ChatGPT vs Llama 2026: готовый продукт против open-source двигателя

ChatGPT — полностью готовый продукт с UI, мобильным приложением, голосовым режимом и десятками встроенных функций. Пользователь создаёт аккаунт, выбирает тариф от $0 до $200/мес и сразу работает с моделью GPT-5.3/5.4. Никаких серверов, GPU, Docker-образов или конфигов.

Llama — семейство open-weight моделей Meta без официального пользовательского интерфейса (meta.ai — отдельный продукт, недоступный в РФ). Чтобы начать работу, нужно скачать веса (Llama 4 Scout: 109B параметров при 17B активных, MoE-архитектура), развернуть их через Ollama, vLLM или llama.cpp, или использовать провайдера вроде Groq, Together AI, Fireworks AI. Это осознанный выбор разработчика, а не конечного пользователя.

Маркетолог пишет кейс-стади на русском для корпоративного блога. Кто выдаст готовый текст без стилистических ошибок?

ChatGPT на русском — 8/10 по нашей оценке. GPT-5.4 прошёл масштабную RLHF-тренировку на русских текстах, грамматика безупречная, стиль живой, деловой регистр соблюдается. Из минусов — иногда проскальзывают кальки с английского в сложных синтаксических конструкциях, юридические формулировки стоит перепроверять.

Llama 4 с русским справляется на уровне 6/10. Русский не является приоритетным языком для Meta — модели ориентированы на английский. Базовые задачи (перевод, резюме, простые письма) даются хорошо, но на формальном деловом русском или юридических текстах результат заметно слабее. Российские энтузиасты выпустили fine-tune «Сайга» на Llama-базе, специально ориентированный на русский, — он закрывает часть этого гэпа, но требует отдельного развёртывания.

Аналитик загружает 800-страничный годовой отчёт компании — весь, целиком. Кто прочтёт и не потеряет детали из раздела 3, отвечая на вопрос про раздел 47?

Llama 4 Scout заявила рекорд отрасли — 10M токенов контекстного окна. Для сравнения: 10M токенов — это примерно 7 500 страниц плотного текста или полная кодовая база крупного проекта. ChatGPT в UI предлагает 128K токенов на Plus и до 200K на Pro $200. Через API GPT-5.4 Standard — 272K, до 1M опционально, но с наценкой.

Важный нюанс: 10M-контекст Llama 4 Scout доступен только при self-host. Через публичных провайдеров (Groq, Together AI) лимиты контекста обычно меньше и зависят от конкретного API. На ChatGPT.com пользователь получает 128K без лишних шагов.

Продакт-менеджер хочет: сгенерировать баннер, озвучить лендинг и сделать короткое промо-видео — всё в одной подписке. Кто даст это из коробки?

ChatGPT — мультимодальный комбайн. DALL-E встроен в Plus ($20/мес), Sora 2 для генерации видео доступна на тех же тарифах, голосовой режим Voice Mode — стандарт. Plus открывает работу с изображениями, документами, таблицами, Computer Use. Всё это без единой дополнительной подписки.

Llama 4 Scout и Maverick нативно мультимодальны в части vision (текст + картинки). Аудио- и видеогенерации нет — это вне фокуса Meta для Llama. Если нужна генерация изображений поверх Llama — интеграция с SDXL или Flux через отдельный pipeline. Голосовой режим — через сторонние TTS/STT системы (ElevenLabs и пр.).

Data scientist решает задачу оптимизации с нелинейными ограничениями — нужна модель с цепочкой рассуждений. Кто не срежет углы?

OpenAI сделала reasoning центром своей продуктовой линейки. GPT-5.4 Thinking — специализированный режим для сложных задач, доступный с тарифа Plus. На тарифе Pro $100/мес пользователь получает GPT-5.4 Pro с максимальной вычислительной мощностью для reasoning.

У Llama нет специализированной reasoning-модели уровня GPT-5.4 Thinking или DeepSeek R2. Reasoning реализуется через цепочку рассуждений (chain-of-thought prompting) на базовой модели. Это работает, но уступает dedicated reasoning-моделям на benchmark'ах. На момент мая 2026 Meta не выпустила «Llama-R1» или аналог.

Backend-команда строит pipeline для обработки 10M токенов в сутки: суммаризация, классификация, генерация черновиков. Нужен надёжный API.

ChatGPT API от OpenAI — отраслевой стандарт. Глобальная инфраструктура, 99.9% SLA, SDK на всех мейнстрим-языках (Python, JS, Go, Java, Ruby). Цены: GPT-5.4 Standard $2.50 за 1M токенов input, $15 за output; GPT-5.4 mini $0.40/$1.60. Мощные функции: function calling, structured outputs, batch API с 50% скидкой, streaming.

Llama через провайдеров — дешевле. Groq предлагает Llama 70B от $0.20/1M токенов, Together AI — Llama 4 Maverick от $0.30/1M. Self-host обнуляет цену за токены, но добавляет CAPEX на GPU: Llama 3.1 405B требует ~8×H100, Llama 70B — 2×H100.

Команда из 5 человек: один junior, три senior, один ML-инженер. Считаем годовой бюджет на AI.

ChatGPT: если каждому нужна подписка — $20/мес × 5 × 12 = $1 200/год на Plus для всей команды. Для Production-кода с Agent Mode нужен уровень выше — Business $20/seat/мес, итого $1 200/год (тот же ценник, но с admin-панелью и корпоративными гарантиями). Если хоть одному нужна Deep Research в серьёзном объёме — Pro $100/мес для него отдельно.

Llama: при self-host расходы — GPU в аренде. Llama 70B на одном A100 в AWS (~$3.50/час) покрывает умеренную нагрузку 5-человеческой команды за ~$2 500/год. Llama 4 Maverick требует 400B total параметров — дороже. Через Groq без self-host: при умеренном объёме (~50K токенов/чел/день × 5 × 365 = ~91M токенов/год) через Groq выходит ~$18/год — в 60 раз дешевле ChatGPT.

Студент или фрилансер хочет использовать AI бесплатно и на постоянной основе, а не 14-дневный триал.

ChatGPT Free — реальный бесплатный план без ограничения по времени. GPT-5.3 Instant (немного слабее чем Plus), лимиты на количество запросов в день, голосовой режим (ограниченный), DALL-E изображения с пониженным приоритетом. Никаких карт не требует.

Llama «бесплатно» при self-host — это условно бесплатно. Нужен компьютер или облако. Ollama на M2 Pro запустит Llama 8B со скоростью 20–40 токенов/сек — для личного использования достаточно, для серьёзной работы медленно. Настройка занимает 20–30 минут для опытного пользователя. Без технических знаний — не получится.

Пользователь из России. Обе компании — американские. Как с реальной доступностью в 2026?

ChatGPT заблокирован по IP в РФ. Доступ только через VPN или через российских посредников (ProxyAPI и аналоги) с наценкой 20–30%. Оплата — только зарубежной картой или через посредника. Закрывающих документов от OpenAI не выдаётся — только от посредника. Корпоративная оплата по 44-ФЗ — невозможна.

Llama в РФ — двойственная ситуация. meta.ai заблокирован, как и ChatGPT. Но веса Llama свободно скачиваются с Hugging Face (в РФ обычно без проблем). Self-hosted Llama работает без любых ограничений — нет звонков домой, нет API-ключей OpenAI или Meta, никаких IP-блокировок. Для корпоративного self-host в РФ это единственный open-source вариант, не требующий VPN.

HR-директор передаёт через AI персональные данные сотрудников — ФИО, паспорта, зарплаты. Кто гарантирует, что данные не станут обучающей выборкой?

ChatGPT Enterprise — SOC 2 Type 2, GDPR, TLS + AES-256, данные не используются для обучения. Но серверы за пределами РФ — юридически по 152-ФЗ для обработки ПДн россиян это проблема. На Free и Plus обучение на данных включено по умолчанию (выключается в настройках), на Business и Enterprise — нет.

Llama при self-host — нулевая утечка данных по определению. Никаких запросов в API OpenAI, Meta или кого-либо ещё. Данные обрабатываются локально, журналы хранятся на ваших серверах. При self-host в российском периметре это формально совместимо с 152-ФЗ (при условии необходимой аттестации ФСТЭК для гос-сегмента).

Банк хочет развернуть LLM полностью внутри своего периметра. Никаких внешних API. Только свои серверы.

ChatGPT self-hosted — невозможно в принципе. OpenAI не предоставляет доступ к весам GPT-5.4. Это закрытая проприетарная модель. ChatGPT Enterprise — только SaaS, серверы OpenAI. Без вариантов.

Llama создана именно для self-host. Веса скачиваются с llama.meta.com или Hugging Face после принятия Llama Community License. Далее — vLLM, Ollama, TGI от Hugging Face или llama.cpp. Llama 3.1 405B требует ~8×H100 GPU (NVIDIA A100/H100 80GB), Llama 70B достаточно 2×H100, Llama 8B — один потребительский GPU или Mac M2 Pro.

Российский финтех обрабатывает данные клиентов — ФИО, паспорта, СНИЛС, кредитные истории. Ключевое требование: серверы в РФ, данные не уходят за рубеж.

ChatGPT для 152-ФЗ — де-факто вне закона. Серверы OpenAI в США и EU, передача ПДн за рубеж без специального основания нарушает ст. 12 152-ФЗ. ChatGPT Enterprise предлагает GDPR и SOC 2, но не российский 152-ФЗ. Даже через посредника данные фактически уходят через API в инфраструктуру OpenAI.

Self-hosted Llama в российском дата-центре — единственный open-source путь к 152-ФЗ. Данные никогда не покидают российский периметр. Это уникальное преимущество: среди всех западных LLM только Llama позволяет это. Закрытые российские альтернативы — GigaChat (Сбер, on-premise с ФСТЭК) и YandexGPT (только SaaS, нет on-prem).

Пользователь хочет ответы мгновенно — не ждать 30 секунд пока модель думает. Кто быстрее?

Groq с Llama — рекордная скорость за счёт специализированных LPU-чипов (Language Processing Unit). Llama 70B через Groq выдаёт 500–1000+ токенов в секунду — это ощутимо быстрее чтения. Для сравнения: обычный человек читает 250–300 слов/мин, что примерно 40–50 токенов/сек. При 500 tok/s Llama через Groq «говорит» в 10× быстрее чтения.

ChatGPT не публикует официальные данные по throughput. Self-hosted Llama на H100 — 40–80 tok/s; на Mac M2 Pro через Ollama — 20–40 tok/s для 8B-модели.

Команда хочет AI-агент, который сам открывает браузер, заполняет формы, читает экран и выполняет задачи без участия человека.

ChatGPT с Native Computer Use GPT-5.4 — первый general-purpose LLM с этой возможностью из коробки. На OSWorld-Verified достигает 75% — это промышленный уровень для computer use задач. Agent Mode доступен начиная с Business-тарифа ($20/seat/мес), хотя там есть ограничение: 40 сообщений на пользователя в месяц, что довольно мало для активного использования.

Llama для agentic-задач требует надстроек. Сам по себе LLM не управляет компьютером. Frameworks вроде LangChain, LlamaIndex, AutoGen, CrewAI позволяют строить агентов на базе Llama — и это рабочий путь. Но это разработка, а не готовый продукт: нужна ML-команда, не конечный пользователь.

Что умеет каждый сервис, чего нет у конкурента — в одном месте.

Только у ChatGPT: Sora 2 (генерация видео в подписке), DALL-E 3, Voice Mode с Natural language conversation, Native Computer Use GPT-5.4, Apple Intelligence интеграция в iOS 26, Codex CLI, GPT Store (тысячи кастомных GPT), Deep Research (Plus 10/мес, Pro $200 — 250/мес), mid-response adjustment. 60+ enterprise connectors (Slack, Google Drive, SharePoint, GitHub, Atlassian).

Только у Llama: 10M токенов контекста (Scout, self-host) — рекорд отрасли на май 2026, MoE-архитектура Llama 4 (400B total / 17B активных — качество большой модели при стоимости маленькой), полная свобода fine-tune и LoRA (сотни тысяч fine-tune на Hugging Face), лицензия позволяет коммерческое использование для компаний <700M MAU, стандарт de-facto для open-source LLM-экосистемы.

Компания делает стратегическую ставку на AI-вендора на 3–5 лет. Кто точно останется работать?

OpenAI — выручка около $25B к 2026, стратегическое партнёрство с Microsoft, финансирование от крупнейших мировых фондов. Есть риски: компания исторически раздирается внутренними противоречиями (показательное увольнение и возвращение Altman в ноябре 2023), регуляторное давление в ЕС и США нарастает.

Meta Platforms — NASDAQ: META, капитализация ~$1.5T к 2026. Llama — стратегический open-source проект с годовыми инвестициями в $10B+ в AI R&D. Meta не может «закрыть» Llama как продукт — веса уже публично доступны, сообщество независимо. Даже если Meta завтра перестанет обновлять Llama, текущие версии останутся в open domain навсегда. Из рисков: Llama 4 обвинили в benchmark-gaming при релизе (апрель 2025), лицензионный спор с OSI по поводу «настоящего open-source».

1. Нет технической команды. Маркетолог, копирайтер, консультант — ChatGPT без разговоров. Llama без ML-инженера не запустить на нужном уровне.

2. Нужен полный медиастек. Текст + картинки + видео + голос в одной подписке — DALL-E, Sora 2, Voice Mode. Llama только текст и vision.

3. Computer Use из коробки. 75% OSWorld-Verified, не нужно строить агентный framework.

4. Быстрый старт B2B. 60+ enterprise connectors, SOC 2, GDPR — корпоративный IT принимает за часы, не недели.

5. iOS-экосистема. Apple Intelligence в iOS 26 — ChatGPT встроен в операционную систему для сотен миллионов iPhone-пользователей.

6. Deep Research для аналитиков. Plus — 10 глубоких исследований/мес, Pro $200 — 250/мес.

1. On-prem обязателен. КИИ-объект, банк, медицина — данные не выходят за периметр. ChatGPT физически не может это дать.

2. 152-ФЗ + ПДн россиян. Self-hosted Llama в российском дата-центре — единственный western open-source путь.

3. Масштаб > 10M токенов/сутки. Groq + Llama 70B в 10–50 раз дешевле ChatGPT API.

4. Fine-tune на своих данных. 400K fine-tuned версий на HF — экосистема опыта и инструментов. LoRA, QLoRA, RLHF на своих корпусах.

5. 10M токенов контекста. Полная кодовая база, многотомный документ — только Llama 4 Scout.

6. Нет интернета. Air-gapped среда, оборонный объект — self-host Llama работает без единого внешнего DNS-запроса.

Пять портретов — от студента до CTO банка. Кому что брать.

1. Студент / фрилансер без бюджета. Нет денег, нужен AI для учёбы и работы.
→ ChatGPT Free — GPT-5.3, ограниченные запросы, DALL-E. Llama через Ollama — если есть Mac M2 и 10 минут на установку.

2. Маркетолог / копирайтер / PM. Тексты, брифы, презентации, картинки.
→ ChatGPT Plus $20/мес — DALL-E, Sora 2, Voice Mode, 128K контекст. Llama не нужна.

3. Backend-разработчик / ML-инженер. Интеграция LLM в продукт, высокий объём токенов, нужен fine-tune.
→ Llama через Groq API — дёшево, быстро. Или self-host для полного контроля. ChatGPT API как запасной (надёжнее, но дороже).

4. CTO корпорации с КИИ (банк, страховая, медицина в РФ). Обработка ПДн, 152-ФЗ, данные не выходят за периметр.
→ Llama self-host в российском дата-центре + ML-команда. Или GigaChat on-prem от Сбера (без ML-команды). ChatGPT — вне игры юридически.

5. Исследователь / академик. Нужен 10M-токенный контекст или специфический fine-tune на узком домене.
→ Llama 4 Scout self-host + свой fine-tune. ChatGPT API как reference-модель.

TCO: три профиля, один год. Считаем всё — подписки, GPU, DevOps-время.

Профиль A: фрилансер, 1 человек, умеренный объём.
ChatGPT Plus: $240/год (20×12). Llama через Groq (~1M токенов/мес): ~$2.40/год.
Разница: в 100 раз. Если бюджет критичен — Llama.

Профиль B: команда 20 человек, умеренный объём.
ChatGPT Business: $4 800/год (20 × $20 × 12). Llama через Groq (~20M токенов/мес): ~$50/год.
Разница: в 96 раз. Но нужен один инженер на настройку и поддержку.

Профиль C: high-volume pipeline, 100M токенов/сутки.
ChatGPT GPT-5.4 Standard API: $2.50/1M × 100M × 365 ≈ $91 250/год.
Llama 70B через Groq: $0.20/1M × 100M × 365 ≈ $7 300/год.
Self-host Llama на 2×H100: CAPEX ~$60K + $30K/год облако ≈ $90K суммарно, но в 3-й год окупается.

Практичный гибрид для технической команды: ChatGPT API для задач с мультимодальностью (изображения, аудио, Computer Use), финального контента на русском и пользовательского интерфейса. Llama через Groq или self-host — для high-volume pipeline (суммаризация, классификация, embedding), конфиденциальных данных и задач где нужен fine-tune.

Пример: SaaS с AI-функциями для российского рынка. Пользовательский чат — ChatGPT API (качество + голос). Фоновая обработка документов пользователей — Llama self-host в РФ (152-ФЗ). Генерация баннеров — ChatGPT с DALL-E. Классификация тикетов поддержки (миллионы/мес) — Llama через Groq (стоимость).