Урок 2: Российский рабочий стек — Yandex, Сбер, MTS, Cloud.ru, T-Bank

Чему вы научитесь

• Отличать российскую AI-платформу, корпоративную модель и open-weight семейство от маркетингового «у нас есть ИИ»
• Быстро собирать short list из Yandex, Сбера, MTS AI, Cloud.ru и T-Bank под ваш профиль предприятия
• Понимать, где нужна облачная платформа, где — on-prem модель, а где — связка обоих слоёв
• Читать тарифы и deployment-модели без иллюзий: где цена публичная, а где всё решает договор и объём
• Строить типовой стек под малое предприятие, средний завод и крупный промышленный холдинг

Если в уроке 1 мы смотрели на рынок сверху, то здесь переходим к рабочему российскому слою. Это не «компромисс вместо мирового рынка», а фактическая база закупки для предприятия в РФ на 26 августа 2026 года. Именно этот слой позволяет запускать AI без зависимости от Azure OpenAI, AWS Bedrock, Anthropic или Google Cloud — а для КИИ и чувствительных данных это ещё и единственный реалистичный белый путь, о чём подробно сказано в уроке p.3/05.

Ниже я разбираю не всё, что существует в РФ, а пять опорных направлений:

• Yandex AI Studio / DataSphere — облачный платформенный слой;
• GigaChat / Сбер — корпоративный LLM и API-слой;
• MTS AI / Cotype — корпоративный документный и мультимодальный слой;
• Cloud.ru Evolution AI Factory — cloud-first среда для GenAI и agentic сценариев;
• T-Bank T-Pro / T-Lite — self-hosted open-weight слой.

Короткая матрица: кто за что отвечает

1. Yandex AI Studio и DataSphere

У Яндекса сейчас две практические опоры для enterprise-сценария.

Первая — Yandex AI Studio: платформа, где живут модели, agent tools, search и сценарии работы с корпоративными данными. На публичной странице сервиса Яндекс пишет о 130+ млрд токенов в месяц, 40+ тыс. клиентов и 50+ компаниях из РБК-500, а также отдельно выделяет для enterprise data isolation, stateless-режим и отключаемое логирование (Yandex AI Studio). Это важно не как маркетинговая цифра, а как индикатор зрелости платформенного слоя.

Вторая — DataSphere: облачная среда для notebooks, compute и ML-разработки (DataSphere docs). Она полезна не только data scientist-команде. Для закупки это означает, что Яндекс может закрыть и прикладной inference, и исследовательский слой без разрыва по платформе.

На август 2026 в каталоге AI Studio флагманская строка — Alice AI LLM (контекст 128k) и быстрый Alice AI LLM Flash (64k). YandexGPT Pro 5.1 остаётся в проде, но с окном 32k; рядом в галерее — чужие веса вроде Qwen3.6 35B с контекстом 256k. Для закупки это значит: «взять Яндекс» больше не равно «взять YandexGPT 5». Нужно фиксировать URI модели в договоре, иначе через полгода вам подменят ветку Latest (модели AI Studio; YandexGPT 5.1 Pro). Dedicated inference с гарантированными ресурсами по-прежнему есть у платформенного слоя (YandexGPT).

Практически Yandex лучше всего подходит там, где вы хотите быстро запустить корпоративный чат, RAG по документам, классификатор обращений или агентный workflow без сборки инфраструктуры с нуля.

2. Сбер: GigaChat 2 Pro / 2 Max и ML-слой

У Сбера сильная сторона в том, что у него прозрачнее публичный API-контур, чем у многих других корпоративных игроков. На август 2026 года платный контур юрлиц — GigaChat 2 Lite, 2 Pro и 2 Max; модели первого поколения по-прежнему переводятся на второе. GigaChat 3 Ultra с 15 июля 2026 есть в API, но только физлицам во Freemium, у платных тарифов доступа пока нет (модели GigaChat; GigaChat 3 Ultra; тарифы для юрлиц).

С 1 февраля 2026 года Сбер снизил пакетные тарифы для юрлиц, а для быстрой экономики проекта удобнее держать в голове pay-as-you-go ориентиры (тарифы для юрлиц, обновлено 29.01.2026):

• GigaChat 2 Pro — около 0,5 ₽ за 1000 токенов в pay-as-you-go, включая НДС; в пакетах и асинхронном режиме цена ниже, её нужно уточнять на дату закупки (тарифы для юрлиц);
• GigaChat 2 Max — около 0,65 ₽ за 1000 токенов в pay-as-you-go, включая НДС; в пакетах и асинхронном режиме цена тоже ниже и требует актуализации перед закупкой (тарифы для юрлиц);
• минимальный платёж — 600 ₽/мес, если сервис использовался, но общий объём операций оказался меньше этой суммы (тарифы для юрлиц).

По модели:

• GigaChat 2 Pro — контекст 128 000 токенов, input текст, изображение, аудио, поддержка функций и пакетной обработки (GigaChat 2 Pro);
• GigaChat 2 Max — такой же публично заявленный контекст 128 000, но более сильные бенчмарки по MMLU, ruMMLU и Arena-Hard RU (GigaChat 2 Max).

3. MTS AI / Cotype

MTS AI интересен не как «ещё одна русская LLM», а как корпоративный стек вокруг документов, RAG и мультимодальности. Текущая линейка на продуктовой странице — Cotype Pro 3 (27 млрд параметров) и Cotype Light 3 (9 млрд), обе с контекстом 262 000 токенов (около 600 страниц), on-prem в том числе на Astra Linux, реестр российского ПО № 23756. Рядом остаются Cotype Pro 2.6 (32 млрд, 128k) и открытый Cotype Nano 1,5 млрд на CPU/GPU. Лицензия на странице — от 6,4 млн ₽ без НДС, дальше договор (Cotype; Ведомости, 15.07.2026).

Для procurement это означает: MTS AI надо оценивать не как «модель 32k», а как готовый knowledge/document stack третьего поколения под агентов. Собственный агентский набор MWS AI из 178 сценариев — вендорский тест (Pro 3: 92,2% заданий и 79,1% воспроизводимости против 80,5% / 62,5% у прошлого поколения); в независимый MERA компания ставит Pro 3 третьим. Это аргумент в RFP, не замена вашему приёмочному тесту на заводских документах.

Если ядро проекта — документы, база знаний, много форматов файлов, корпоративный поиск и AI-ассистент по внутренним регламентам, MTS AI почти всегда надо хотя бы включать в short list.

4. Cloud.ru Evolution AI Factory

Cloud.ru идёт как cloud-first конструктор GenAI-среды. На продуктовой странице Evolution AI Factory перечислены Evolution ML Inference, Foundation Models, Managed RAG, ML Finetuning, Notebooks, AI Agents, а также claims про 9 дата-центров уровня Tier III, 24/7 техподдержку и позиционирование «от эксперимента до продакшна» (Cloud.ru Evolution AI Factory).

Отдельно для закупки важны три строки на этой же странице:

• доступны open-source и enterprise-модели;
• есть managed RAG;
• есть AI Agents и low-code/workflow-подход для запуска прикладных сценариев (Cloud.ru Evolution AI Factory).

Это делает Cloud.ru логичным кандидатом там, где заказчик хочет не собирать стек из отдельных сервисов, а взять один облачный контур и быстрее выйти в прикладной production.

5. T-Bank Research: T-Pro 2.1 и семейство T-Lite

T-Bank — это не публичный hyperscaler, а важный open-weight слой российского рынка. Для закупки это полезно там, где вы хотите минимизировать vendor lock-in, оставить модель в своём контуре и не платить за токены внешнему API.

Текущий reference — t-tech/T-pro-it-2.1: Apache-2.0, база Qwen 3, сильнее 2.0 в instruction following (+9 п.п.) и tool calling; Ru Arena Hard 93,8 против 90,4 у 2.0 (T-pro-it-2.1). Предшественник T-pro-it-2.0 с MERA 0.660 остаётся рабочим checkpoint, но для нового деплоя берите 2.1 (T-pro-it-2.0).

У T-lite-it-2.1 есть лёгкий слой той же линейки; старый T-lite-it-1.0 с MERA 0.552 годится как inexpensive local layer, не как готовый чат из коробки (T-lite-it-2.1; T-lite-it-1.0).

Практическая граница такая: T-Pro — не платформа. Это строительный материал. Если у команды нет своего Kubernetes / vLLM / SGLang / observability-слоя, нужна либо интеграторская сборка, либо переход в готовую платформу — например, Yandex/Сбер/Cloud.ru. Техническая сторона self-hosted-развёртывания подробно разобрана в уроке p.9/02.

Какой стек собирать под завод: три профиля

Алгоритм выбора между пятью российскими опорами

1. Определите, что вы покупаете: модель или платформу. T-Pro — это модельный слой. Yandex, Cloud.ru — платформенный. Сбер и MTS AI стоят между ними, но тоже требуют отдельного ответа на вопрос о deployment.

2. Проверьте контур. Если нужны on-prem и отключение внешних вызовов, shortlist резко сужается. Это тема p.2/01 и p.3/05.

3. Сравните не только качество, но и доступность расчёта. Публичные API-тарифы Сбера полезны, потому что их можно быстро подставить в ROI. Договорные цены Cloud.ru и MTS AI придётся выбивать через RFP.

4. Оцените скорость выхода в production. Yandex и Cloud.ru обычно выигрывают по быстрому старту. Self-hosted на T-Pro выигрывает по контролю и независимости, но проигрывает по времени запуска.

5. Решите, нужен ли вам vendor lock-in. Если нет — обязательно держите в short list open-weight ветку через T-Pro и стек из модуля p.9.