Бесплатные ИИ-модели, которые в 2026 году не уступают платным (и где они реально упираются)

Раз в несколько месяцев в ленте появляется заголовок «бесплатная модель обошла Claude Opus». Я проверяю такие заявления вручную, потому что за два года работы с нейросетями привыкла: половина громких сравнений не выдерживает даже беглой проверки источника. В этот раз проверила три модели, о которых говорили в августе 2026 года. Две выдержали проверку с оговорками. Третья оказалась вовсе не бесплатной, хотя её так называют.

Раньше я уже собирала таблицу повседневных бесплатных замен: Whisper вместо платной расшифровки, NotebookLM вместо платного разбора документов, DeepSeek вместо платного чата (таблица целиком в лид-магните СПИСОК, о нём в конце статьи). Здесь другой уровень: это тяжёлые открытые модели, которые запускаются на собственном железе, а не в браузере через бесплатный тариф. Разница важна, потому что и плюсы, и ограничения у них совсем другие.

Qwen3.8-27B: реально сильная модель, но не «Opus у себя дома»

Компания Alibaba выпустила Qwen3.8-27B 14 августа 2026 года по лицензии Apache 2.0. Это плотная (не MoE) визуально-языковая модель на 27 миллиардов параметров, веса выложены в открытый доступ и скачиваются бесплатно.

По независимому индексу Artificial Analysis модель набрала 52 балла из композитных девяти тестов на кодинг, науку, рассуждение и профессиональные задачи. Отдельно на Agentic Index (тесты на агентные задачи) модель получила 51 балл и обошла Claude Opus 4.8 при максимальном режиме рассуждений (Artificial Analysis, explainx.ai). Важная оговорка: Claude Opus 4.8 на момент публикации уже деприкейтед и не входит в текущую живую таблицу Artificial Analysis, то есть это сравнение с историческим результатом, а не с действующим конкурентом. Плюс превосходство подтверждено не по всем метрикам, которые обычно сравнивают, а методология сравнения у части обозревателей вызывает вопросы. Называть Qwen3.8-27B полной заменой Opus по всем задачам будет нечестно, называть её серьёзным открытым конкурентом на агентных сценариях уже можно.

Где модель упирается:

• - Железо. Стандартное квантование Q4_K_M требует около 17-19 гигабайт видеопамяти, это карта уровня RTX 4090. Более агрессивное Q3_K_M сжимает модель до примерно 13 гигабайт ценой заметной просадки качества. В любом случае это видеокарта, не ноутбук без видеокарты.
• - Настройка. В отличие от чата в браузере, модель нужно один раз развернуть самой: скачать веса, поднять инференс через Ollama или llama.cpp, разобраться с квантованием. Час времени на старте, дальше бесплатно и без лимитов.
• - Русский язык. Здесь как раз нет проблемы. Тесты по мультиязычности относят русский к хорошо поддерживаемым языкам модели, наравне с испанским и французским. Проблемы начинаются на менее распространённых языках, не на русском.

Llama 4 Maverick: не новость этой недели, но всё ещё рабочая опция

Здесь стоит честно поправить популярную формулировку. В соцсетях Llama 4 Maverick иногда подают как свежий возврат Meta в опенсорс, будто модель вышла на этой неделе. По факту Llama 4 (линейка Scout, Maverick, Behemoth) вышла ещё 5 апреля 2025 года. К августу 2026 года это не новость, а уже больше года как рабочий инструмент, который просто остаётся одним из сильных открытых вариантов на рынке.

Maverick, это MoE-модель на 400 миллиардов параметров всего, из которых активны только 17 миллиардов на каждый токен. Это ускоряет счёт на каждом шаге, но не снимает требование держать в видеопамяти все 400 миллиардов параметров сразу: MoE экономит вычисления, а не память.

Где упирается:

• - Железо даже с квантованием. Полная точность требует нескольких карт уровня A100 или H100 (около 400 гигабайт видеопамяти на FP8). Даже агрессивное 4-битное квантование снимает вес только до примерно 200-250 гигабайт видеопамяти, потому что грузить приходится все параметры модели, а не только активные. Это уровень workstation на четыре карты A100 или H100, либо облако, а не одна потребительская карта.
• - Лицензия не безусловно свободная. Llama 4 Community License разрешает коммерческое использование только при аудитории продукта до 700 миллионов активных пользователей в месяц. Для одного эксперта или небольшой команды порог не имеет значения, но это доказывает: слово «открытая» не значит «без всяких условий». Отдельно лицензия исключает мультимодальные (визуальные) возможности модели для компаний, зарегистрированных в Евросоюзе.
• - Обязательная маркировка. Продукт на основе Llama обязан публично указывать «Built with Llama». Мелочь, но часть лицензии, а не рекомендация.

GLM 5.3: самая громкая модель недели оказалась не бесплатной

Это тот случай, когда стоило проверить заявление до публикации, а не после. Компания Zhipu (Z.ai) представила GLM 5.3 14 августа 2026 года с заявленным ростом производительности в кодинге на 50% к прошлой версии и первым местом среди открытых моделей на бенчмарке Terminal-Bench 3.0 (рост с 4.6 до 28.3 балла).

Но на момент публикации этой статьи (26 августа 2026 года) веса модели ЕЩЁ НЕ выложены в открытый доступ. Доступ есть только через платный API компании (от 1.4 доллара за миллион входных токенов) или через подписку GLM Coding Plan от 18 долларов в месяц. Бесплатно можно только пообщаться с моделью в браузерном чате на chat.z.ai, с ограничениями по объёму. Сама компания обещает открыть веса позже, источники называют задержку около двух недель от даты запуска API, но точной даты на момент написания статьи нет.

Это главный урок из трёх моделей: заголовок «открытая модель обогнала конкурентов» не равен «модель бесплатна прямо сейчас». Проверяйте это отдельно, до того как строить рабочий процесс вокруг новости.

Даже когда веса выложат, модель огромна: 744 миллиарда параметров всего, около 40 миллиардов активных на токен. Это ближе к корпоративному серверу, чем к домашнему компьютеру, вне зависимости от лицензии.

Где вообще упирается опенсорс, если сравнивать честно

Помимо частных ограничений у каждой модели, есть три вещи, которые открытые модели упускают системно, независимо от конкретного релиза:

1. 1. Поддержка. У платного сервиса есть кому написать, если что-то сломалось. У открытой модели, которую вы развернули сами, поддержка это форум и документация на английском.
2. 2. Скорость обновлений интерфейса. Пока открытая модель развивается на уровне весов, удобный интерфейс вокруг неё (мобильное приложение, история диалогов, интеграции) обычно появляется позже и не такой отполированный, как у платных продуктов вроде ChatGPT или Claude.
3. 3. Стоимость железа и электричества никуда не делась. «Бесплатно» означает бесплатную лицензию на использование модели, а не бесплатный компьютер, на котором она считает. Видеокарта на 24 гигабайта видеопамяти стоит реальных денег один раз, вместо подписки каждый месяц. Это выгодно при постоянной нагрузке и невыгодно, если задача разовая.

Что с этим делать эксперту без своего дата-центра

Если у Вас нет мощной видеокарты и желания разбираться с квантованием, разумнее пользоваться готовыми бесплатными веб-версиями (я подробно разбирала выбор нейросети под конкретную задачу в отдельной статье). Тяжёлые открытые модели вроде Qwen3.8-27B стоит рассматривать, если задача повторяется каждый день, объём данных чувствительный и не должен уходить на чужой сервер, а нужное железо уже есть или его стоит купить один раз.

Я собрала таблицу с пятью повседневными задачами и бесплатными моделями под каждую, включая честную колонку «где именно упирается лимит». Напишите слово СПИСОК в директ или в бот, я вышлю таблицу бесплатно после подписки на канал «Растём с ИИ», сервис с доступом к нескольким десяткам моделей в одной подписке. Это не замена бесплатным вариантам выше, а следующий шаг, когда бесплатного стало мало.

Если нужна помощь собрать систему из нейросетей под Вашу конкретную нишу, можно начать с бесплатной консультации.

---

Язык: humanizer + no-ai-isms проверены вручную (грепом по запрещённому списку и перечитыванием на живой канцелярит). Обращение: «Вы» с заглавной буквы, без гендерных форм. Длинного тире в тексте: 0 совпадений по grep.