14 октября 2026 г. · Анатолий Крылов, редактор Тераферма
Qwen, DeepSeek или Llama: какая открытая LLM лучше понимает русский в 2026
Для русского языка в 2026 году чаще всего выбирают Qwen: начиная с Qwen3.5 модели официально поддерживают 201 язык и диалект, распространяются по лицензии Apache 2.0, а версии на 27–35 млрд параметров работают на одной видеокарте с 24 ГБ, например RTX 4090 за 48 ₽ в час. DeepSeek V4 сильнее в рассуждениях и коде, но даже облегчённой версии нужно около 160 ГБ видеопамяти. Llama 4 русский официально не поддерживает, хотя понимает его.
Короткий ответ: что брать
| Задача | Модель | Видеопамять в 4 битах | На какой карте |
|---|---|---|---|
| Чат-бот и RAG на русском, одна карта | Qwen3.8-27B или Qwen3.6-27B | ~17–20 ГБ | RTX 3090, RTX 4090 |
| Быстрые ответы на слабом железе | Qwen3.6-35B-A3B (MoE, 3B активных) | ~21 ГБ | RTX 4090, RTX 5090 |
| Сложная аналитика, длинные документы | Qwen3.5-122B-A10B | ~70 ГБ | A100 80 ГБ, H100 |
| Рассуждения, код, максимальное качество | DeepSeek-V4-Flash (284B) | ~160 ГБ | 2× H200, 4× A100/H100 |
| Совместимость со старым стеком | Llama 3.3 70B | ~42 ГБ | RTX A6000, L40S |
Оценки памяти даны по формуле «параметры × 0,6 ГБ на миллиард в 4 битах», без учёта длинного контекста. Подробнее о расчёте написано в статье сколько стоит держать LLM 70B онлайн.
Qwen: лучший выбор для русского на одной карте
Qwen разрабатывает Alibaba как семейство открытых моделей. В 2026 году вышло три поколения с открытыми весами:
- Qwen3.5 (февраль 2026) — от 0,8B до 397B-A17B. Заявлена поддержка 201 языка и диалекта, контекст 262 тыс. токенов.
- Qwen3.6 (апрель 2026) — плотная 27B и MoE 35B-A3B, обе под Apache 2.0.
- Qwen3.8-27B (август 2026) — плотная модель на 27B с контекстом 262 тыс. токенов, тоже Apache 2.0.
Почему Qwen хорошо работает с русским:
Многоязычные данные. Расширение до 201 языка означает прямой упор на многоязычность. На практике это видно по согласованию падежей, естественному порядку слов и меньшему числу калек с английского, чем у Llama того же размера.
Большой словарь токенизатора. У Qwen3.6 словарь около 248 тысяч токенов против 128 тысяч у Llama 3. Чем больше в словаре русских слов и их частей, тем меньше токенов уходит на тот же текст. Меньше токенов — быстрее ответ и больше текста в том же контексте.
Лицензия. Apache 2.0 разрешает коммерческое использование без ограничений по числу пользователей.
Режим рассуждений у новых Qwen включён по умолчанию: модель сначала пишет размышления в блоке <think>, потом ответ. Для чат-бота с быстрыми ответами его отключают: так ответы короче и дешевле.
На Qwen построены и многие российские модели: T-Pro 2.0 от Т-Банка дообучен поверх Qwen3 32B с токенизатором, уплотнённым под кириллицу. Обзор российских вариантов есть в статье российские LLM локально.
Команды запуска Qwen через Ollama и vLLM собраны на странице запуск Qwen.
DeepSeek: сильнее в рассуждениях, но тяжелее
DeepSeek выпустила V4 в двух вариантах, обе под лицензией MIT:
- DeepSeek-V4-Flash — 284 млрд параметров, из них 13 млрд активны на токен, контекст до 1 млн токенов. Открытые веса опубликованы 31 июля 2026 года.
- DeepSeek-V4-Pro — около 1,6 трлн параметров, 49 млрд активных. Веса вышли в августе 2026 года.
Сильные стороны DeepSeek: математика, код и многошаговые рассуждения. По-русски модели пишут грамотно, хотя официального списка поддерживаемых языков у DeepSeek нет, а основной упор в документации сделан на английский и китайский.
Главная проблема в размере. MoE-архитектура ускоряет генерацию (активны лишь 13B параметров), но хранить в видеопамяти нужно все 284B. В 4 битах это около 160 ГБ: две H200 со 141 ГБ каждая или четыре карты по 80 ГБ. V4-Pro в разумной точности требует целого сервера на 8 флагманских карт.
| Конфигурация под V4-Flash | Память | Цена на Тераферме, ₽/час |
|---|---|---|
| 2× H200 | 282 ГБ | 906 |
| 4× A100 80 ГБ | 320 ГБ | 388 |
| 4× H100 | 320 ГБ | 1 356–1 668 |
Если нужна логика DeepSeek на одной карте, остаются дистилляты прошлого поколения, R1 Distill на базе Qwen и Llama. Они заметно слабее оригинала, но запускаются на 24–48 ГБ.
Llama: популярна, но русский не в приоритете
Последним крупным поколением открытых моделей Meta стала Llama 4 (апрель 2025): Scout на 109 млрд параметров (17 млрд активных) и Maverick на 400 млрд. В официальном списке поддерживаемых языков двенадцать: английский, арабский, вьетнамский, испанский, итальянский, немецкий, индонезийский, португальский, тайский, тагальский, французский и хинди. Русского нет. У Llama 3.1 и 3.3 список из восьми языков, русского тоже нет.
Это не значит, что Llama не понимает русский: в обучающих данных он есть, и модели отвечают по-русски. Но качество никто официально не проверял, и в длинных ответах чаще встречаются ошибки в окончаниях, переход на английский посреди фразы и неуклюжие обороты.
Ещё одно ограничение накладывает лицензия Llama Community License. Она разрешает коммерческое использование, но требует отдельной лицензии для сервисов с более чем 700 млн пользователей в месяц, обязательной пометки «Built with Llama» и соблюдения политики допустимого использования. Для большинства проектов это не мешает, но юристы обычно спрашивают.
Llama имеет смысл, если у вас уже есть пайплайн, дообученный под Llama 3.x, или нужна совместимость с готовыми LoRA-адаптерами. Для нового проекта на русском её лучше сравнить с Qwen на своих данных.
Сравнение по ключевым параметрам
| Параметр | Qwen (3.5–3.8) | DeepSeek V4 | Llama 4 / 3.3 |
|---|---|---|---|
| Русский в официальном списке | Да (201 язык) | Явного списка нет | Нет |
| Лицензия | Apache 2.0 | MIT | Llama Community License |
| Размеры с открытыми весами | 0,8B–397B | 284B и 1,6T | 8B, 70B, 109B, 400B |
| Минимальная карта для средней модели | 24 ГБ (27B в 4 битах) | ~160 ГБ (Flash) | 48 ГБ (70B в 4 битах) |
| Контекст | 262 тыс. токенов | до 1 млн токенов | до 128 тыс. (3.3), больше у Llama 4 |
| Сильная сторона | Баланс качества и размера | Рассуждения, код | Экосистема и готовые адаптеры |
Публичные рейтинги для русского языка (бенчмарк MERA и русскоязычная LLM Arena) обновляются регулярно. Перед выбором загляните туда за свежими результатами, но помните: общий балл не говорит, как модель справится с вашей терминологией и форматом ответов.
Как проверить модели на своих задачах за вечер
Рейтинги дают ориентир, решает проверка на своих данных. Порядок такой:
- Соберите набор из 30–50 запросов. Берите реальные: письма клиентов, вопросы по базе знаний, документы для пересказа. Добавьте несколько каверзных: числа, даты, имена, юридические формулировки.
- Арендуйте карту под самую большую модель из сравнения. Для пары Qwen 27B и Llama 3.3 70B в 4 битах хватит RTX A6000 с 48 ГБ — 66 ₽ в час. Для Qwen3.5-122B нужна карта на 80 ГБ: A100 за 97 ₽ в час.
- Запустите модели через vLLM или Ollama по очереди с одинаковыми параметрами: температура 0,3–0,7, одинаковый системный промпт на русском.
- Оцените ответы вслепую. Перемешайте ответы и оценивайте по четырём критериям: грамотность, точность фактов, следование инструкции, отсутствие английских вставок.
- Замерьте скорость и число токенов. Одна и та же фраза у разных моделей занимает разное число токенов, а значит, разное время и деньги.
| Этап | Карта | Время | Стоимость |
|---|---|---|---|
| Qwen 27B + Llama 3.3 70B | RTX A6000 | 2 часа | 132 ₽ |
| Плюс Qwen3.5-122B-A10B | A100 80 ГБ | 1 час | 97 ₽ |
| Итого вечер тестов | — | 3 часа | 132 + 97 ₽ |
Оплата поминутная, так что если модель явно не подходит после первых десяти вопросов, можно остановиться и не платить за оставшееся время.
На что обратить внимание при запуске
- Системный промпт на русском. «Отвечай только на русском языке» в системном промпте заметно снижает число английских вставок у всех трёх семейств.
- Режим рассуждений. У Qwen и DeepSeek размышления по умолчанию могут идти на английском, даже если вопрос задан по-русски. Для конечного пользователя показывайте только финальный ответ.
- Квантизация. 4 бита (AWQ, GPTQ, Q4_K_M) почти не ухудшают русский на моделях от 27B. На маленьких моделях 3–8B ошибки в окончаниях от квантизации становятся заметнее, так что берите 8 бит.
- Температура. Для фактических ответов и RAG держите 0,2–0,4, для творческих текстов — 0,7–0,9.
Для русскоязычного проекта на одной видеокарте в 2026 году первым стоит проверить Qwen: свежие модели на 27B работают на 24 ГБ, официально поддерживают русский и распространяются под Apache 2.0. DeepSeek V4 берите, когда нужны сложные рассуждения и есть бюджет на несколько флагманских карт. Llama оставьте для совместимости со старым стеком.
Подберите карту под выбранную модель в разделе аренда видеокарты для ИИ: пополните баланс от 500 ₽ (сейчас криптовалютой, оплата картой РФ — скоро) и сравните модели на своих запросах за один вечер.