобильной связи GSM и CDMA, которые не убили отрасль, потому что появился промежуточный слой API.

Как это выглядит в России?

Россия де-факто прошла через сценарий отключения раньше других: западные ИИ-сервисы ограничили доступ для российских пользователей ещё в 2022-2024 годах. YandexGPT и GigaChat от Сбера работают на серверах внутри страны и поддерживают русский язык. Релевантность индийского опыта для российских разработчиков прямая: Sarvam показал, что узкоспециализированная модель на правильных локальных данных побеждает глобальные аналоги на конкретных задачах.

Что делать с этим прямо сейчас, по ролям?

Автору Дзена. Если вы используете зарубежные ИИ-инструменты для генерации текстов, сделайте резервную копию рабочих промптов и протестируйте их в YandexGPT или GigaChat. Переключение может потребоваться без предупреждения.

Маркетологу. Пересмотрите, какие ИИ-сервисы встроены в вашу воронку. Если аналитика или персонализация идёт через API зарубежного провайдера, проработайте план «Б» на российских решениях.

Предпринимателю в РФ и СНГ. Для узких задач (распознавание документов, классификация обращений, голосовой бот) рассмотрите дообучение небольшой открытой модели на своих данных. Опыт Беркли с моделью за 450 долларов демонстрирует: порог входа снизился настолько, что это задача для команды из двух-трёх инженеров, а не для корпорации.

Как попробовать?

1. Определите, какие именно зарубежные ИИ-сервисы критичны для вашей работы, и проверьте условия их использования на случай ограничений.
2. Зарегистрируйтесь в YandexGPT (через Яндекс Клауд) или GigaChat (через developers.sber.ru) и перенесите туда один-два ключевых сценария.
3. Если у вас есть специфические данные (отраслевые документы, FAQ клиентов), изучите возможность дообучения открытой модели. Подход с синтетическими датасетами позволяет обойтись без ручной разметки каждого документа.

Частые вопросы

Могут ли снова отключить зарубежный ИИ-сервис для пользователей из России?

Да. Прецедент с Anthropic 12 июня 2026 года показал, что директива госоргана приводит к отключению за часы. Для российских пользователей аналогичные ограничения действуют с 2022 года по ряду сервисов. Полагаться на единственный зарубежный инструмент, значит принимать этот риск на себя.

Нужны ли миллиарды, чтобы создать национальную модель ИИ?

Нет. Исследователи из Беркли, по данным источника, воспроизвели модель с рассуждениями уровня GPT за 450 долларов. Для практических задач, распознавания документов, классификации обращений, достаточно модели на 3-7 миллиардов параметров, дообученной на нужных данных. Порог входа сместился от миллиардов к миллионам долларов.

Чем суверенная модель лучше глобальной?

Не «лучше» в целом, а точнее на локальных задачах. Sarvam Vision обогнал GPT-5.2 на индийских документах при меньшем размере модели. Преимущество суверенной модели: данные не уезжают за границу, сервис не зависит от политических решений другой страны, и модель обучена именно на тех форматах, с которыми работают местные пользователи.

Блокировка Anthropic сделала то, чего не смогли годы конференций: превратила суверенный ИИ из слайда в PowerPoint в строку бюджета. Для тех, кто работает в России, вывод практический: протестируйте один рабочий сценарий на локальной модели сегодня, пока это выбор, а не вынужденная мера.