Логотип Терафермы Тераферма Регистрация

12 ноября 2026 г. · Анатолий Крылов, редактор Терафермы

Свой код-ассистент вместо Copilot: Qwen Coder на арендованной GPU

Ноутбук с редактором кода, соединённый с видеокартой, и робот-манипулятор — локальный аналог Copilot на своей LLM

Локальный аналог Copilot в 2026 году складывается из открытой модели для кода на своей видеокарте и плагина для редактора. Рабочая связка: Qwen3.6 27B или Qwen3-Coder 30B-A3B в 4 битах на арендованной RTX 4090 за 54 ₽/час, vLLM с OpenAI-совместимым API и плагин Continue или Cline в VS Code. Восемь часов работы в будни обходятся примерно в 9 504 ₽ в месяц, и этим сервером может пользоваться вся небольшая команда.

Почему не Copilot

По данным на октябрь 2026, у GitHub Copilot тарифы для частных разработчиков — Pro за $10, Pro+ за $39 и Max за $100 в месяц, для компаний — Business за $19 и Enterprise за $39 за пользователя. С июня 2026, по сообщениям обзоров тарифов, запросы к моделям в чате и агентном режиме учитываются в кредитах, которые расходуются по токенам. Автодополнение в платных тарифах остаётся без лимита.

Из России с Copilot две проблемы:

  • Оплата. Российские карты не проходят, а по сообщениям русскоязычных обзоров, условия GitHub ограничивают продажу Copilot в Россию. Остаются зарубежные карты и посредники, но с риском для аккаунта.
  • Код уходит наружу. Copilot отправляет фрагменты кода на серверы провайдера. Для многих компаний это недопустимо по внутренним правилам, независимо от страны.

Своя модель решает обе: платите за аренду сервера, а код обрабатывается на машине, которой управляете вы.

Какую модель взять

Открытые модели для кода по данным на октябрь 2026. Цифры SWE-bench Verified взяты из опубликованных результатов в открытых источниках, проверяйте их в карточках моделей.

Модель Тип SWE-bench Verified Веса в 4 битах Минимальная карта
Qwen3.6 27B плотная ≈ 77% ≈ 16,5 ГБ 24 ГБ
Qwen3.6 35B-A3B MoE, 3B активных ≈ 73% ≈ 21 ГБ 24 ГБ впритык, лучше 32 ГБ
Qwen3-Coder 30B-A3B MoE, 3B активных ниже, модель 2025 года ≈ 16–19 ГБ 24 ГБ
Qwen3.5 9B плотная — ≈ 5,5 ГБ 12–16 ГБ

Как выбирать:

  • Qwen3.6 27B. Лучшее качество на одной карте. Плотная модель генерирует медленнее MoE, на RTX 4090 ориентир — 30–40 токенов в секунду для одного пользователя. Для чата и агента этого достаточно.
  • Qwen3.6 35B-A3B. Почти то же качество, но в несколько раз быстрее за счёт того, что на каждый токен работает около 3 млрд параметров. Хороший выбор, если сервером пользуются несколько человек.
  • Qwen3-Coder 30B-A3B. Специализированная модель прошлого поколения, хорошо поддерживается плагинами и инструментами. Подойдёт, если новые модели ведут себя нестабильно в вашем инструменте.
  • Маленькая модель для автодополнения. Подсказки по мере набора должны приходить за доли секунды, поэтому для них берут отдельную модель на 1,5–7B с поддержкой режима fill-in-the-middle, например из семейства Qwen2.5-Coder. Она занимает 1–5 ГБ и работает рядом с большой.

Обзор других лёгких моделей для одной карты есть в статье лёгкие LLM для одной видеокарты.

Сколько памяти нужно под контекст

Код-ассистенту нужен длинный контекст: в промпт попадают открытые файлы, фрагменты репозитория и история чата. Агентному режиму, где модель сама читает файлы и запускает команды, нужно 32–64 тыс. токенов и больше.

Память = веса модели + KV-кэш × длина контекста × число одновременных запросов + 10–15% запаса

У современных моделей на 27–35B KV-кэш в bf16 занимает порядка 60–250 КБ на токен в зависимости от архитектуры. На карте с 24 ГБ после весов Qwen3.6 27B остаётся около 6 ГБ, этого хватает на один-два запроса по 32 тыс. токенов, особенно с квантованным кэшем в FP8. Для агентной работы с 64 тыс. токенов и больше или для нескольких разработчиков одновременно удобнее RTX 5090 с 32 ГБ.

Сценарий Модель Карта Тариф, ₽/час
Один разработчик, чат и автодополнение Qwen3.6 27B + 1,5B для подсказок RTX 4090 54
Один разработчик, агентный режим, длинный контекст Qwen3.6 27B или 35B-A3B RTX 5090 67
Команда 3–5 человек Qwen3.6 35B-A3B RTX 5090 или RTX A6000 67 / 69
Эксперименты, простые задачи Qwen3.5 9B RTX 4060 Ti 16 ГБ 21

Как запустить модель

На арендованном сервере поднимите vLLM. Он отдаёт OpenAI-совместимый API, к которому подключаются почти все плагины.

pip install vllm
vllm serve Qwen/Qwen3.6-27B-AWQ \
  --max-model-len 32768 --kv-cache-dtype fp8 \
  --gpu-memory-utilization 0.92 --api-key my-secret-key \
  --enable-auto-tool-choice --tool-call-parser qwen3_coder

Параметры:

  • --max-model-len — максимальная длина контекста. Больше — меньше места под одновременные запросы.
  • --kv-cache-dtype fp8 хранит кэш в 8 битах, вдвое больше контекста в той же памяти.
  • --api-key — без ключа любой, кто найдёт порт, сможет пользоваться вашей моделью.
  • --enable-auto-tool-choice и парсер вызова инструментов — нужны агентным плагинам, которые читают файлы и запускают команды. Название парсера для конкретной модели смотрите в её карточке и документации vLLM.

Названия репозиториев с квантованными весами проверяйте на Hugging Face: их публикуют и разработчики, и сообщество. Если удобнее Ollama, то она проще в установке, но хуже держит несколько запросов одновременно. Готовые команды для моделей Qwen собраны на странице запуск Qwen на арендованной GPU.

Как подключить редактор

Не открывайте порт модели в интернет. Проще и безопаснее пробросить его через SSH-туннель:

ssh -p 31001 -N -L 8000:localhost:8000 root@teraferma.io

Порт SSH берётся из карточки сервера. Пока туннель открыт, модель доступна на вашем компьютере по адресу http://localhost:8000/v1, как будто она запущена локально.

Дальше ставим плагин:

  • Continue (VS Code и JetBrains): чат, правка выделенного кода, автодополнение. В настройках укажите провайдера OpenAI-совместимого API, адрес http://localhost:8000/v1, ключ и имя модели. Для автодополнения — отдельно маленькую модель.
  • Cline и Roo Code (VS Code) дают агентный режим: модель сама читает файлы проекта, предлагает правки и запускает команды в терминале с вашего подтверждения. Им нужен длинный контекст и поддержка вызова инструментов.
  • Aider. Агент в терминале, работает с git: каждую правку оформляет коммитом, удобно откатывать.

Для команды можно поднять общий сервер и раздать каждому свой ключ через прокси вроде LiteLLM. Тогда видно, кто сколько пользуется, а модель одна на всех.

Сколько это стоит

Аренда поминутная, поэтому сервер включают на рабочее время и выключают вечером.

Стоимость в месяц = тариф, ₽/час × часы в день × рабочие дни

Режим Часов в месяц RTX 4090 RTX 5090
4 часа в будни 88 4 752 ₽ 5 896 ₽
8 часов в будни 176 9 504 ₽ 11 792 ₽
10 часов каждый день 300 16 200 ₽ 20 100 ₽

Сравнение с Copilot по курсу около 83,6 ₽ за доллар:

  • Один разработчик. Copilot Pro за $10 (около 840 ₽) дешевле своего сервера, если вы можете его оплатить и вас устраивает, что код уходит провайдеру. Своя модель выигрывает в приватности и в том, что не зависит от кредитов и лимитов.
  • Команда из пяти человек. Copilot Business — 5 × $19 = $95 в месяц, около 7 900 ₽; Pro+ на каждого — около 16 300 ₽. Один сервер на RTX 4090 на 176 часов — 9 504 ₽ на всю команду.

Включайте сервер утром одной кнопкой и выключайте вечером: модель с диска загружается за несколько минут, и платить за ночные часы незачем. Веса и настройки держите в своём хранилище, чтобы каждое утро не качать их заново.

Ограничения, о которых стоит знать

Качество на больших задачах. На сложных изменениях во всём репозитории лучшие закрытые модели всё ещё сильнее. Открытые хорошо справляются с автодополнением, объяснением кода, тестами, рефакторингом в пределах нескольких файлов.

Скорость. Плотная 27B на одной карте отвечает медленнее облачного сервиса. Если задержка раздражает, переходите на MoE-модель.

Русский язык. Модели Qwen хорошо понимают запросы и комментарии на русском, подробнее читайте в статье Qwen, DeepSeek или Llama для русского языка.

Секреты в коде. Своя модель не отправляет код наружу, но плагины всё равно передают ей содержимое файлов, включая конфиги с паролями и ключами, если они лежат в проекте. Держите секреты в переменных окружения и менеджере секретов, а не в репозитории, и исключите файлы .env из контекста плагина в его настройках.

Обслуживание. Обновлять модели, следить за версиями vLLM и плагинов придётся самим. На это уходит час-два в месяц.

Как проверить, подойдёт ли модель команде

Прежде чем отказываться от привычного инструмента, проведите короткий пилот. Он займёт неделю и обойдётся в стоимость 20–40 часов аренды.

  1. Выберите два-три разработчика с разными задачами: бэкенд, фронтенд, скрипты и инфраструктура. Ассистент, который хорош в Python, может слабее работать с вашим фреймворком на другом языке.
  2. Составьте список типовых задач. Написать тест к функции, объяснить чужой модуль, переписать запрос к базе, найти ошибку по стектрейсу, добавить параметр в API. 10–15 задач хватит.
  3. Сравните с текущим инструментом. Каждую задачу прогоняйте в обоих вариантах. Оценивайте не красоту ответа, а сколько правок понадобилось, чтобы код заработал.
  4. Попробуйте две модели. Например, плотную Qwen3.6 27B и MoE 35B-A3B. Разработчики часто выбирают более быструю, даже если она чуть слабее на сложных задачах: ожидание ответа раздражает сильнее мелких ошибок.
  5. Проверьте агентный режим отдельно. Он требует больше контекста и стабильного вызова инструментов. Если агент на ваших задачах часто ошибается в формате вызовов, обновите vLLM и проверьте шаблон чата модели: чаще всего проблема там.
  6. Посчитайте часы. Посмотрите, сколько реально нужен сервер в день. Если только 3–4 часа активной работы, можно включать его по требованию.

По итогам пилота у вас будут не впечатления, а список задач, где своя модель справляется, и тех, где нужен человек или другой инструмент.

Свой код-ассистент выглядит так: Qwen3.6 27B или 35B-A3B на одной карте на 24–32 ГБ, vLLM с OpenAI-совместимым API, SSH-туннель и плагин Continue или Cline. Код не уходит к стороннему провайдеру, оплата не требует зарубежной карты, а один сервер обслуживает небольшую команду за 9 504 ₽ в месяц при работе в рабочее время.

Запустите модель на аренде RTX 4090 и подключите к ней свой редактор за полчаса.

Вопросы по теме

Какой есть локальный аналог Copilot?

Связка из открытой модели для кода и плагина для редактора. Модель — Qwen3.6 27B, Qwen3.6 35B-A3B или Qwen3-Coder 30B-A3B, запущенная через vLLM или Ollama. Плагин — Continue для автодополнения и чата или Cline для агентного режима. Всё работает на одной видеокарте на 24–32 ГБ.

Сколько стоит свой код-ассистент на арендованной GPU?

RTX 4090 стоит 54 ₽/час. Если сервер работает 8 часов в будни, месяц обходится примерно в 9 504 ₽ — и этим сервером одновременно могут пользоваться несколько разработчиков. Для длинного контекста лучше RTX 5090 за 67 ₽/час.

Можно ли оплатить GitHub Copilot из России?

Напрямую — как правило, нет: российские карты не проходят, а условия GitHub, по сообщениям обзоров, ограничивают продажу Copilot в Россию. Пользователи прибегают к зарубежным картам и посредникам, что рискованно для аккаунта. Свою модель на арендованной GPU в Тераферме можно оплатить российской картой или криптовалютой от 500 ₽.

Насколько открытые модели хуже Copilot в программировании?

Разрыв сильно сократился. По опубликованным результатам Qwen3.6 27B набирает около 77% на SWE-bench Verified — это уровень коммерческих моделей начала-середины 2026 года. На сложных задачах во всём репозитории лучшие закрытые модели всё ещё сильнее, но для автодополнения, объяснения кода, тестов и рефакторинга открытых моделей хватает.

Подберите GPU

Все видеокарты каталога с поминутной оплатой в рублях.