OpenAI, Qwen e GigaChat: por que está cada vez mais difícil para as empresas russas escolher modelos de AI

O mercado de IA russo está entrando em uma fase onde a escolha de modelo não é mais apenas uma questão de qualidade de resposta. Para empresas, agora é uma combinação de três fatores: a disponibilidade de serviços ocidentais, requisitos de dados e o custo da infraestrutura local.

Como a escolha se reduz

O autor descreve uma situação em que modelos ocidentais como OpenAI e Anthropic estão se tornando cada vez menos acessíveis para o negócio russo não apenas tecnicamente, mas também legalmente. Geobloqueios por país e restrições de IP já funcionam para alguns fornecedores, e em indústrias regulamentadas, até o acesso formalmente permitido através de proxy pouco resolve. Se o nome, telefone ou voz de um cliente aparecer em uma solicitação para uma API externa, parece uma transferência transfronteiriça de dados pessoais e esbarra nos requisitos da Lei Federal 152-FZ.

Isso coloca agentes de IA para suporte, vendas e centros de contato em uma zona de risco aumentado. Através desses modelos passa não texto abstrato, mas dados reais do usuário. Neste contexto, a demanda está crescendo na Rússia por soluções "soberanas", mas muitas vezes essa palavra esconde não modelos proprietários, mas versões adaptadas de sistemas abertos estrangeiros.

E é aqui que começa o principal compromisso: quanto maior a independência formal, mais pesada a economia.

Três cenários funcionais

O mercado essencialmente estabeleceu três abordagens. A primeira é construir um modelo base do zero, como faz o Sber com a família GigaChat. A segunda é pegar um modelo aberto forte, geralmente da família Qwen, e ajustá-lo no corpus em russo e dados de domínio, como fazem Yandex, T-Bank e Avito. A terceira é continuar usando APIs ocidentais através da zona cinzenta, se o negócio estiver disposto a aceitar o risco legal.

• GigaChat — máximo controle e localidade, mas treinamento e inferência muito caros.
• Qwen após ajuste fino — notavelmente mais barato e mais rápido para lançar, mas soberania aqui é condicional.
• OpenAI e Anthropic — qualidade forte e economia clara, mas o acesso está se tornando cada vez mais instável.
• Esquemas híbridos — um compromisso para negócios de médio mercado: comece na nuvem, depois migre para seu próprio perímetro.

O problema é que cada caminho tem custos que não podem ser ignorados. O treinamento do zero requer dezenas ou até centenas de milhões de dólares, um grande volume de dados e GPUs escassas de nível H100 ou H200. O ajuste fino do Qwen parece mais realista, mas a arquitetura base e os pesos permanecem chineses. Do ponto de vista da lógica regulatória rígida, isso não é independência completa, mas um compromisso cuidadosamente localizado.

Onde o dinheiro se perde

O argumento mais doloroso do artigo — não a qualidade do modelo, mas o preço da inferência. De acordo com os cálculos do autor em sua plataforma de agentes própria, um minuto de trabalho em um modelo OpenAI comparável custa menos de 1 rublo, enquanto um minuto em GigaChat-Max custa cerca de 80 rublos. Para agentes de voz e centros de contato, esta é uma diferença não em percentuais, mas em quase duas ordens de magnitude. Em tal modelo de custos, você pode fazer um bom produto tecnicamente, mas não pode justificá-lo economicamente.

"Uma solução totalmente russa é terrivelmente cara"

Um golpe adicional — infraestrutura. Um servidor capaz de servir cerca de mil sessões de agentes simultâneas, o autor estima em aproximadamente 55 milhões de rublos. Então outra armadilha entra em ação: para manter o token relativamente barato, GPUs precisam ser carregadas a 80-90%. Com demanda pequena e desigual, isso é difícil. O equipamento fica ocioso, e os custos com eletricidade, manutenção e depreciação não desaparecem. É por isso que a IA se amortiza em primeiro lugar onde há trabalho humano caro e carga constante: suporte, centros de contato, funções legais.

O que isso significa

Para equipes de produto, a conclusão é bastante dura: construir toda a sua arquitetura em um único provedor já é perigoso. Se uma empresa trabalha com LLMs em língua russa, ela precisa de um esquema agnóstico de modelo com comutação rápida entre OpenAI, GigaChat, soluções semelhantes a Qwen e um perímetro local. Caso contrário, qualquer novo ciclo de bloqueios, mudanças de preço ou requisitos de dados rapidamente transforma uma escolha técnica em um problema de negócio.