GitLab расширил поддержку open-source моделей для закрытых сетей

GitLab 19.0 расширил поддержку open-source моделей для самостоятельно размещаемых Duo Agent Platform. Это особенно важно для команд, которые работают в изолированных сетях и не могут отправлять исходный код в облако.

Воздушный зазор теперь не отставание

Команды, работающие в полностью изолированных сетях без доступа в интернет, исторически последними получают доступ к новым AI-возможностям. Причина не в технологии, а в законодательстве: в regulated industries compliance-требования запрещают отправлять исходный код третьим лицам. Раньше GitLab предлагал узкий выбор моделей для таких сред, и это создавало двойную проблему. С одной стороны, нужна мощная модель для сложного reasoning — анализ больших дифов, многошаговые инструменты. С другой — простые задачи типа переименования переменной не требуют вычислительной мощи. Приходилось либо переплачивать за оверкилл, либо работать со слабым качеством на сложных задачах.

Четыре новых модели для разных сценариев GitLab добавил поддержку четырех open-source моделей.

Все они протестированы на реальных задачах Duo Agent Platform: многошаговое использование инструментов, код-генерация, работа с большими дифами и мультифайловыми кодбейсами. Mistral Devstral 2 123B — фокус на code generation, лучше всех справляется с написанием кода GLM-5.1 — многоязычная модель, подходит для международных команд Kimi-K2.6 — отличается логированием и многошаговым reasoning MiniMax-M2.7 — самая легкая, подходит если ограничены вычислительные ресурсы Выбор не случаен. GitLab протестировал кандидатов именно на задачах, которые решает платформа. Инженеры оценивали quality code generation, instruction adherence и способность работать с большим контекстом.

Два варианта развертывания

Основной вариант — собственное оборудование с vLLM (рекомендуемая платформа GitLab для serving open-source моделей). Вычисления остаются на вашем сервере, данные не выходят из локальной сети. Это идеально для сред, где есть требования к data residency. Для команд без большого капитала на железо есть альтернатива: GPU-виртуальные машины в приватном облаке (AWS, Azure и другие). Вы платите только за то, что используете, без затрат на покупку и обслуживание оборудования. При этом гарантии изоляции данных остаются теми же — ничего не выходит в публичный интернет.

Как выбрать свой путь Выбор зависит от требований компании.

Если нужна полная air-gapped изоляция — только self-hosted модели на собственной инфраструктуре. Если compliance разрешает гибридный подход — можно использовать разные модели per-feature: например, простые рефакторинги на легкой MiniMax, а сложный analysis на Kimi.

Что это значит Воздушный зазор больше не равно отставанию по AI.

Regulated industries теперь могут внедрять агентов того же качества, что и корпорации, отправляющие данные в облако. Compliance и security больше не должны быть препятствием для AI-производительности.