Сколько стоит обучить свою нейросеть: бюджет небольшой команды в 2026 году

Когда небольшая команда решает сделать продукт на базе нейросети, первым делом пугается слова «обучение». Кажется, что это миллионы долларов и собственный дата-центр. На деле для большинства прикладных задач обучать модель с нуля не нужно, и бюджет получается вполне подъёмным. Разберём, из чего он складывается.

С нуля почти никто не обучает

Большие языковые модели и генераторы изображений уже обучены крупными компаниями и выложены в открытый доступ: Llama, Qwen, DeepSeek, Mistral, Stable Diffusion, Flux. Небольшой команде достаточно взять готовую модель и дообучить её на своих данных. Этот процесс называют fine-tuning, а его экономичный вариант — LoRA: меняется лишь малая часть весов, поэтому хватает одной видеокарты.

Из чего складывается бюджет

Данные. Самая недооценённая статья. Для дообучения нужны сотни или тысячи качественных примеров: диалоги поддержки, описания товаров, размеченные изображения. Их подготовка часто стоит дороже вычислений.

Вычисления. Дообучение модели на 7–8 миллиардов параметров методом LoRA занимает от нескольких часов до суток на карте с 24 ГБ памяти. Модели на 70B требуют уже 48–80 ГБ — это A6000, A100 или H100.

Эксперименты. С первого раза идеальный результат получается редко. Закладывайте 3–5 прогонов с разными настройками.

Инференс. После обучения модель нужно где-то запускать для пользователей. Это постоянная статья расходов, а не разовая.

Пример расчёта

Допустим, команда дообучает модель на 8B параметров под свою базу знаний. При аренде видеокарты уровня RTX 4090 по 60–80 рублей в час:

• подготовка и отладка — около 10 часов работы сервера;
• пять прогонов обучения по 6 часов — 30 часов;
• тестирование результатов — ещё 10 часов.

Итого около 50 часов, то есть 3–4 тысячи рублей на вычисления. Даже если умножить эту сумму на три с учётом ошибок, это несопоставимо с покупкой собственного сервера за сотни тысяч рублей.

Покупать железо или арендовать

Своё оборудование окупается, только когда видеокарты загружены постоянно. На старте проекта нагрузка неравномерная: неделя интенсивных экспериментов, затем пауза на анализ. Почасовая аренда позволяет платить только за реальную работу и легко переходить с одной карты на другую — например, отлаживаться на RTX 3090, а финальное обучение запускать на A100. Подобрать видеокарту под задачу и сразу посчитать стоимость часа можно на teraferma.io, где оплата идёт в рублях и поминутно.

Главное

Бюджет на нейросеть для небольшой команды определяют прежде всего данные и время специалистов, а не видеокарты. Вычисления при грамотном подходе обходятся в тысячи, а не миллионы рублей.