Где запускать ИИ
Главная/Запуск ИИ/Задачи/Помощь разработчикам в закрытом контуре
ЗАДАЧА / РАЗРАБОТКА И ВНУТРЕННИЕ ПРОЦЕССЫ

Помощь разработчикам в закрытом контуре

Тот же сценарий, что у публичных ассистентов кода, но модель стоит внутри периметра: исходники не покидают компанию. Для многих команд это единственный допустимый вариант — условия договоров прямо запрещают передачу кода третьим лицам.

языковая модель коммерческая тайна
Коротко

Что получаете: Скорость публичного ассистента при сохранении кода внутри. Что нужно: модель уровня Qwen3-32B при контексте 32 768 токенов и 8 одновременных запросах — это 108 ГБ памяти, то есть 1× NVIDIA H200. Модель увидит сведения, составляющие коммерческую тайну. Договоры с контрагентами часто прямо запрещают передавать их третьим лицам — а публичный ИИ-сервис это именно третье лицо. Проверить сценарий до закупки дешевле на арендованной карте.

РАЗБОР ЭТОЙ ЗАДАЧИ
Где её запускать и сколько это стоит
Три варианта исполнения рядом — API, аренда карты, свой сервер — с наблюдаемыми ценами и датами. Аренда карты сравнивается с API на 2,8 млрд—13,2 млрд токенов в месяц.
Открыть разбор →

Что нужно, чтобы это заработало

  • Длинный контекст: модель должна видеть файл целиком, а лучше и соседние
  • Встраивание в редакторы разработчиков
  • Отдельная модель под код — универсальная справляется хуже

Это не список покупок, а список решений. Дешевле всего они принимаются до закупки железа: конфигурация зависит от них сильнее, чем от выбора вендора карты.

Сколько железа

Посчитано по характеристикам модели Qwen3-32B под типовую нагрузку этой задачи. Меняются контекст и число одновременных запросов — меняется и требование к железу, поэтому оба числа названы явно.

МодельQwen3-32B
Размер32,8 млрд
Контекст32 768 токенов
Одновременных запросов8
Веса32,8 ГБ
Память под контекст68,7 ГБ
Всего памяти108 ГБ
Карты1× NVIDIA H200

Доступ к весам модели: веса скачиваются свободно. Подбор карт — оценка сверху по памяти из нашего справочника ускорителей; скорость ответа, питание и охлаждение считаются отдельно, а программный стек под Ascend и AMD отличается от NVIDIA.

Данные и правовой режим

Что увидит модель: Исходный код, внутренние библиотеки, инфраструктурные настройки.

Модель увидит сведения, составляющие коммерческую тайну. Договоры с контрагентами часто прямо запрещают передавать их третьим лицам — а публичный ИИ-сервис это именно третье лицо.

Это информирование, а не юридическая консультация: решение о допустимости конкретного сценария принимает ваш юрист. Разбор лицензий самих моделей — на отдельной странице, устройство закрытого контура целиком — здесь.

Кого звать в проект

Инженер по языковым моделям и ведущий разработчик со стороны заказчика.

Мы называем профиль компетенции, а не список подрядчиков: под эту задачу нужен специалист именно этого профиля, и подбираем мы его под вашу задачу, а не по удобству. Разбор задачи, расчёт конфигурации и сборка команды — наша часть работы; сами работы выполняет и гарантирует тот, кто их делает, по договору с вами.

Рядом в семействе «разработка и внутренние процессы»

Вопросы к данным на естественном языке Отчёт вместо заявки аналитику Агенты во внутренних процессах Модель не отвечает, а выполняет процедуру

Сколько памяти нужно модели под эту задачу

Расчёт под ваш контекст и число одновременных запросов: сколько видеопамяти займут веса и кэш и на скольких картах это поместится.

Контекст и batch учитываются в KV-кэше для инференса; кэш считается для архитектуры GQA — так устроены все актуальные открытые модели. Оценка ориентировочная (rule-of-thumb), не профилировщик.

Требуемая VRAM ≈ 169 ГБ
Память под веса140 ГБ
KV-кэш (инференс)1,3 ГБ
Достаточно одной карты
Сколько карт нужно
NVIDIA H100 80 ГБ 3×
NVIDIA H200 141 ГБ 2×
NVIDIA B200 192 ГБ 1×
NVIDIA B300 288 ГБ 1×
NVIDIA A100 80 ГБ 3×
NVIDIA L40S 48 ГБ 4×
RTX PRO 6000 96 ГБ 2×
RTX 6000 Ada 48 ГБ 4×
AMD Instinct MI300X 192 ГБ 1×
Huawei Ascend 910C 64 ГБ 3×
NVIDIA A16 16 ГБ 11×
NVIDIA L4 24 ГБ 8×
NVIDIA RTX 5090 32 ГБ 6×
NVIDIA RTX 4090 24 ГБ 8×
NVIDIA RTX 3090 24 ГБ 8×
NVIDIA RTX A4000 16 ГБ 11×
Где арендовать под этот объём

Эти карты в каталоге ускорителей →

Инференс: веса ×1,2 (overhead рантайма) + оценка KV-кэша по контексту и батчу. Архитектура модели здесь неизвестна — вы задаёте только размер, — поэтому она угадывается по числу параметров и предполагается GQA: так устроены Llama 3, Qwen 2.5, Mistral и другие актуальные открытые модели. Сверка по 11 моделям нашего каталога 26.08.2026: у моделей на полном внимании MHA кэш выходит примерно в 10 раз больше оценки, у DeepSeek-V3 со сжатым вниманием MLA — в 21 раз меньше. Если модель известна, точное число есть на её странице в каталоге.

Что дальше
Важно. Расчёт ориентировочный (rule-of-thumb) и не является офертой. Реальная потребность в VRAM зависит от архитектуры модели, движка инференса, длины контекста, метода дообучения (полное / LoRA / QLoRA) и параллелизма. Данные карт (память, TDP) — ориентир, требуют выверки по datasheet. Точный подбор под вашу модель эксперт подтверждает по запросу.
ЗАЯВКА

Разобрать задачу «помощь разработчикам в закрытом контуре»

Опишите, как это устроено у вас: объём, число пользователей и какие данные увидит модель. Посчитаем конфигурацию, сравним со сценарием аренды и скажем, какой специалист нужен в проект.

TELEGRAM@zeroexportBot
Следующий шаг
Как выбрать способ запускаГде считает модель и что разрешено с данными — две оси выбора.Разборы: где и почёмГотовые расчёты под типовые сценарии запуска.Открытые модели (LLM)Что можно поставить у себя и сколько памяти это требует.