Подписки на ИИ-сервисы за последние два года тихо стали отдельной строкой в расходах среднего бизнеса. Где-то это аккаунт ChatGPT через рублёвых посредников вроде GPTunnel или BotHub, где-то корпоративный тариф на GigaChat или YandexGPT, где-то API-ключ Claude через прокси на конкретного сотрудника. По итогам года накапливается ощутимая сумма на инструмент, который чаще всего работает в полсилы.
Параллельно весь 2025 и первую половину 2026 в новостях мелькают китайские модели с непривычными названиями: DeepSeek, Qwen, Kimi, GLM. Пишут о них примерно одно и то же: качество не хуже, чем у ChatGPT и Claude, а стоит в три-десять раз дешевле. Звучит подозрительно: или цифры приукрасили, или с моделями что-то не так. И вообще непонятно, как этим пользоваться - сайт на китайском, оплата неясно как, надо ли что-то ставить себе на компьютер.
Картина на самом деле проще. На типовых рабочих задачах - подготовить тексты, разобрать документы, ответить на письма по шаблону, написать код - китайские модели уже работают на уровне ChatGPT и Claude. На задачах с длинными документами и на массовой генерации они западных моделей обходят, причём при цене заметно ниже. Это видно по публичным тестам и по тарифам, открытым на сайтах разработчиков. Но не везде так. Тонкая редактура русского текста и сложные многошаговые рассуждения пока лучше получаются у Claude и GPT-5.
Ниже разбор без хайпа. Кто игроки, под какие задачи их реально стоит брать, под какие нет, четыре практических сценария с конкретными моделями и схемой подключения, и три вопроса для выбора своей модели за час.
Почему это стало темой именно 2026 года
До 2025 года картина была простой: есть GPT-4 от OpenAI, есть Claude от Anthropic, есть Gemini от Google. Китайские модели существовали, но это было про китайский рынок и исследовательскую среду.
Три события поменяли картину.
Первое: DeepSeek R1 в январе 2025 показал сопоставимое с GPT-4 качество рассуждений при стоимости обучения в несколько раз ниже. Это сломало представление о том, что топовые модели требуют топовых ресурсов и могут существовать только у двух-трёх западных лабораторий. Плюс DeepSeek выложили саму модель в открытый доступ: её можно скачать и поставить на свой сервер, не привязываясь к чужому облаку и не отправляя данные наружу.
Второе: Kimi K2 в апреле 2026 вышел с ценой $0.60/M токенов при производительности, сопоставимой с GPT-5.5 на агентных задачах. Для бизнеса, который строит автоматизации с большим объёмом токенов, это разница в 8-10 раз по операционным расходам.
Третье: n8n и OpenRouter добавили нативные интеграции. Alibaba Cloud Model Studio с Qwen появился как отдельный провайдер в n8n - без ручных HTTP-запросов. OpenRouter включил Kimi, Qwen, DeepSeek, MiniMax в единый каталог. Порог входа перестал быть технической проблемой.
Для российского бизнеса есть дополнительный контекст: большинство китайских API работает без VPN и без ограничений по российским IP - в отличие от части американских сервисов. Это не повод строить на этом критичную инфраструктуру без тестов, но это меняет базовую доступность.
Кто вообще есть на рынке и почему их много
Китайских моделей сейчас не три и не пять - их больше десяти, и у каждой свой корпоративный хозяин. Это не конкуренция стартапов, а гонка корпораций за государственным и коммерческим рынком.
Qwen - модельное семейство Alibaba Cloud. В 2026 году это Qwen 3 в нескольких размерах - от компактного 1.7B до большого 235B. Сильные стороны: мультиязычность, работа с кодом, зрение (Qwen-VL). Можно использовать через облако Alibaba Cloud Model Studio либо скачать модель к себе и поднять на собственном сервере - оба варианта официально поддерживаются.
DeepSeek - разработчик из Ханчжоу с одним из самых эффективных подходов к обучению. V3 и V4 на конкурентном уровне с GPT-4o по ряду задач, обе модели можно как использовать через облачный API, так и скачать и поставить на свой сервер. DeepSeek-Coder - отдельная специализированная линейка для работы с кодом.
Kimi - продукт Moonshot AI. В апреле 2026 вышел Kimi K2 - модель с контекстом 200k токенов, заточенная под длинные agentic-сессии. По данным из открытых источников, показатели на агентных задачах сопоставимы с GPT-5.5, при этом стоимость API значительно ниже. Доступен через platform.moonshot.ai.
GLM - серия от Zhipu AI (совместный проект с Tsinghua University). GLM-4 и GLM-4-Plus - модели для текста и зрения. Отдельный продукт ChatGLM - популярный в Китае аналог ChatGPT. Доступен через API Zhipu и на Hugging Face.
Doubao - продукт ByteDance (компания TikTok). Работает под брендом Volcengine в корпоративном сегменте. Сильная сторона - интеграция с экосистемой ByteDance и дешёвые токены на массовых задачах.
Hunyuan - модель Tencent. В 2026 есть мультимодальная версия с хорошими показателями по китайскому языку и изображениям. Доступен через Tencent Cloud.
Baichuan, Yi (01.AI) - ещё два игрока с упором на китайский язык, обе модели также можно скачать и развернуть на своём сервере. Yi от компании 01.AI (основатель - Кай-Фу Ли) имеет хорошие английские версии.
MiniMax - специализируется на длинном контексте и мультимодальности. Есть открытая модель MiniMax-Text-01 с контекстом до 1 миллиона токенов. Это один из самых длинных контекстов среди публично доступных моделей на сегодня.
ERNIE (Wenxin Yiyan) - флагман Baidu. Больше ориентирован на китайский рынок и интеграцию с поиском Baidu. В международном сегменте присутствует слабее других.
Почему их так много - потому что за каждой стоит крупная корпорация с интересом занять долю рынка, и потому что правительство КНР активно стимулирует разработку собственных LLM. Это не хаотичный рынок - это несколько параллельных индустриальных программ с разными акцентами.
Смешанный стек: не вместо, а рядом
Прежде чем разбирать конкретные сценарии, важно понять базовую логику, которую применяют технические команды в 2026.
Никто не заменяет Claude и GPT-4o на китайские модели полностью. Строится смешанный стек: разные модели под разные задачи в зависимости от требований к качеству, стоимости и конфиденциальности. Это не компромисс из-за ограничений, а нормальная инженерная практика - как разные базы данных под разные задачи.
Типичная схема: простые шаблонные задачи (классификация, суммаризация, генерация по структуре) - дешёвая китайская модель через API. Код, где нужна хорошая точность - DeepSeek-Coder. Задачи с длинным контекстом - Kimi K2 или MiniMax. Финальные тексты, редактура, сложные многошаговые рассуждения - Claude Sonnet или GPT-4o.
Результат: общий расход на токены падает в несколько раз без потери качества на конечном продукте, потому что китайские модели используются там, где их возможностей достаточно.
Для малого бизнеса без технической команды самый практичный вход - OpenRouter. Там можно подключить несколько моделей за один вечер и сравнить их на реальных задачах.
Где они реально на уровне ChatGPT и Claude
Короткий ответ: по многим практическим задачам - уже да.
На бенчмарке MMLU (понимание знаний из разных областей) Qwen 3 235B и DeepSeek V4 входят в топ-5 мировых моделей. На LiveCodeBench (реальные задачи по коду из GitHub и LeetCode) DeepSeek-Coder и Qwen-Coder конкурируют с GPT-4o и Claude Sonnet напрямую.
Kimi K2 на агентных бенчмарках типа SWE-bench и WebArena показывает результаты, сопоставимые с GPT-5.5 - при стоимости около $0.60 за миллион входящих токенов против $5+ у GPT-5.5.
Где китайские модели стабильно слабее:
Сложная математика с интерпретацией и мультиступенчатые задачи вывода - GPT-5 и Claude Opus здесь сильнее. Если модель должна рассуждать как финансовый аналитик или юрист - западные флагманы пока точнее.
Нюансы живого русского языка - большинство китайских моделей понимают русский и отвечают по-русски, но на задачах, где нужен точный стиль, идиоматика и тонкая редактура, Claude и GPT-4o лучше. Для классификации, суммаризации, извлечения данных разница несущественна.
Поддержка на русском - у части моделей её нет вообще. Документация на китайском или английском, документов на русском языке минимум.
Где китайские модели выигрывают:
Цена. DeepSeek V4 через официальный API заметно дешевле GPT-4o - разница в несколько раз. Точные цифры меняются, актуальный прайс смотреть на platform.deepseek.com. На объёмных задачах эта разница ощутима в итоговом счёте.
Запуск на своём сервере. DeepSeek V3, Qwen 3, Yi - все три можно скачать к себе и развернуть на собственном железе, без обращения в интернет и без отправки данных стороннему вендору. Для задач с чувствительными данными это принципиально.
Длинный контекст. Kimi K2 с 200k и MiniMax с 1M токенами - это возможности, которых нет у большинства западных моделей в стандартных тарифах.
Четыре сценария для бизнеса
Сценарий 1. Код-ассистент с приватным деплоем
Кому подходит: команда разработчиков 3-15 человек, работает с внутренней кодовой базой, не хочет отправлять код в облако чужого вендора.
Проблема: GitHub Copilot и облачный Claude Code отправляют контекст кода на серверы Anthropic и Microsoft. Для компаний с внутренними требованиями по безопасности или просто для тех, кто не хочет утечки проприетарного кода, это неприемлемо.
Решение: DeepSeek-Coder V2 или Qwen-Coder, поставленные локально через Ollama. Ollama - это простой инструмент, который позволяет скачать модель к себе и запустить её прямо на ноутбуке или рабочем сервере, без интернета. Работает на Mac, Linux, Windows. DeepSeek-Coder в версии 7B умещается на одной видеокарте с 16 ГБ VRAM, в версии 16B нужно 32 ГБ.
Что получается: полноценный code completion и code review, который работает без интернета, не уходит с корпоративного железа, стоит в операционной части только электричество и железо.
Грабли: качество на 7B-модели заметно ниже флагмана. Для небольших задач - нормально, для сложного рефакторинга и архитектурных вопросов лучше использовать облачный DeepSeek V4 API. Настройка Ollama + подключение к редактору (VS Code, Cursor через open-source плагины) занимает полдня, не вечер.
Сценарий 2. Работа с документами на китайском языке
Кому подходит: компания, которая закупает у китайских поставщиков, получает документы (контракты, спецификации, накладные, переписку) на китайском.
Проблема: ChatGPT и Claude переводят с китайского нормально, но теряют нюансы технической терминологии, специфику делового стиля и иногда некорректно интерпретируют юридические формулировки в контрактах.
Решение: Qwen 3 или Kimi K2 для работы с такими документами. Обе модели нативно обучены на огромных корпусах делового и технического китайского языка. Qwen-VL умеет работать с изображениями и PDF напрямую, что полезно для сканов документов.
Практически: подключение через OpenRouter (qwen/qwen3-235b-a22b или moonshot/kimi-k2 в списке моделей) или напрямую через Alibaba Cloud API. Запрос формулируется на русском или английском, контекст подаётся на китайском, ответ на русском.
Грабли: для юридически значимых документов перевод нейросети не заменяет профессионального переводчика с юридической специализацией. Использовать как первый черновик и инструмент понимания контекста, не как финальный перевод для подписания.
Сценарий 3. Анализ длинных массивов документов
Кому подходит: аналитик, юрист, финансист или руководитель, которому нужно работать с большими объёмами текста - многостраничные договоры, отчёты, тендерная документация, архивы переписки.
Проблема: Claude Sonnet и GPT-4o имеют контекстное окно в 200k токенов в стандартных планах, но при полной загрузке качество рассуждений падает, и стоимость на объёмных задачах растёт быстро.
Решение: Kimi K2 с контекстом 200k токенов или MiniMax-Text-01 с контекстом до 1M токенов. На задачах типа загрузить весь договор на 150 страниц и найти все места, где прописана ответственность подрядчика - это прямое применение без разбивки на чанки.
Практически: MiniMax доступен через OpenRouter (minimax/minimax-01) и через прямой API. Kimi через platform.moonshot.ai - интерфейс совместим с OpenAI API, переключение в коде занимает несколько строк.
Грабли: очень длинный контекст не равно идеальная работа с ним. Модели часто теряют детали из середины документа. Для критических задач лучше добавлять инструкции типа обрати особое внимание на раздел 4-7 и проверять ключевые тезисы явно.
Сценарий 4. Массовая генерация контента
Кому подходит: маркетолог в агентстве или владелец небольшого бизнеса с интернет-магазином, которому нужно регулярно генерировать описания товаров, карточки, посты, e-mail рассылки в больших объёмах.
Проблема: Claude Opus или GPT-4o на объёме 500-1000 карточек в месяц обходится в несколько тысяч рублей. При этом задача не требует флагманского качества - нужны приличные тексты по шаблону, быстро и дёшево.
Решение: Qwen-Plus (облегчённая версия Qwen с ценой ниже флагмана) или GLM-4-Flash (самая бюджетная версия GLM от Zhipu AI). Обе модели справляются с задачами по шаблону - описание товара по характеристикам, пост в соцсеть по ключевым тезисам, ответ на отзыв в заданном тоне.
Практически: проще всего через OpenRouter - там оба варианта представлены, стоимость в разы ниже GPT-4o, оплата одним инструментом. Подключение к n8n через стандартную ноду OpenAI (указать base URL OpenRouter) - полдня работы.
Грабли: на задачах, где нужен точный голос бренда или сложный нарратив, качество заметно ниже. Это инструмент для шаблонных задач с понятным форматом, не для контента, требующего живого авторского стиля.
Как подключать в 2026
Есть четыре пути, у каждого свой профиль.
Прямой API у вендора. Регистрируетесь на platform.deepseek.com, platform.moonshot.ai или Alibaba Cloud, получаете API-ключ, подключаете через OpenAI-совместимый интерфейс. Большинство китайских моделей используют схему, совместимую с OpenAI SDK - в коде меняется только base_url и api_key.
Кому подходит: у вас есть разработчик или вы готовы сами написать несколько строк кода, хотите минимальную стоимость без посредников.
Подводные камни: оплата через международные карты, часть вендоров не принимает российские карты напрямую. Нужна карта в иностранном банке или посредник типа Payoneer.
OpenRouter. Агрегатор, который даёт доступ к десяткам моделей через один API. Там есть Qwen 3, Kimi, DeepSeek, MiniMax и десятки других. Оплата в долларах картой - часть российских карт принимается, часть нет (надо проверять).
Кому подходит: хотите попробовать несколько моделей без регистрации у каждого вендора отдельно, или строите систему с переключением между моделями.
Подводные камни: надбавка к цене от 10 до 30% относительно прямого API, иногда выше. Latency может быть выше. Но для старта и тестирования - удобно.
Запуск на своём сервере. DeepSeek V3/V4, Qwen 3 в версиях до 32B, Yi - всё это можно скачать с Hugging Face и запустить через Ollama или vLLM. Данные не покидают компанию, переменной платы за API нет.
Кому подходит: есть GPU-железо (от одной A100 или двух A6000 для 30B+ моделей), требования к конфиденциальности данных, или нужен высоконагруженный сценарий без постоянных расходов на API.
Подводные камни: нужны технические компетенции для настройки. Большие модели (70B+) требуют серьёзного железа - обычный офисный сервер не подойдёт. DeepSeek V3 в полном размере - это несколько GPU в кластере.
Российские reseller'ы. Ряд российских сервисов (Polza AI, некоторые другие агрегаторы) предоставляют доступ к зарубежным и китайским моделям с оплатой рублями через российские платёжные системы.
Кому подходит: нужна оплата в рублях, нет иностранной карты, хотите работать без VPN.
Подводные камни: ассортимент моделей уже, чем у OpenRouter. Маржа посредника выше. Надёжность и поддержка - меньше, чем у крупных западных агрегаторов.
Подводные камни
Доступность из России. API большинства китайских вендоров технически доступен из РФ без VPN - в отличие от многих американских сервисов. Но это не гарантировано и может меняться. DeepSeek, Moonshot, Alibaba Cloud пока работают без ограничений для российских IP. Проверяйте перед тем, как строить на этом что-то критичное.
Цензура на политические темы. Китайские модели имеют встроенные фильтры на темы, чувствительные с точки зрения китайской политики (Тяньаньмэнь, Тибет, Тайвань, Синьцзян и ряд других). Для бизнес-задач это почти никогда не релевантно. Но если ваши задачи касаются политического контента, новостной аналитики или исследований - это стоит иметь в виду.
Русский язык. Большинство китайских моделей понимают русский и генерируют на русском. Но качество неравномерное: на простых задачах (классификация, суммаризация, извлечение данных) разница с GPT-4o незначительна. На задачах, где важен живой стиль, нюансы или редактура под конкретный голос - заметно слабее. Тестируйте на своих реальных задачах перед тем, как переходить в production.
Лицензии на коммерческое использование. У части моделей, которые можно скачать к себе, есть ограничения на коммерческое использование. Qwen 3 и DeepSeek V3/V4 в целом разрешают коммерческое применение, но читайте лицензионное соглашение перед запуском - условия могут меняться между версиями.
152-ФЗ. Если в ваших задачах есть персональные данные российских граждан (имена, телефоны, адреса, паспортные данные), отправка этих данных через API к иностранным вендорам - потенциальный риск с точки зрения российского законодательства о персональных данных. Это касается не только китайских моделей, но и американских. Для такого сценария единственный чистый путь - скачать модель к себе и развернуть на собственном сервере, чтобы данные не уходили из вашей инфраструктуры.
API-доступность. Часть китайских моделей имеет нестабильное API с очередями или лимитами в часы пик. Это особенно актуально для бесплатных или очень дешёвых тарифов. Если строите систему на потоке - тестируйте надёжность API в течение нескольких дней, а не только в момент регистрации.
Три вопроса для выбора за час
Не нужна сравнительная таблица на двадцать строк. Нужно ответить на три вопроса.
Первый: что за задача по своей природе.
Код, извлечение данных из документов, классификация, суммаризация, ответы по шаблону - это задачи, где китайские модели реально конкурируют с GPT-4o. Берёте DeepSeek для кода, Qwen или Kimi для документов и длинного контекста, Qwen-Plus или GLM-4-Flash для массовых шаблонных задач.
Тонкая редактура на русском, сложное многошаговое рассуждение, задачи, где важен нюанс живого языка - здесь западные флагманы сильнее. Если задача именно такая, китайская модель как основная не подойдёт, максимум - как черновик с последующей правкой.
Второй: нужно ли держать данные внутри компании.
Если данные не должны уходить с вашего контура - модель ставится на ваш сервер. DeepSeek или Qwen в версиях до 32B - разумный выбор, подходящий по железу для большинства компаний с собственными серверами. Qwen 3 в версии 7B даже умещается на ноутбуке с хорошей видеокартой.
Если облако допустимо - идёте к API вендора или через OpenRouter и тестируете. OpenRouter позволяет попробовать несколько моделей на одном наборе задач за один день, не регистрируясь у каждого вендора отдельно.
Третий: платить за API или запускать самим.
API - это дёшево, быстро, без администрирования. DeepSeek V4 через API стоит значительно дешевле GPT-4o, точные цифры меняются. Kimi K2 при сравнимом с GPT-5.5 качестве на агентных задачах стоит около $0.60 за миллион входящих токенов - против $5 с лишним у западного флагмана. На объёме 10 миллионов токенов в месяц это разница в несколько раз по итоговому счёту.
Локальный запуск - это отсутствие переменной стоимости, но требует единовременных вложений в железо и постоянного администрирования. Для небольшой команды без DevOps-компетенций это реальные трудозатраты.
Ответив на три вопроса, вы сузите выбор до одной-двух моделей. Дальше - тест на реальных задачах за один-два дня. Не синтетический, не по чужим бенчмаркам, а на своих данных и своих сценариях. Один и тот же промпт отправляете в GPT-4o и в кандидата из китайских моделей, сравниваете результат, смотрите на стоимость. Это занимает день и даёт ответ, который не даст ни одна таблица сравнения.
Как найти первые места в своём бизнесе для ИИ-автоматизации и запустить первый проект за неделю - разбор на ai-uchebnik.ru/blog/metod-odnogo-dnya-avtomatizatsiya.
Пять конкретных сценариев с пошаговыми инструкциями, которые собираются за вечер - ai-uchebnik.ru/blog/5-scenariev-ai-za-vecher.
Свежие разборы инструментов и новостей ИИ - t.me/kosmoslab_ai.