Госдума приняла закон о поддержке развития технологий искусственного интеллекта. Центральным объектом регулирования в нём стали большие фундаментальные модели — универсальные системы, обученные на крупных массивах данных и способные служить основой для других продуктов. Чтобы попасть в эту категорию, модель должна содержать не менее одного миллиарда параметров.
Для человека, не занимающегося машинным обучением, миллиард параметров звучит почти как миллиард мыслей, знаний или интеллектуальных возможностей. Но параметры нейросети — это всего лишь числовые коэффициенты, которые модель настраивает во время обучения. Они определяют, как система преобразует входные данные в результат, но каждый отдельный параметр ничего не «знает» и не соответствует отдельному факту или способности.
Количество параметров можно приблизительно сравнить с количеством деталей в механизме. Большое число деталей позволяет построить сложную машину, но само по себе не доказывает, что эта машина хорошо спроектирована, правильно собрана и действительно работает лучше более компактной.
Более того, миллиард параметров по современным меркам — не особенно большая модель. Уже несколько лет существуют открытые модели такого размера, которые могут работать на обычных компьютерах и мобильных устройствах. Google, например, распространяет модель Gemma 3 1B именно как лёгкое решение для локального запуска.
При этом модель с меньшим числом параметров может превосходить более крупную на конкретной задаче: распознавании документов, поиске информации, классификации обращений, переводе, обнаружении дефектов или анализе медицинских изображений. Качество зависит не только от размера, но и от архитектуры, данных, качества обучения, последующей настройки и того, какие внешние инструменты доступны системе.
Особенно плохо критерий работает для моделей с архитектурой mixture of experts, где одновременно используется только часть параметров. Открытая модель GigaChat-A3B, например, содержит около 20 млрд параметров, но при каждом запросе активирует примерно 3,3 млрд. Что именно в таком случае должен измерять закон — общее количество весов или реально работающую часть модели — из формулировки неясно. На эту неопределённость обратил внимание и комитет Госдумы.
Интеллектуальные возможности модели правильнее оценивать не по её размеру, а по результатам: насколько хорошо она рассуждает, работает с фактами и источниками, пишет код, понимает русский язык, выполняет инструкции, использует инструменты, сохраняет устойчивость к ошибкам и манипуляциям. Отдельно должны измеряться стоимость работы, скорость, безопасность, прозрачность и качество на той задаче, для которой система применяется.
Именно поэтому современные системы оценки ИИ используют множество сценариев и показателей, а не единственную цифру. NIST включает в оценку точность, устойчивость, безопасность, объяснимость, прозрачность и возможные искажения; Стэнфордский проект HELM также сравнивает модели сразу по широкому набору способностей и рисков.
Но российский закон выбирает самый простой для подсчёта и самый удобный для крупных компаний показатель.
Специальный режим закона фактически построен вокруг больших фундаментальных моделей. Разработки, не достигшие порога в миллиард параметров, не смогут получить соответствующий статус и связанные с ним преимущества, даже если они эффективнее, дешевле и лучше решают прикладную задачу.
Это особенно важно для России. В условиях ограниченного доступа к передовым вычислительным мощностям наиболее реалистичным направлением развития могли бы стать как раз небольшие специализированные модели: медицинские, промышленные, образовательные, инженерные, региональные и корпоративные системы, которые не пытаются отвечать на все вопросы человечества, но хорошо выполняют конкретную работу.
Россия способна создавать модели с десятками и даже сотнями миллиардов параметров. Однако наличие большого числа параметров не означает нахождения на мировом технологическом переднем крае. «Яндекс», например, прямо сообщает, что при создании Alice AI использовал для инициализации веса открытой китайской модели Qwen3-235B, а Сберу для развития и обслуживания GigaChat необходим доступ к современным китайским ускорителям, поскольку поставки передового западного оборудования ограничены.
Поэтому закон оказывается написан прежде всего для двух компаний, уже располагающих крупными моделями, вычислительной инфраструктурой и возможностью выполнять формальные требования: Сбера с GigaChat и «Яндекса» с Alice AI.
Они смогут претендовать на государственную поддержку, доступ к государственным данным и преимущественное использование в сферах, где правительство ограничит применение иностранных моделей.
Проблема не в том, что государство поддерживает отечественные системы. Зависимость критической инфраструктуры от иностранных поставщиков действительно создаёт риски. Проблема в том, какой именно результат государство начинает вознаграждать.
Если поддержка предоставляется за качество, безопасность, эффективность и доказанную пользу, она может ускорять развитие. Если главным пропуском становится юридический статус и количество параметров, государство защищает не лучшие технологии, а крупнейших действующих игроков.
В результате GigaChat и Alice AI, уже уступающие ведущим мировым системам по широте возможностей и доступу к вычислительным ресурсам, могут получить защищённый рынок, государственные данные и гарантированных заказчиков. Это снизит давление конкуренции и, следовательно, стимул быстро устранять технологическое отставание.
Возникает знакомая конструкция: слабость отечественного продукта становится основанием для его поддержки, а поддержка позволяет ему дольше оставаться слабым.
Закон, заявленный как инструмент развития российского искусственного интеллекта, рискует стать инструментом консервации двух национальных платформ. И миллиард параметров здесь оказывается не единицей интеллекта, а размером входного билета в государственно поддерживаемую олигополию.
Для человека, не занимающегося машинным обучением, миллиард параметров звучит почти как миллиард мыслей, знаний или интеллектуальных возможностей. Но параметры нейросети — это всего лишь числовые коэффициенты, которые модель настраивает во время обучения. Они определяют, как система преобразует входные данные в результат, но каждый отдельный параметр ничего не «знает» и не соответствует отдельному факту или способности.
Количество параметров можно приблизительно сравнить с количеством деталей в механизме. Большое число деталей позволяет построить сложную машину, но само по себе не доказывает, что эта машина хорошо спроектирована, правильно собрана и действительно работает лучше более компактной.
Более того, миллиард параметров по современным меркам — не особенно большая модель. Уже несколько лет существуют открытые модели такого размера, которые могут работать на обычных компьютерах и мобильных устройствах. Google, например, распространяет модель Gemma 3 1B именно как лёгкое решение для локального запуска.
При этом модель с меньшим числом параметров может превосходить более крупную на конкретной задаче: распознавании документов, поиске информации, классификации обращений, переводе, обнаружении дефектов или анализе медицинских изображений. Качество зависит не только от размера, но и от архитектуры, данных, качества обучения, последующей настройки и того, какие внешние инструменты доступны системе.
Особенно плохо критерий работает для моделей с архитектурой mixture of experts, где одновременно используется только часть параметров. Открытая модель GigaChat-A3B, например, содержит около 20 млрд параметров, но при каждом запросе активирует примерно 3,3 млрд. Что именно в таком случае должен измерять закон — общее количество весов или реально работающую часть модели — из формулировки неясно. На эту неопределённость обратил внимание и комитет Госдумы.
Интеллектуальные возможности модели правильнее оценивать не по её размеру, а по результатам: насколько хорошо она рассуждает, работает с фактами и источниками, пишет код, понимает русский язык, выполняет инструкции, использует инструменты, сохраняет устойчивость к ошибкам и манипуляциям. Отдельно должны измеряться стоимость работы, скорость, безопасность, прозрачность и качество на той задаче, для которой система применяется.
Именно поэтому современные системы оценки ИИ используют множество сценариев и показателей, а не единственную цифру. NIST включает в оценку точность, устойчивость, безопасность, объяснимость, прозрачность и возможные искажения; Стэнфордский проект HELM также сравнивает модели сразу по широкому набору способностей и рисков.
Но российский закон выбирает самый простой для подсчёта и самый удобный для крупных компаний показатель.
Специальный режим закона фактически построен вокруг больших фундаментальных моделей. Разработки, не достигшие порога в миллиард параметров, не смогут получить соответствующий статус и связанные с ним преимущества, даже если они эффективнее, дешевле и лучше решают прикладную задачу.
Это особенно важно для России. В условиях ограниченного доступа к передовым вычислительным мощностям наиболее реалистичным направлением развития могли бы стать как раз небольшие специализированные модели: медицинские, промышленные, образовательные, инженерные, региональные и корпоративные системы, которые не пытаются отвечать на все вопросы человечества, но хорошо выполняют конкретную работу.
Россия способна создавать модели с десятками и даже сотнями миллиардов параметров. Однако наличие большого числа параметров не означает нахождения на мировом технологическом переднем крае. «Яндекс», например, прямо сообщает, что при создании Alice AI использовал для инициализации веса открытой китайской модели Qwen3-235B, а Сберу для развития и обслуживания GigaChat необходим доступ к современным китайским ускорителям, поскольку поставки передового западного оборудования ограничены.
Поэтому закон оказывается написан прежде всего для двух компаний, уже располагающих крупными моделями, вычислительной инфраструктурой и возможностью выполнять формальные требования: Сбера с GigaChat и «Яндекса» с Alice AI.
Они смогут претендовать на государственную поддержку, доступ к государственным данным и преимущественное использование в сферах, где правительство ограничит применение иностранных моделей.
Проблема не в том, что государство поддерживает отечественные системы. Зависимость критической инфраструктуры от иностранных поставщиков действительно создаёт риски. Проблема в том, какой именно результат государство начинает вознаграждать.
Если поддержка предоставляется за качество, безопасность, эффективность и доказанную пользу, она может ускорять развитие. Если главным пропуском становится юридический статус и количество параметров, государство защищает не лучшие технологии, а крупнейших действующих игроков.
В результате GigaChat и Alice AI, уже уступающие ведущим мировым системам по широте возможностей и доступу к вычислительным ресурсам, могут получить защищённый рынок, государственные данные и гарантированных заказчиков. Это снизит давление конкуренции и, следовательно, стимул быстро устранять технологическое отставание.
Возникает знакомая конструкция: слабость отечественного продукта становится основанием для его поддержки, а поддержка позволяет ему дольше оставаться слабым.
Закон, заявленный как инструмент развития российского искусственного интеллекта, рискует стать инструментом консервации двух национальных платформ. И миллиард параметров здесь оказывается не единицей интеллекта, а размером входного билета в государственно поддерживаемую олигополию.
Изображение сгенерировано нейросетями
Продолжаем разговор во ВКонтакте — обсуждение, споры и позиции.
Подписывайтесь и включайтесь
Продолжаем разговор во ВКонтакте — обсуждение, споры и позиции.
Подписывайтесь и включайтесь