Греф о Яндексе и китайских ИИ-моделях: кто прав

Греф о Яндексе и китайских ИИ-моделях

Что сказал Греф

17 июля глава Сбера Герман Греф выступил в Совете Федерации. Среди прочего он заявил: в России только у Сбера есть полностью свои ИИ-модели. А Яндекс, по его словам, «дообучает Qwen, в основе лежит китайская модель».

Прозвучало жёстко. Особенно с учётом того, что Яндекс — главный конкурент Сбера на рынке больших языковых моделей. И GigaChat, и YandexGPT претендуют на звание флагманского российского ИИ.

Сам Греф подчеркнул: монополия его не радует. Прямая цитата:

Конечно, нас это ни сколько не радует, что мы одни, потому что мы за конкуренцию. На этом рынке конкуренция глобальная, но лучше бы было, если б у нас было пять-шесть игроков, которые разрабатывают модели.

Позиция понятна: Сбер вложил миллиарды в GigaChat и хочет, чтобы рынок признал — они единственные, кто делает модели с нуля. А конкуренты пусть честно говорят, на чьих разработках строят свои продукты.

Ответ Яндекса

В Яндексе отреагировали быстро. Компания заявила: «утверждение не соответствует действительности». Яндекс «продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений».

У компании солидный трек. Хронология релизов:

• 2023 — первая YandexGPT

• Сентябрь 2023 — YandexGPT 2

• Март 2024 — YandexGPT 3 Pro

• Октябрь 2024 — YandexGPT 4 Pro

• Декабрь 2025 — YandexGPT 5 Pro

По заявлениям компании, YandexGPT 5 Pro в некоторых тестах сравнима с GPT-4o и превосходит Qwen 2.5.

Звучит убедительно. Пять поколений за два с половиной года — это темп, который сложно поддерживать, просто дообучая чужие модели. Но есть нюанс.

Что такое Qwen

Qwen — семейство моделей китайской Alibaba. В феврале 2026 года компания представила Qwen 3.5: открытые веса, 397 миллиардов параметров. Это одна из сильнейших открытых моделей в мире.

Ключевой момент: Qwen распространяется с открытыми весами. Любая компания может взять её, дообучить на своих данных и назвать своим продуктом. Технически — да, это дообучение. Маркетингово — можно подать как «собственную разработку».

Грань между «своя модель» и «дообученная чужая» в индустрии размыта. Meta выпускает Llama с открытыми весами — сотни стартапов строят на ней продукты, называя их своими AI-решениями. Mistral открывает веса — европейские компании дообучают под локальные задачи. Это норма мировой индустрии.

Вопрос не в том, стыдно ли дообучать Qwen. Вопрос в том, что именно Яндекс делает поверх базовой модели и насколько это самостоятельная работа. Если компания просто запустила скрипт fine-tuning на русскоязычном датасете — это одно. Если переписала токенизатор, добавила собственные слои, обучила с нуля часть компонентов — совсем другое.

Кто прав: разбор

Обе стороны по-своему правы. И одновременно лукавят.

Греф говорит о «полностью своих» моделях. GigaChat действительно разработан с нуля командой Сбера. Но и Сбер не в вакууме — они используют открытые исследования, публичные архитектуры, наработки мирового сообщества. Абсолютно «своих» моделей не существует: все стоят на плечах предшественников.

Яндекс утверждает, что не зависит от внешних решений. Но если в основе YandexGPT лежит архитектура Qwen — пусть даже глубоко модифицированная — это уже зависимость. Вопрос глубины: насколько Яндекс меняет базовую модель и насколько полагается на чужой фундамент.

Без доступа к коду и весам обеих моделей ответить точно нельзя. Но кое-что можно сказать наверняка.

Дообучение — это не копипаст. Взять открытую модель и адаптировать её под русский язык, российские реалии, специфические задачи — это месяцы работы. Нужны данные, вычислительные мощности, команда. Результат может существенно отличаться от исходника.

С другой стороны — «собственная фундаментальная модель» обычно означает обучение с нуля. Выбор архитектуры, сбор датасета, тренировка на кластере GPU в течение недель или месяцев. Это другой уровень инвестиций и компетенций.

Почему это важно

Заявление Грефа — не просто пикировка конкурентов. Это сигнал рынку и государству.

Для рынка: если крупнейший частный AI-разработчик России строит продукты на китайских моделях — это меняет расстановку сил. Инвесторы и клиенты начинают иначе оценивать риски.

Для государства: тема технологического суверенитета сейчас острая. Если российские компании зависят от китайских моделей — суверенитет условный. Сегодня Alibaba открывает веса, завтра — закрывает. Или меняет лицензию. Или попадает под санкции. И тогда все, кто строил продукты на Qwen, остаются с устаревшей версией без поддержки.

Для пользователей: большинству всё равно, на чьей архитектуре работает модель. Важен результат: качество ответов на русском, понимание контекста, скорость, цена. И здесь у Яндекса сильные позиции — YandexGPT 5 Pro по бенчмаркам не уступает западным аналогам.

Но для тех, кто принимает решения о закупках AI-решений для бизнеса или госсектора, вопрос происхождения модели критичен. Особенно когда речь о конфиденциальных данных.

Контекст: гонка ИИ в России

Российский рынок больших языковых моделей — это дуополия Сбера и Яндекса с несколькими нишевыми игроками.

Сбер развивает GigaChat с 2023 года. Модель встроена в экосистему банка: виртуальные ассистенты, обработка документов, поддержка клиентов. Плюс внешние продажи через SberCloud.

Яндекс встраивает YandexGPT во все продукты: Поиск, Браузер, Алису, Такси, Маркет. Масштаб внедрения — сотни миллионов пользователей.

Обе компании претендуют на роль национального AI-лидера. Обе получают господдержку. Обе конкурируют за разработчиков, вычислительные мощности и внимание регуляторов.

На этом фоне заявление Грефа — грамотный конкурентный ход. Поставить под сомнение самостоятельность разработок Яндекса — значит ослабить его позиции в госзакупках и корпоративном секторе. Даже если Яндекс всё отрицает, осадок остаётся. Клиенты задают вопросы: а точно ли модель наша? Не отключат ли её завтра? Можно ли ей доверить чувствительные данные?

Что дальше

Ситуация вряд ли разрешится быстро. Яндекс вряд ли раскроет архитектуру YandexGPT — это коммерческая тайна. Греф вряд ли возьмёт слова назад — они уже сделали своё дело.

Но сам спор полезен. Он поднимает важный вопрос: что считать «своей» моделью в эпоху открытых весов?

Если компания берёт Llama или Qwen, дообучает на своих данных, добавляет слои, меняет токенизатор, оптимизирует под свой железный парк — это свой продукт или нет? Индустрия пока не выработала чётких критериев.

Пока критерии простые: работает хорошо — значит своё. Не работает — значит дообучение.

📖 Читайте также:

• AI-агент вместо маркетолога: как малый бизнес экономит 130 000 в месяц

• Нейросети для предпринимателя: с чего начать

• Лендинг за 30 минут с помощью AI

📞 Интересует AI для бизнеса?

Напишите мне лично — обсудим, какие инструменты реально сработают под вашу задачу:

👉 Telegram

👉 MAX