GigaChat и YandexGPT – две российские языковые модели для корпоративных задач. GigaChat разворачивается в закрытом контуре компании, YandexGPT доступен только через облако Яндекса.
Данные лежат в российском дата-центре. Регулятор смотрит не на это, а на то, кто держит ключи шифрования и внутри какого периметра крутится сама модель.
Рынок ИИ в России оценивается примерно в 1,1–1,9 триллиона рублей, и заметная часть корпоративных внедрений упирается не в качество ответов модели, а в вопросы службы безопасности. Дальше разбор по четырём точкам, где GigaChat и YandexGPT расходятся сильнее всего: размер контекста, работа с базой знаний через RAG, схема развёртывания и соответствие требованиям регуляторов.
GigaChat разработан Сбером и развёрнут на российской инфраструктуре. На август 2026 года актуально второе поколение моделей: GigaChat 2 Lite, GigaChat 2 Pro и GigaChat 2 Max. Lite закрывает типовые задачи поддержки и классификации, Max работает с контекстом до 128 тысяч токенов. Этого хватает, чтобы отдать модели регламент или договор целиком, без разбивки на фрагменты.
YandexGPT – часть экосистемы Yandex Cloud, модель обучена на данных поисковика и сервисов Яндекса. Доступна в двух конфигурациях: Lite для быстрых ответов и Pro для сложной аналитики. Контекстное окно YandexGPT Pro на август 2026 года – 32 тысячи токенов, примерно 20–25 страниц текста. Документ на 80 страниц в один запрос не поместится, его придётся резать на части и терять связи между фрагментами.
RAG (Retrieval-Augmented Generation) – архитектура, при которой языковая модель сначала ищет релевантные фрагменты в корпоративной базе знаний, а затем формирует ответ на их основе. Так модель отвечает на вопросы по внутренним регламентам, техдокументации и клиентским данным, не получая всю базу в контекст.
GigaChat интегрируется с векторными базами данных через API и поддерживает эмбеддинги на русском языке из коробки. Эмбеддинги – числовые представления текста, которые позволяют искать по смыслу, а не по словам. Запрос «как оформить отпуск» находит фрагмент «процедура предоставления ежегодного оплачиваемого отдыха», хотя ни одно слово не совпадает.
YandexGPT использует собственные эмбеддинги, обученные на данных поисковика. Качество поиска по русскоязычным документам высокое, но связка рассчитана на хранение базы знаний в сервисах Yandex Cloud. Если база уже развёрнута на инфраструктуре заказчика или в стороннем облаке, миграция занимает недели.
Один наш проект для HR-tech компании: автоматизация ответов на вопросы сотрудников по кадровому документообороту. База знаний – 12 тысяч документов: приказы, регламенты, шаблоны заявлений. Использовали GigaChat Pro с векторной базой на PostgreSQL с расширением pgvector. Модель находила нужный фрагмент регламента за 1,5 секунды и формулировала ответ с учётом контекста вопроса. Похожие задачи закрывает внедрение ИИ в бизнес-процессы: от подготовки базы знаний до интеграции модели с внутренними системами.
RAG работает только на структурированных или хорошо размеченных данных. Если база знаний – это папка PDF-сканов без распознавания, внятного ответа не даст ни одна модель. Подготовка данных почти всегда занимает больше времени, чем интеграция самой модели, и именно на этом этапе проекты застревают.
Закрытый контур – это развёртывание (деплой) ИИ-решения внутри периметра компании без передачи данных в публичное облако. Требование критично для банков, госструктур и компаний, обрабатывающих персональные данные. GigaChat разворачивается в контуре заказчика на корпоративных тарифах, включая вариант на собственных серверах. Запросы к модели не покидают инфраструктуру компании.
YandexGPT доступен только через Yandex Cloud. Яндекс гарантирует изоляцию данных внутри выделенного контура и соответствие 152-ФЗ, но физически серверы находятся в дата-центрах Яндекса. Для части систем это неприемлемо: регулятор требует, чтобы инфраструктуру обработки контролировал сам оператор данных.
Шифрование в обоих случаях реализовано по стандарту AES-256, различие в том, кто управляет ключами. При облачном развёртывании ключи находятся на стороне провайдера. Если политика безопасности требует хранить ключи у себя, вопрос решается только в схеме on-premise с интеграцией в корпоративный модуль хранения ключей.
Развёртывание в своём контуре требует серверов с GPU и увеличивает капитальные затраты. Для компании без собственного дата-центра облачное решение дешевле даже с учётом компромиссов по безопасности, и это честный размен, а не поражение.
152-ФЗ обязывает обрабатывать персональные данные российских граждан на территории России и обеспечивать их защиту. Обе модели этому требованию соответствуют: данные хранятся в российских дата-центрах, операторами выступают российские компании. Дальше начинаются детали реализации.
Для GigaChat заявлена аттестация ФСТЭК, что делает модель рабочим вариантом для банков и организаций с высоким классом защищённости информационных систем. Набор действующих сертификатов у обоих вендоров меняется, поэтому статус на дату старта проекта проверяется в реестре ФСТЭК, а не по статье в блоге. Это единственный способ не переделывать архитектуру после первой же проверки.
Роскомнадзор требует, чтобы оператор персональных данных уведомил регулятор о начале обработки и получил согласие субъектов. Если ИИ-модель обрабатывает обращения клиентов с ФИО, телефоном или адресом почты, она попадает под действие закона. Практическое решение одно: анонимизировать данные до отправки в модель, через DLP-систему или на уровне приложения.
Трансграничная передача данных без явного согласия субъекта запрещена. Обе модели работают в России, но утечка чаще происходит не на уровне модели, а на уровне обвязки: зарубежная система мониторинга, внешняя аналитика, сторонний сервис уведомлений. Проверять надо весь маршрут данных, а не только LLM.
Штрафы за утечки персональных данных пересмотрены с 30 мая 2025 года. Для юридических лиц суммы измеряются миллионами рублей, а при повторном нарушении применяется оборотный штраф от 1 до 3% годовой выручки. Точные значения зависят от объёма утёкших записей и статуса нарушителя, актуальную редакцию статьи 13.11 КоАП стоит смотреть на дату проекта.
Сертификация закрывает только техническую сторону. Если сотрудник скопирует ответ модели с персональными данными и отправит его в публичный мессенджер, ни один сертификат не поможет. Защита данных – это процесс, а не продукт.
GigaChat подходит, если критичны максимальный размер контекста, развёртывание в своём контуре или высокий класс защищённости. Типичные задачи: анализ длинных юридических документов, обработка медицинских карт, системы для госсектора. Компания платит больше за инфраструктуру и получает полный контроль над данными.
YandexGPT – выбор для задач, где важна скорость интеграции и низкий порог входа. Чат-боты техподдержки, классификация обращений, автоответы в CRM. Если у компании нет собственного дата-центра и нет требований по высшему классу защищённости, облако закроет задачу быстрее и дешевле.
Ключевая ошибка при выборе – смотреть только на цену токена. Если документ не помещается в контекст и его приходится обрабатывать по частям, дешёвый токен превращается в четыре дорогих запроса с потерей точности на склейке.
Начинать проект стоит не с выбора модели, а с инвентаризации базы знаний: она определяет и требуемый размер контекста, и половину сроков внедрения. Если сценарии разной чувствительности можно разделить, облако закрывает публичную часть без ожидания, а закрытый контур подключается вторым этапом.
Да, обе модели работают на российской инфраструктуре и подходят для обработки персональных данных. Разница в классе защищённости систем, для которых они аттестованы, и в том, покидают ли данные периметр компании. Перед внедрением нужно уведомить Роскомнадзор и настроить анонимизацию через DLP-систему или на уровне приложения.
Определяет не количество документов, а их длина. Для контрактов, регламентов и техспецификаций нужна модель с контекстом 128 тысяч токенов, чтобы документ уходил целиком. Для коротких инструкций и вопросов-ответов достаточно контекста 32 тысячи токенов, и там важнее скорость ответа. Точность поиска при этом зависит от качества индексации базы.
GigaChat допускает дообучение на инфраструктуре заказчика без выгрузки данных наружу. YandexGPT требует загрузки данных в Yandex Cloud, но изолирует их внутри выделенного контура. Если политика безопасности запрещает передачу данных даже в российское облако, остаётся один вариант: развёртывание в собственном периметре.
БизнесПрактическое руководство по автоматизации бизнеса с помощью AI. Сравнительная таблица решений, чек-лист из 15 этапов внедрения и разбор 7 критических ошибок.
Читать
БизнесУзнайте, как внедрить автономных ИИ-агентов. Разбираем микросервисную архитектуру, интеграцию с SAP/CRM и методологию масштабирования от экспертов Fortech.
Читать
