Perplexity vs Llama 2026: сравнение, оценки, что выбрать

Perplexity и Llama в нашей классификации text-ai попадают в разные подгруппы. Perplexity — это специализированный ассистент с фокусом на поиск: фирменный индекс PerplexityIndex, RAG-стек на Postgres плюс векторные базы, обновление индекса десятками раз в сутки и интерфейс с цитированием каждого факта. Под капотом — выбор между GPT-5.4, Claude Opus 4.7, Gemini 3 Pro, Grok 4, собственной Sonar Pro и DeepSeek R1. Свою frontier-модель компания не тренирует.

Llama — это семейство open-weight моделей от Meta: восемь поколений с 2023 года, от 7B параметров до 405B в плотной версии и до 400B total / 17B активных в MoE-флагмане Llama 4 Maverick. Готового продукта с UI «для пользователя» у Llama штатно нет. Meta AI Chat на meta.ai существует, но в РФ заблокирован и предлагает только базовые функции. Для практики Llama берут через провайдеров (Together, Groq, Fireworks, AWS Bedrock, Azure, Vertex), через десктоп-раннеры (Ollama, llama.cpp, LM Studio) или через собственный GPU-кластер.

В таблице оценок ниже мы ставим один и тот же балл по «карте позиционирования» — оба сервиса в своих подгруппах ведут себя последовательно и без размытости. Это редкий случай, когда сравнивать сервисы с разными моделями дистрибуции имеет смысл: они закрывают разные стороны одной аудитории — «дайте мне ответ» против «дайте мне модель». Дальше по подтемам разница становится резче.

На AIRatings русский — это не «один из 100+ языков», это первый фильтр. У Perplexity и Llama оба заходят как «работают, но с оговорками» — лидеров категории (YandexGPT, GigaChat) среди них нет.

Perplexity не тренирует собственную модель для русского отдельно. Качество русского зависит от того, какую LLM пользователь выбрал в Pro-режиме под капотом. На Claude Opus 4.7 и GPT-5.4 русский получается «как у самих этих моделей» — читаемый, грамотный, с редкими стилистическими шероховатостями. На собственной Sonar Pro — заметно слабее: Sonar построена на тюнинге Llama под задачи поиска, и русский там «как у Llama, но ещё уже». Поиск по русскоязычным источникам работает, но глубина по рунету меньше, чем у «Нейро» Яндекса — за рубежом Perplexity сильнее.

Llama в нашей оценке получает 6/10. Семейство справляется с русским «прилично», особенно на старших моделях 70B и 405B: Llama 3.1 405B и Llama 4 Maverick дают читаемый ответ, фактура российских реалий присутствует (Москва не путается с Минском). Но в творческом тексте остаётся «иностранный акцент»: дословные кальки англоязычной логики, неестественный порядок слов, попытки в идиомы, которых в русском нет. Meta официально не включает русский в top-приоритетные языки (для Llama 3.1 был список «8 приоритетных»: английский, немецкий, французский, итальянский, португальский, хинди, испанский, тайский). Точные бенчмарки качества русского Meta не публикует — это data gap, отмеченный в досье.

На нашем опыте: для тестового запроса «напиши вступление к материалу про судебную практику по 54.1 НК РФ, тон деловой, объём 800 знаков» Perplexity на выбранной модели Claude Opus 4.7 даёт текст, который мы правим минимально — заменяем 1–2 оборота. Llama 4 Maverick через Together генерирует текст, в котором приходится править стиль каждого второго предложения. Для рунет-маркетолога разница ощутимая — час правок против десяти минут.

Это подтема, в которой Perplexity и Llama играют в разные игры — и оценки расходятся радикально. Perplexity получает 10/10, Llama — 3/10. Цифры не «чтобы было контрастно»: они отражают, что одно из этих решений вообще не про поиск.

Perplexity создан как answer engine: каждый ответ в Pro Search возвращается как summary с inline-ссылками на конкретные веб-страницы. Под капотом — собственный поисковый индекс PerplexityIndex, обновляющийся десятки раз в день для top-новостей. Pro-режим даёт ~600+ запросов в день, доступ к Focus Modes — фильтрация по типу источника: Academic (peer-reviewed), Reddit, YouTube, Wolfram|Alpha, Writing, Math. Discover — лента AI-сгенерированных новостей. Deep Research — многошаговое исследование на минутах. Sonar API возвращает не только текст, но и список источников с URL и сниппетами — единственный фронтальный API на 2026 году, который встроенно отдаёт пруфлинки.

У Llama нативного поиска нет. Веса модели не подключены к интернету; чтобы получить ответ с цитированием, нужно построить собственную RAG-инфраструктуру: индекс (Elasticsearch / Weaviate / pgvector), парсер для свежих документов, оркестратор tool-use, валидацию ссылок. На уровне индустрии это решаемая задача: vLLM + LangChain + векторная база + tool-calling в Llama 4 — рабочая комбинация. Но это уже отдельный продукт, не «фича Llama». Бесплатные обёртки типа Hugging Chat доступ к интернету ограничивают.

Есть и обратная сторона. Perplexity признал в 2024 году скандал с обходом robots.txt, на который указали Forbes и Wired. В октябре 2024 Dow Jones и News Corp подали против компании иск по авторским правам. В 2024 году же стартовали тесты sponsored answers — оплачиваемых ответов внутри выдачи. Это не «вычёркивающий» Perplexity недостаток, но при выборе инструмента «для серьёзной журналистики» эти эпизоды стоит держать в голове: проверять цитаты редакция всё равно должна.

На бумаге Llama 4 Scout с 10 миллионами токенов контекста — рекорд индустрии. У Perplexity размер окна зависит от выбранной модели: до 1M на Claude Opus 4.7 / Sonnet 4.6 и Gemini 3 Pro, 128–272K на GPT-5.4, 128K на собственной Sonar Pro. Если смотреть только заявленные цифры — Llama выигрывает на порядок. Если смотреть на реальную точность — картина сложнее.

Llama 4 Scout (109B total / 17B active в MoE-архитектуре) официально заявлен с 10M контекстом — это самый большой публично доступный контекст на 2026-05. Llama 4 Maverick — 1M. Llama 3.1 405B — 128K (стабильный legacy). Но независимых MRCR и Needle-in-Haystack тестов на полном 10M контексте на момент написания обзора немного — Meta после controversy апреля 2025 (использование «специализированной экспериментальной версии для бенчмарков» вместо публичной модели) проходит через период повышенной критики. Это data gap, явно отмеченный в досье: «реальная точность Scout на полном 10M требует независимой верификации».

У Perplexity вопрос «как модель работает с длинным контекстом» в значительной мере наследуется от выбранной LLM. Claude Opus 4.7 — рекордсмен MRCR v2 на 1M (78.3% по публичным цифрам). Gemini 3 Pro работает с 1M штатно. GPT-5.4 в API доступен с 272K standard и 1M optional. Sonar Pro с 128K — отдельная история: это собственная модель Perplexity для поиска, не для длинных документов. Pro-подписка даёт file upload PDF / DOCX / CSV, Spaces для долгоиграющих контекстов и Pages для публикации результата.

Практически: 200-страничный договор (~150K токенов) обрабатывают обе стороны. 800-страничная архивная переписка (~600K токенов) — уже Llama 4 Scout либо Perplexity на Claude / Gemini. Реально-большой стек документов на 3–5M токенов — формально это поле Llama 4 Scout, но в наших проверках мы предпочитаем разбивать такой стек на разделы и обрабатывать сценарием через 1M-окно Claude в Perplexity. Это не «потому что Llama хуже», а потому что верификация точности на 10M пока неустойчивая.

Это редкая подтема, где обе стороны заслуживают высоких оценок — у каждого свой набор эксклюзива, и пересечения почти нет. Perplexity тут заходит на 9/10, Llama — на 9/10, и спор идёт не «лучше или хуже», а «нужно ли мне именно это».

У Perplexity четыре фичи, которых нет в категории больше ни у кого. Первая — выбор LLM под капотом одной подпиской: GPT-5.4 + Claude Opus 4.7 + Gemini 3 Pro + Grok 4 + Sonar Pro + DeepSeek R1 в одном Pro-аккаунте за $20/мес. Это уникальное предложение: подписки на каждую из этих моделей отдельно стоят в сумме $80–100/мес. Вторая — Comet Browser, AI-первый браузер на базе Chromium со встроенным агентом, который выполняет действия от лица пользователя. На 2026-05 это единственный массовый AI-браузер. Третья — Perplexity Labs: генерация комплексных артефактов (мини-приложения, дашборды, презентации, отчёты со встроенным кодом и графиками) за один запрос. Четвёртая — Pages: публикация AI-отчёта как веб-страницы по уникальной ссылке.

У Llama четыре эксклюзива тоже, но из совсем другой плоскости. Первый — рекордные 10M токенов контекста в Llama 4 Scout: на момент 2026-05 — самое большое публично доступное окно. Второй — MoE-архитектура с 17B активных параметров при общем размере 400B (Maverick) или 109B (Scout): качество frontier-уровня при стоимости inference 17B-модели, если у вас есть память на полные веса. Третий — статус «де-факто стандарта open-source LLM»: на Hugging Face — сотни тысяч fine-tunes и производных, любая инструментальная экосистема (vLLM, Ollama, llama.cpp, TGI) сначала поддерживает Llama. Четвёртый — бесплатный self-host для большинства коммерческих use-cases: Llama Community License разрешает коммерческое использование без лицензионных платежей, ограничение только для компаний с MAU больше 700M (для таких — отдельный контракт с Meta).

Перекрытий мало: Perplexity и Llama закрывают полярные потребности — «удобство и фронтенд» против «свобода и контроль». Если перевести в эмоции, разница такая: за Perplexity платишь, чтобы не думать о моделях; Llama берёшь, чтобы думать о них на полную и контролировать каждый слой.

Perplexity и Llama к мультимодальности подходят по-разному. У Perplexity — широкий стек «из коробки», у Llama — модельный vision-вход без штатной генерации.

Perplexity на Pro принимает изображения на вход и поддерживает генерацию картинок с выбором движков: FLUX 1.1 Pro, DALL-E 3, Imagen 4, Stable Diffusion. Это редкая комбинация — большинство сервисов привязаны к одному движку. Документы — PDF, DOCX, CSV. Voice Mode есть в мобильных приложениях, но по нашему опыту заметно уступает ChatGPT Voice и Gemini Live по качеству диалога и эмоциональности. Видео-генерации нет.

Llama 4 Scout и Maverick — нативно мультимодальные модели: текст + vision на вход. Llama 3.2 — отдельная линейка vision-моделей 11B и 90B. Это означает, что в собственной обёртке вы можете запустить vision-задачи (разбор скриншотов, OCR, описание изображений) на open-weight стеке. Но генерации изображений у самой Llama нет: для картинок придётся подключать сторонние модели (Flux на Replicate, Stable Diffusion локально). Голосового режима «из коробки» у Llama тоже нет — нужно собирать pipeline TTS + STT + LLM самостоятельно либо использовать сторонние обёртки.

Разрыв здесь не такой большой, как может показаться: для базовой задачи «разобрать скриншот дашборда и предложить улучшения» обе платформы работают. Разница в сценариях «нужна обложка для статьи через 30 секунд» (Perplexity — да, Llama — нет без обвязки) и «голосом задать вопрос на ходу» (Perplexity — да на мобильном, Llama — нет без сторонних оболочек).

Perplexity Pro стоит $20/мес или $200/год — формально 17 $/мес при годовой оплате. В Pro входит ~600 Pro-поисков в день, выбор моделей (GPT-5.4, Claude Opus 4.7, Gemini 3 Pro, Grok 4, Sonar Pro, DeepSeek R1), file upload, Spaces, Pages, Labs, Deep Research, Comet Browser. Enterprise — от $40/seat/мес при минимуме 25 seats: SSO/SAML, SOC 2 Type 2, audit logs, кастомные knowledge base. API Sonar — оплата по токенам: Sonar Lite $0.20/$0.20, Sonar Pro $1/$1 за 1M плюс $5 за 1000 поисков, Sonar Reasoning $1/$5 за 1M.

Llama тарифа в классическом виде нет: веса бесплатны, инфраструктура — нет. Через провайдеров средние цены такие: Together AI — $0.20–$2 за 1M токенов в зависимости от модели; Groq — близко, но с инвестицией в LPU-инференс; Fireworks AI — аналогично; Replicate — pay-per-second; AWS Bedrock / Azure / Vertex AI — enterprise-условия с минимумами. Self-host: для inference Llama 3.1 405B нужно порядка 8×H100 (или эквивалент); для Llama 70B — 2×H100. Это либо $3–10/час за инстанс в облаке, либо капитальные затраты на собственный кластер.

Главное различие — структура расхода. Perplexity — фиксированная подписка, чем больше пользуешься, тем выгоднее становится одна цифра. Llama — переменные затраты: дёшево при низком объёме (через managed-провайдеров), сильно дорого при высоком (нужна собственная инфраструктура с GPU).

Sonar API у Perplexity — отдельный продукт docs.perplexity.ai. Три уровня: Sonar Lite за $0.20/$0.20 за 1M токенов, Sonar Pro за $1/$1 за 1M плюс $5 за 1000 поисковых вызовов, Sonar Reasoning за $1/$5. Уникальность Sonar API — возвращение не только текста, но и списка источников: URL и сниппеты. Это редкий формат: разработчику, который собирает research-приложение, не нужно отдельно поднимать поисковый стек. Документация подробная, есть REST и SDK, rate limits публикуются.

У Llama API в виде «единого окна Meta» нет — есть провайдеры. Together AI — managed inference с ценой $0.20–$2 за 1M токенов в зависимости от модели и плотности. Groq — отдельная история: LPU-чипы дают 500–1000+ tok/s на Llama 70B, цена близкая к Together. Fireworks AI — функционально аналогично Together. AWS Bedrock, Azure AI Foundry, Google Vertex AI — managed Llama для enterprise с SLA, VPC-deployments, SSO. Документация качественная у каждого, но это документация конкретного провайдера, не «единого API Llama». Конкретные актуальные цены провайдеров на 2026-05 — data gap в досье, потому что меняются раз в квартал.

Производительность Llama 70B через Groq — одна из самых быстрых в индустрии. Для real-time чатов и интерактивных интерфейсов это серьёзный аргумент. Perplexity API скоростью не блещет, но и не должен — поиск редко требует миллисекундных откликов.

Это подтема, в которой Llama даёт уникальное преимущество, а Perplexity — почти ничего. Perplexity — SaaS-сервис, серверы за пределами РФ, on-prem-варианта нет. Enterprise-план предлагает опциональный data residency, но это не self-host: это выбор региона размещения данных у Perplexity. Для регуляторных задач, где данные должны физически оставаться в вашем периметре, Perplexity не работает.

Llama — open weights, и это её основное конкурентное преимущество для регулируемых отраслей. Веса скачиваются с Hugging Face или llama.com. Self-host фреймворки на 2026-05: vLLM для production-grade inference, llama.cpp для C++ инференса на CPU и consumer GPU, Ollama для one-click local install, TGI / Text Generation Inference от Hugging Face. Через managed-облака — AWS Bedrock, Azure AI Foundry, Google Vertex AI — можно развернуть Llama в собственном VPC. Для российской инфраструктуры — на своих серверах или у российского облачного провайдера. Это работает.

Лицензия — Llama Community License, не классический open-source: есть acceptable use policy и ограничение для компаний с MAU больше 700M (для таких нужен отдельный контракт с Meta). Open Source Initiative оспаривает использование термина «open-source» в маркетинге Llama — это известный спор. Для подавляющего большинства корпоративных клиентов это не препятствие: 700M MAU — это уровень Facebook, Instagram, WhatsApp, и подобных компаний меньше десяти в мире.

Если у вас задача регулируемой отрасли — банк, страховая, медицина, гос-сегмент, оборонка — самостоятельно развёрнутая Llama (с дополнительной аттестацией ФСТЭК для гос-сегмента) — единственный реалистичный путь среди обсуждаемых сервисов. Perplexity такие задачи закрыть не может архитектурно.

152-ФЗ для российских B2B — не «один из критериев», а жёсткий фильтр на старте. Серверы должны быть на территории РФ, обработка персональных данных российских граждан должна вестись в правовом поле РФ. Для финансовых организаций, телекома, медицины, госов и любого бизнеса, работающего с физлицами-резидентами, это блокирующее требование.

Perplexity — американский сервис с серверами вне РФ. Соответствия 152-ФЗ нет, и архитектурно его быть не может: SaaS-модель без on-prem-варианта. Использование Perplexity для обработки ПДн в российской компании — нарушение закона, даже через VPN. Это касается и Free, и Pro, и Enterprise: data residency в Enterprise — это выбор региона, но не РФ. Оценка по 152-ФЗ — 2/10 (учитываем только формальную возможность отправить anonymized данные на этап ресёрча без ПДн).

Llama в варианте self-host на территории РФ — формально совместима с 152-ФЗ. Веса развёрнуты в вашем периметре, данные не уходят за пределы инфраструктуры, российская юрисдикция соблюдается. Для гос-сегмента понадобится аттестация ФСТЭК — это отдельный проект, но он реалистичен. Это уникальное преимущество Llama для российских регулируемых клиентов наряду с GigaChat Enterprise. Через зарубежные cloud-провайдеры (AWS Bedrock в EU, Azure в EU) Llama тоже доступна, но это уже не помогает с 152-ФЗ.

Perplexity по сравнению с другими западными ассистентами — относительно мягкая в отношении РФ. Прямой доступ к веб-интерфейсу с российских IP работает условно: компания активно не блокирует RU-трафик (в отличие от ChatGPT, Claude, Gemini), но иногда возникают проблемы с авторизацией и регистрацией. Оплата Pro — через Stripe плюс Apple Pay / Google Pay, российские карты не принимаются. Обходные пути — VPN + зарубежная карта, виртуальные карты на UnionPay или китайские прокси, посредники-реселлеры. Русскоязычный интерфейс есть, но поддержка работает только на английском, юридического присутствия в РФ нет.

Llama в плане доступности — иная история. Веса свободно скачиваются с Hugging Face и работают в РФ без географических ограничений (если временно не блокируется сам HF). Платить за веса не нужно. Для коммерческого использования через managed-провайдеров (Together, Groq, Fireworks) — нужны зарубежные карты, как и у Perplexity. Для self-host — оплата своего железа или AWS-аккаунта (тоже зарубежная карта или корпоративный счёт). Meta AI Chat на meta.ai в РФ заблокирован полностью, requires VPN.

Эта подтема — про конкретные задачи, где Perplexity выигрывает за счёт встроенного поиска, готового UI и доступа к нескольким frontier-моделям из одной подписки. Llama в этих сценариях участвует только как часть составной системы, не как готовый ассистент.

Сценарий 1. Журналист готовит материал за 4 часа. Нужно собрать факты по теме за последние 48 часов, проверить контекст и сразу получить ссылки на первоисточники. Perplexity Pro Search возвращает summary с inline-цитатами и Focus Mode для конкретного типа источников (Wired, Bloomberg, TechCrunch, Reddit). Llama без сторонней RAG-обвязки этого не делает. Sonar API возвращает не только ответ, но и список URL — это сценарий, в котором Perplexity не «лучше», а просто закрывает задачу.

Сценарий 2. Студент собирает обзор литературы по теме. Focus Mode Academic фильтрует выдачу до peer-reviewed статей, без шума из Reddit и YouTube. Сохранение источников в Collections, потом — публикация заметки через Pages. Это рабочий путь от вопроса до защищаемого литературного обзора за день. Llama в той же задаче — это часовая прелюдия про настройку RAG-стека на arxiv.org или Semantic Scholar.

Сценарий 3. Маркетолог делает конкурентную разведку. Сравнить позиционирование пяти конкурентов, посмотреть, что писали о них в медиа за квартал, проверить тарифные планы по их сайтам. Perplexity делает это за один-два запроса в Spaces (рабочее пространство с инструкциями и файлами). Real-time индекс обновляется десятки раз в сутки — свежесть данных серьёзная.

Сценарий 4. Сравнение ответов LLM на один запрос. В Perplexity Pro можно переключить модель под капотом и сразу получить три разные перспективы на одну задачу: GPT-5.4 даст творческий ответ, Claude Opus 4.7 — академический, Gemini 3 Pro — фактологический. Это полезно для исследовательских задач, где интересно сравнить интерпретации. Это нельзя сделать ни у одного из сервисов отдельно. В Llama-стеке вы получаете одну модель за раз — другую надо запускать отдельно.

Здесь обратная картина. Llama выигрывает там, где требуется собственный периметр, контроль над весами модели, низкая стоимость inference при большом объёме или массивный контекст. Perplexity в этих сценариях не «слабее», а просто не предусматривает такого режима использования.

Сценарий 1. Банк строит ассистента для оператора колл-центра. Данные клиентов-физлиц не могут уйти за периметр — 152-ФЗ. Решение — self-host Llama 70B или Llama 4 Maverick на собственных GPU в дата-центре банка. Через vLLM, с RAG-индексом по внутренней базе знаний. Это рабочая архитектура, развёрнутая десятками российских и зарубежных банков. Perplexity для такой задачи неприменима архитектурно.

Сценарий 2. Стартап делает SaaS на базе LLM с бюджетом $30k. Сценарий: чат-бот для нишевого B2B, ожидаемый объём — 500M токенов в месяц. Через Together AI на Llama 70B это $200–400/мес. Через Perplexity Sonar Pro — $1 за 1M + $5 за 1000 поисков, что при той же нагрузке выходит в $1500+ /мес. Разница в 4–7 раз — критична для стартапа в seed-стадии. Плюс fine-tune Llama под доменные данные через Hugging Face — это рабочая практика, у Perplexity её нет.

Сценарий 3. Юридическая контора обрабатывает архивы переписки. Стек из 3–5 миллионов токенов за один сеанс. Llama 4 Scout с 10M контекстом — единственная публичная модель, которая в принципе позволяет такой объём в одно окно. Точность на полном 10M требует независимой верификации (data gap), но базовый сценарий — «в одно окно влезает» — работает. У Perplexity на Claude — 1M; для 3–5M токенов придётся разбивать на разделы.

Сценарий 4. Опен-сорс проект делает русскоязычный fine-tune. Базовая модель — Llama 3.1 70B или Llama 4 Maverick. Известный российский пример — «Сайга», fine-tune Llama под русский язык, используется в академической и open-source среде. Через Hugging Face можно поднять обучение на A100/H100-кластере, выпустить веса в публичный доступ под Llama Community License. У Perplexity моделей вообще нет — нечего fine-tune'ить.

Реальный выбор между Perplexity и Llama редко формулируется как «что лучше в принципе». Лучше думать через профили работы: что вы делаете, сколько раз в неделю и какие у вас ограничения.

Профиль 1. Маркетолог-аналитик в digital-агентстве. Ежедневно — конкурентная разведка, отчёты для клиентов, проверка трендов в нише. Работает с английскими и русскими источниками. Команда из 1–3 человек, без ML-компетенций. Рекомендация — Perplexity Pro за $20/мес. Spaces для отделения проектов разных клиентов, Pages для публикации отчётов, real-time индекс для свежести данных. Llama в этом профиле — overkill: тратить время на инфраструктуру без явного выигрыша.

Профиль 2. ML-инженер в продуктовом стартапе. Строит SaaS на LLM, бэкенд на Python, ожидаемая нагрузка — миллионы токенов в день. Бюджет ограничен, команда — 5 человек, два из них с опытом deployment моделей. Рекомендация — Llama через Together AI или собственный self-host в зависимости от объёма. Цена в 5–7 раз ниже сопоставимого frontier-API, контроль над моделью, возможность fine-tune. Perplexity в этом профиле — это «купить ассистента для CEO», не для production-стека.

Профиль 3. Юрист в крупном банке. Обработка договоров и юридической переписки клиентов-физлиц. Регулярные сессии по 200+ страниц текста. 152-ФЗ блокирует любые западные SaaS. Рекомендация — Llama в варианте self-host на инфраструктуре банка (минимум Llama 70B, для больших архивов — Llama 4 Scout с 10M контекста). Альтернатива — GigaChat Enterprise (вне рамок этого обзора). Perplexity для этой роли неприменима из-за 152-ФЗ. Для черновой подготовки документов без ПДн — Perplexity Free допустима, но не для production.

Профиль 4. Журналист крупного независимого медиа. Дневные дедлайны, материалы по политике, технологиям, финансам. Работа со свежими новостями за 24–48 часов. Команда — один-два человека. Рекомендация — Perplexity Pro: пруфлинки на факты, Focus Mode для разных типов источников, Deep Research для обзорных материалов. С точки зрения скорости — выбор очевиден; с точки зрения тщательности — каждую цитату всё равно надо проверять отдельно (помним про скандал с Forbes / Wired 2024 и иск Dow Jones / News Corp).

Берём курс USD/RUB условно ~90 (актуальный для 2026-05). Цены — из досье сервисов.

Лёгкий профиль. 5–10 запросов в день, в основном research и подготовка постов. Объём — десятки тысяч токенов в день, без API-интеграций. Perplexity Pro — $200/год (~18 000 ₽), даёт ~600 Pro-поисков в день — это в десятки раз выше потребности. Llama Hugging Chat или Ollama локально — бесплатно. На таком объёме self-host через провайдеров (Together) выйдет в $5–15/мес — это $60–180/год (~5 400–16 200 ₽), сопоставимо. Победитель — Llama (если есть готовность к локальному запуску); если хочется готового UI — Perplexity Pro за фиксированные 18 000 ₽.

Средний профиль. 30–50 запросов в день, регулярная работа с документами, иногда API-интеграция для собственных скриптов. Объём — 1–2 млн токенов в день. Perplexity Pro — те же $200/год (~18 000 ₽); лимита хватает. Sonar API на 30M токенов в месяц — около $30 (~2 700 ₽), это $360/год дополнительно (~32 400 ₽). Llama через Together на 30M токенов/мес на Llama 70B — порядка $10–30/мес ($120–360/год, 10 800–32 400 ₽), плюс self-host обходится дешевле, если есть consumer GPU. На среднем профиле — паритет; выбор по сценариям использования, не по цене.

Тяжёлый профиль. Production-нагрузка, 100M+ токенов в месяц, API-интеграция в продукт. Perplexity Sonar Pro на 100M токенов — $100 (~9 000 ₽) + $5 за 1000 поисков (~$50, ~4 500 ₽) — $150/мес или ~$1 800/год (~162 000 ₽). Llama 70B через Together AI на 100M токенов — ~$20–80/мес в зависимости от размера ($240–960/год, 21 600–86 400 ₽). Self-host на 8×H100 (~$15 000/мес в AWS, 13.5 млн ₽/год) — оправдан только при 1B+ токенов в месяц. Победитель — Llama через managed-провайдеров: цена ниже в 2–7 раз при сопоставимом качестве для большинства задач.