Лучшие сервисы доступа к API нейросетей из России

Для большинства российских команд выбор сводится к четырём маршрутам: Yandex AI Studio или GigaChat — когда нужна российская модель; Cloud.ru или MWS — когда нужен облачный каталог моделей в российском контуре; ProxyAPI, Polza.ai или Caila — когда важен быстрый доступ к зарубежным моделям с оплатой в рублях; OpenRouter — когда компания может законно работать с международным сервисом и оплачивать его в долларах. Выбирать стоит не по числу логотипов на лендинге, а по конкретной модели, API-функциям, договору, цепочке обработки данных, лимитам и стоимости успешной бизнес-операции.

Универсального победителя нет. SaaS с агентами, внутренний поиск по документам и массовая генерация карточек требуют разных моделей и разных гарантий. Ниже — короткая карта рынка, подробный разбор и план пилота без передачи реальных персональных данных. Отдельный обзор агрегаторов нейросетей для пользователей из России поможет сопоставить такие маршруты.

Короткий выбор

Данные и условия актуальны на 4 сентября 2026 года. Цены и модельные каталоги меняются быстро, поэтому перед оплатой нужно повторить проверку выбранной модели.

Сервис	Тип и модели	Оплата и документы	API и сильные стороны	Данные, лимиты и главный нюанс
Yandex AI Studio	Российское облако: YandexGPT, YandexART, собственные и open-source модели	Рубли, биллинг и документы Yandex Cloud	OpenAI-совместимые Chat Completions, Responses, Images и Embeddings; функции, web/file search, MCP, голосовые сценарии	Логирование запроса можно отключить; базовые квоты увеличиваются через поддержку. Возможности зависят от model URI
GigaChat API	Прямой API моделей Сбера	Рубли; пакеты или pay-as-you-go для бизнеса. Новых клиентов с 1 сентября 2026 года направляют в Cloud.ru	REST и gRPC, SSE, function calling, строгая JSON Schema, embeddings, изображения	По умолчанию 1 поток у физлица и 10 у ИП/юрлица. Нужно уточнить текущий маршрут подключения и тариф для своего статуса
Cloud.ru Foundation Models	Российский model hub: более 20 локально размещённых и внешних моделей	Pay-as-you-go в рублях, договорный облачный контур, стартовые гранты	OpenAI-совместимый API, reasoning, function calling и structured output у поддерживающих моделей	Географию исполнения нужно смотреть в карточке конкретной модели: внешняя модель может иметь другую цепочку обработки
MWS GPT Model Hub	Российский hub: текст, код, vision, embeddings, rerank, речь	Рубли; GA оплачивается по факту, Preview бесплатна; гранты для физлиц и бизнеса	OpenAI-совместимый API, IAM, деплойменты моделей, собственный инференс в MWS Cloud	GA имеет SLA 99,5%; Preview — без SLA. Правила сторонних моделей проверяются отдельно
ProxyAPI	Российский шлюз к OpenAI, Anthropic, Google и другим провайдерам	Рублёвый баланс; акт или УПД при оплате по счёту на расчётный счёт	Есть нативные API поставщиков и единый OpenAI-совместимый endpoint; удобен для Responses, reasoning, cache и сложных tools	Контент не хранится по умолчанию, но уходит upstream. Опциональные логи включают полные промпты и ответы
Polza.ai	Российский агрегатор 400+ текстовых и мультимедийных моделей	Карта РФ, СБП или расчётный счёт; предусмотрены закрывающие документы	Chat Completions, Responses, embeddings, изображения, видео, аудио и музыка; SSE и fallback	Запрос может пройти через цепочку провайдеров. Контент-логи опциональны, мультимедиа хранится ограниченное время
Caila	Российский корпоративный hub 350+ российских и зарубежных моделей	Физлица — пополнение от 100 ₽; бизнес — счёт, договор и закрывающие документы	OpenAI-совместимый API, Responses, ключи, роли, бюджеты, аналитика и Jay Guard	SLA 99,9% покрывает платформу Caila, но не доступность каждой upstream-модели; данные передаются поставщику модели
OpenRouter	Международный маршрутизатор: 500+ моделей и 80+ провайдеров	Доллары; карта, Alipay или USDC; комиссия при покупке кредитов 5,5%, минимум $0,80	Маршрутизация по цене и скорости, fallback, BYOK, budgets, provider filters и Zero Data Retention	Нужно соблюдать условия каждой модели и страны. Российского рублёвого договора по умолчанию нет

Таблица показывает класс решения, а не полный паритет функций. Например, наличие Claude в каталоге не означает, что через универсальный endpoint доступны все возможности нативного Anthropic API. То же относится к OpenAI Responses, Gemini grounding, кешированию промптов и streaming аргументов tool call.

Что означает «доступ из России»

Перед сравнением сформулируйте требование точнее. Обычно под одной фразой скрываются четыре независимых фильтра.

• Сетевая доступность. Сервер приложения отправляет запрос без VPN, личного зарубежного аккаунта и нестабильной схемы обхода.
• Российская оплата. Баланс пополняется картой РФ, через СБП или по счёту в рублях.
• Российский договор. Контрагент выдаёт договор, акт или универсальный передаточный документ. У некоторых шлюзов способ получения документов зависит от способа оплаты.
• Локализация обработки. Запрос, ответ, файлы и технические логи остаются в определённом контуре. Российский кабинет и рублёвый платёж сами по себе этого не доказывают.

Для обезличенного прототипа часто достаточно первых двух условий. Для CRM с данными клиентов, медицинских документов или коммерческой тайны потребуется карта всей цепочки: приложение → шлюз → маршрутизатор → фактический поставщик модели и дата-центр.

Российские модели и облачные хабы

Yandex AI Studio

Yandex AI Studio подходит командам, которые уже используют Yandex Cloud или хотят собрать решение на российских моделях и управляемой облачной инфраструктуре. В каталоге есть YandexGPT, модели генерации изображений, embeddings, голосовые сервисы и open-source модели. Через OpenAI-совместимый слой доступны знакомые методы Chat Completions, Responses, Images и Embeddings.

Платформа заметно шире простого текстового API. Responses умеет принимать текст и изображения, возвращать текст или JSON, вызывать пользовательские функции, web search, file search и MCP-инструменты. Для RAG есть embeddings и поиск по базе знаний. Это удобно, если одной команде нужны чат, классификация, агенты и поиск, а доступы уже управляются через облачные роли.

На дату проверки YandexGPT Lite стоит 0,2 ₽ за 1000 токенов по основным текстовым операциям, YandexGPT Pro 5.1 — 0,8 ₽; цены включают НДС. Считать бюджет всё равно нужно по карточке конкретной модели: open-source модели, кеш, инструменты, изображения и асинхронные операции имеют другие единицы.

Базовая квота синхронной генерации — 10 одновременных запросов. Квоту можно увеличить через поддержку, но архитектурные лимиты не меняются. Для запросов с чувствительными данными полезна опция отключения логирования: такие запросы не сохраняются на серверах Yandex Cloud. Эту настройку нужно включить и проверить до пилота, а не считать свойством всего аккаунта по умолчанию.

Yandex AI Studio — сильный первый кандидат для русскоязычного RAG, внутренних ассистентов и продуктов, где важны российский облачный контур и зрелое управление доступом. Если продукт критично зависит от конкретной зарубежной frontier-модели, каталог и качество надо сравнить с российским шлюзом на собственном eval-наборе.

GigaChat API

GigaChat API разумно тестировать, когда основная нагрузка — русский язык, обработка документов, классификация, корпоративные помощники и функции, вызывающие внутренние системы. API поддерживает REST и gRPC, потоковую выдачу через Server-Sent Events, пользовательские и встроенные функции, embeddings и генерацию изображений. Читать полный обзор сервиса GigaChat.

Структурированный вывод заслуживает отдельного внимания. GigaChat принимает JSON Schema или регулярное выражение, а режим strict помогает удержать ответ в заданной схеме. Structured output можно получать и в потоке. Для извлечения реквизитов, заполнения карточек и подготовки аргументов функции это полезнее обычной просьбы «верни JSON» в промпте.

Для физлица действует один поток, для ИП и юрлица — 10 потоков по умолчанию. Увеличение согласуется с поставщиком. Один поток может быть достаточен для локального эксперимента, но быстро становится узким местом для чат-бота или пакетной обработки.

С тарифами есть переходный период. С 1 сентября 2026 года новых клиентов направляют оплачивать модели через Cloud.ru. На прямой странице для действующих корпоративных клиентов остаётся pay-as-you-go: 0,065 ₽ за 1000 токенов Lite, 0,5 ₽ для Pro и 0,65 ₽ для Max, с минимальным расходом 600 ₽ только в месяце фактического использования. Платные пакеты действуют месяц. Перед расчётом нужно подтвердить, по какому договору и прайсу подключат именно вашу компанию.

Cloud.ru Foundation Models

Cloud.ru полезен бизнесу, которому нужен один российский облачный кабинет, но недостаточно одной линейки моделей. Foundation Models предоставляет OpenAI-совместимый API к каталогу из более чем 20 моделей, включая семейства gpt-oss, DeepSeek и Qwen. У совместимых моделей доступны reasoning, function calling и structured output.

Оплата идёт по факту потребления. В карточке модели отдельно указаны входные и выходные токены за миллион; для аудио встречается тарификация по секундам. Такой формат удобен для пилота и нерегулярной нагрузки, но сравнивать только цену входа нельзя: у агента большая часть расходов может приходиться на выход, reasoning и повторные tool-циклы.

Главный нюанс — размещение. Платформа заявляет модели на российских серверах, но в июле 2026 года добавила внешние модели. Поэтому отметку «данные в РФ» нужно подтверждать по карточке выбранной модели и условиям услуги. Если сервис маскирует чувствительные данные перед отправкой внешней модели, это уменьшает риск, но не превращает внешний инференс в локальный.

Cloud.ru стоит рассматривать для компаний, которым нужны рублёвый облачный договор, круглосуточная поддержка и возможность собрать рядом вычисления, хранилище и приложение. Для мультимедиа нужно проверять фактически доступные endpoints: общая мультимодальность на продуктовой странице пока обозначена как развиваемая возможность.

MWS GPT Model Hub

MWS GPT Model Hub закрывает сценарий управляемого инференса open-source моделей в российском облачном контуре. В каталоге есть модели для текста и кода, изображений, embeddings, rerank, распознавания и синтеза речи. Подключение идёт через OpenAI-совместимый API, а ключи и деплойменты управляются в MWS Cloud Platform.

Для моделей в General Availability оплата списывается по фактическому объёму входных и выходных токенов. Preview-модели бесплатны, но на них не распространяется SLA. Это важное различие: бесплатная новая модель подходит для исследования, но не для обещанного клиентам production-сервиса.

Для GA заявлен SLA 99,5%; квоты и лимиты можно повышать через поддержку. Новым физлицам доступен стартовый грант 3000 ₽, ИП и юрлицам — 10 000 ₽. Грант помогает сравнить несколько моделей, но не заменяет оценку постоянной стоимости после его окончания.

Платформа указывает, что запросы и ответы в собственном контуре не сохраняются и не используются для обучения. В специальных условиях есть оговорка для моделей третьих лиц: их лицензии и правила конфиденциальности могут применяться отдельно. Поэтому для чувствительных данных выбирайте конкретное размещение, а не только бренд model hub.

Российские агрегаторы и шлюзы

ProxyAPI

ProxyAPI особенно интересен разработчикам, которым мало базовой OpenAI-совместимости. Сервис позволяет отправлять запросы и в универсальный /chat/completions, и в нативные endpoints OpenAI, Anthropic и Google. Обычно меняются базовый URL и ключ, а тело запроса остаётся в формате исходного поставщика.

Нативный режим важен для многоходовых reasoning-моделей, Anthropic prompt caching и citations, OpenAI Responses, Gemini grounding и тонких safety-настроек. Универсальный endpoint удобнее для простого чата и быстрого переключения модели, но он сводит разные протоколы к общему подмножеству. В агенте это может потерять подпись reasoning-блока, буферизовать аргументы tool call или не принять сочетание structured output и functions.

Тарифы указаны в рублях отдельно для каждой модели и типа токенов. Обязательной подписки для основного API нет. Для бизнеса важна деталь договора: акт или УПД выдаётся при безналичной оплате по выставленному счёту на расчётный счёт; электронный платёж сам по себе закрывающих документов не даёт.

По умолчанию ProxyAPI не хранит содержимое запросов и ответов, но передаёт их конечному API. У upstream остаются собственные сроки хранения и правила обучения. Опциональные диагностические логи, напротив, включают полный промпт, ответ, ошибки, IP, модель, задержку и время до первого токена. Они полезны для отладки, но требуют осознанного срока и очистки.

Polza.ai

Polza.ai подходит, когда нужен один рублёвый баланс для текста, изображений, видео и аудио. В каталоге заявлено более 400 моделей. Помимо Chat Completions есть Responses, embeddings, генерация изображений и видео, распознавание и синтез речи, а также отдельные media-операции для музыки.

Пополнять баланс можно российской картой, через СБП или расчётный счёт. Для организации предусмотрены счета и закрывающие документы. Есть автопополнение, расходы по ключам и проектам, а для более крупных клиентов — отдельные лимиты и поддержка.

OpenAI-совместимый интерфейс ускоряет старт, но capability нужно смотреть у модели. Наличие общего endpoint не гарантирует strict schema, tools, vision или streaming для каждой позиции каталога. Для production следует получить список моделей программно и зафиксировать конкретный ID.

По умолчанию сохраняются метаданные запроса, но не его содержимое. Content logging включается отдельно и хранит данные 30 дней; результаты мультимедийных генераций — 7 дней. Запрос может пройти через одного или несколько провайдеров, поэтому итоговые retention и training зависят от маршрута. Для чувствительных данных нужен allowlist подходящих провайдеров, а не автоматический выбор по доступности.

Caila

Caila лучше всего раскрывается в командном и корпоративном сценарии. Через единый API доступны сотни российских и зарубежных моделей, а поверх них — роли, отдельные ключи, лимиты расходов, аналитика по проектам и аудит. Это помогает заменить личные ключи разработчиков контролируемым корпоративным шлюзом.

Для самостоятельного старта физлицо может пополнить баланс российской картой от 100 ₽. ИП и юрлица работают по счёту, договору и получают закрывающие документы. Корпоративный тариф добавляет выделенную квоту, приоритетную поддержку и SLA 99,9%.

SLA относится к платформе Caila. Если конечный поставщик конкретной модели недоступен, эта гарантия не делает модель доступной автоматически. Резерв нужно выбирать заранее и проверять на том же eval-наборе.

Jay Guard умеет маскировать персональные данные и секреты, блокировать prompt injection и вести аудит. Это полезный технический барьер, но данные всё равно передаются выбранному поставщику по его политике. Для коммерческой тайны и персональных данных нужны договорная проверка и разрешённый маршрут; фильтр не заменяет их.

Международный маршрутизатор и прямые зарубежные API

OpenRouter

OpenRouter даёт самый широкий выбор провайдеров и зрелую маршрутизацию: можно выбирать endpoint по цене, скорости, политике данных, поддержке tools или structured output. Fallback переключает запрос на другой endpoint при ошибке, BYOK позволяет использовать собственный ключ поставщика, а Zero Data Retention отсекает endpoints, которые не соответствуют заданной политике. Читать полный обзор сервиса OpenRouter.

Расчёты идут в долларах. OpenRouter передаёт цену инференса поставщика без наценки, но при покупке кредитов удерживает 5,5% с минимумом $0,80. Платёжные варианты — международная карта, Alipay и USDC; на Enterprise возможен invoice. Рублёвая карта и российские закрывающие документы не являются базовым предложением.

Этот путь подходит международной компании или проекту с поддерживаемым платёжным и юридическим контуром. Он не даёт права использовать любую модель из любой страны. Условия прямо запрещают обходить региональные ограничения моделей через VPN или прокси. Маршрутизация должна учитывать не только цену, но и Model Terms, retention, обучение на промптах и фактического провайдера.

Прямые зарубежные API

Прямой договор с разработчиком модели даёт наиболее полный нативный API, минимальную цепочку посредников и прямой контроль квот. Этот вариант доступен только там, где поставщик поддерживает страну организации и пользователей, принимает допустимый способ оплаты и разрешает сценарий.

Россия отсутствует в текущем списке поддерживаемых стран OpenAI API; доступ из неподдерживаемой страны может привести к блокировке или приостановке аккаунта. Россия также отсутствует в списках Anthropic и Google AI Studio/Gemini API. Поэтому российской команде без собственного поддерживаемого зарубежного контура не стоит строить production на регистрации через VPN, чужой карте или купленном ключе.

Что проверять в API до выбора

Streaming

Проверяйте не только наличие stream: true. Важны:

• время до первого токена и общая задержка;
• формат событий и сборка частичных tool calls;
• приходит ли usage в потоке;
• что происходит при обрыве после начала ответа;
• списывается ли стоимость за неуспешный запрос;
• может ли fallback сработать после первого chunk.

Маршрутизатор часто умеет переключить провайдера до начала ответа. После начала потока повтор может создать два разных продолжения, двойное действие инструмента или дополнительное списание.

Tools и structured output

Function calling не выполняет действие сам. Модель возвращает имя функции и аргументы, а приложение проверяет их, применяет авторизацию, вызывает код и передаёт результат обратно. Любой вызов, меняющий деньги, права или данные, требует серверной валидации и идемпотентности.

Для структурированных данных различайте три режима:

• просьба вернуть JSON в тексте;
• JSON mode, гарантирующий синтаксически корректный объект;
• strict JSON Schema, ограничивающий поля, типы и обязательные значения.

Если SaaS записывает ответ в базу или вызывает внешнюю систему, нужен третий режим либо собственная строгая валидация с контролируемым повтором. Проверяйте его на каждой модели: одна модель в каталоге может поддерживать schema, другая — только текст.

Embeddings, rerank и RAG

Для поиска по документам сравнивайте отдельно модель генерации и модель векторизации. Важны русский язык, максимальная длина входа, размерность вектора, цена, rate limit, reranker и возможность удалить загруженные файлы.

Смена embedding-модели обычно требует пересчитать весь индекс. Чтобы не попасть в зависимость от одного поставщика, храните исходные очищенные документы, версию chunking, ID embedding-модели и код построения индекса. Vector store самого провайдера ускоряет старт, но усложняет выход.

Изображения и аудио

Логотип «multimodal» может означать только анализ изображения на входе. Отдельно проверьте:

• vision, генерацию и редактирование изображений;
• speech-to-text, text-to-speech и realtime audio;
• синхронный ответ, polling или webhook;
• максимальный файл и поддерживаемые форматы;
• срок хранения исходников и результатов;
• тарификацию по токенам, секундам, изображениям или запросам.

Как считать стоимость и документы

Цена за миллион токенов — лишь один множитель. Полная формула включает вход, выход, reasoning, чтение и запись кеша, длинный контекст, встроенные инструменты, изображения, аудио, batch, повторные запросы и комиссию за пополнение.

Сравнивайте стоимость на одинаковом наборе задач. Для каждой модели посчитайте:

полные расходы / количество ответов, прошедших проверку качества и схемы.

Этот показатель честнее прайса: дешёвая модель может чаще ошибаться, возвращать невалидный JSON и запускать повтор. Дорогая модель иногда выигрывает за счёт более короткого промпта и меньшего числа циклов.

Для бизнеса до пополнения запросите или скачайте:

• реквизиты контрагента и текст оферты или договора;
• образец счёта и закрывающего документа;
• указание НДС в цене;
• минимальный платёж и срок действия пакета или баланса;
• условия возврата и автопополнения;
• SLA, поддержку и порядок увеличения квот;
• перечень upstream-провайдеров и применимые к ним условия.

Данные, SLA и fallback

Фраза «мы не храним промпты» должна раскладываться по участникам. Шлюз может не записывать содержимое, но передавать его поставщику, который хранит запрос 30 дней. Отдельный диагностический лог может снова сохранить полный промпт уже на стороне шлюза. Мультимедийный файл нередко живёт дольше текстового запроса.

Для выбранной модели зафиксируйте:

• фактического поставщика и страну обработки;
• какие метаданные и content logs сохраняет шлюз;
• retention у upstream;
• может ли провайдер обучаться на запросах;
• как отключаются logging и training;
• какие субпроцессоры участвуют;
• как удалить файлы и учётную запись;
• входит ли модель в договор и SLA.

Не делайте общий вывод о соответствии 152-ФЗ по стране регистрации сервиса. Для реальных персональных, медицинских и финансовых данных архитектуру и договор должен проверить ответственный за персональные данные или юрист. На первом пилоте используйте обезличенные примеры.

SLA платформы и доступность модели — разные уровни. Caila может быть доступна, когда upstream-модель возвращает ошибку. Preview-модель MWS может отвечать сегодня, но не иметь договорной гарантии. Fallback улучшает техническую доступность, но способен поменять качество, модерацию, цену и JSON-схему. В резерв включают только модель, которая прошла тот же eval.

Как уменьшить vendor lock-in и защитить ключи

OpenAI-совместимость снижает стоимость базовой миграции, но не устраняет зависимость от model IDs, extensions, файлового хранилища, vector store и поведения ошибок. Практичный слой приложения должен:

• иметь собственный интерфейс generate, embed, transcribe и generateImage;
• хранить адаптеры для нативных возможностей, а не смешивать их с бизнес-логикой;
• фиксировать явный ID и версию модели в production;
• записывать фактические provider и model, особенно при fallback;
• проверять новый alias или версию на eval-наборе до переключения;
• сохранять промпты, схемы и тесты у себя, без зависимости от playground поставщика.

API-ключ нельзя помещать в браузер, мобильное приложение, публичный репозиторий или пользовательский prompt. Храните его на сервере в менеджере секретов. Для test и production выпускайте разные ключи; задавайте минимальный бюджет, allowlist моделей, IP-ограничение и срок действия там, где сервис это умеет. Ключи сотрудников должны отзываться отдельно, а не открывать общий баланс компании.

BYOK сокращает число интеграций, но передача upstream-ключа маршрутизатору добавляет ещё одну точку доверия. Давайте ключу минимальные права, не используйте его для других проектов и заранее подготовьте ротацию.

Матрица выбора по сценарию

Сценарий	Первый кандидат	Резерв или альтернатива	Что проверить в пилоте
Русскоязычный чат-бот без чувствительных данных	GigaChat API	Yandex AI Studio	Качество русского, tools, strict JSON, 10 параллельных потоков и текущий договорный маршрут
RAG по внутренним документам в российском облаке	Yandex AI Studio	MWS GPT Model Hub	Embeddings, удаление файлов, отключение логов, качество цитирования, стоимость переиндексации
Open-source модель в российском контуре	MWS GPT Model Hub	Cloud.ru Foundation Models	Пометка GA/Preview, SLA, фактическое размещение, квоты и цена выхода
Быстрый MVP с GPT, Claude и Gemini	ProxyAPI	Polza.ai	Нужный endpoint, рублёвое пополнение, минимальный бюджет, provider terms и content logging
Мультимедийный генератор	Polza.ai	Yandex AI Studio или MWS	Реальные image/audio/video endpoints, async status, срок файлов, цена одной принятой генерации
Coding agent с нативными возможностями моделей	ProxyAPI	Caila	Responses или native API, reasoning context, prompt cache, streaming tools, лимиты ключа
Корпоративная команда с ролями и аудитом	Caila	Yandex AI Studio или MWS	SSO/роли, лимиты по проектам, журнал, маскирование, SLA платформы и upstream
Международный SaaS с допустимым долларовым биллингом	OpenRouter	Прямой API поставщика	Model Terms по странам, ZDR endpoint, provider allowlist, 5,5% fee и fallback
ПДн или коммерческая тайна	Локально размещённая модель в Yandex, MWS или Cloud.ru	Выделенный инференс или собственный контур	Страна каждого звена, договор на обработку, no-store, private network и удаление данных
Критичный production	Два независимых проверенных контура	Собственный fallback в приложении	p95, 429/5xx, обрывы stream, идентичность схемы, canary и kill switch

Безопасный план пилота

1. Зафиксируйте требования. Запишите нужные модели, страну обработки, договор, месячный бюджет, p95 latency, параллельность, endpoints и допустимые данные.
2. Соберите eval-набор. Возьмите 50–200 реальных, но обезличенных задач. Для каждой задайте ожидаемый результат, JSON-схему и критерий отказа.
3. Выберите два независимых контура. Например, российский model hub и рублёвый шлюз. Не делайте два маршрута через одного upstream единственными резервами.
4. Создайте отдельные test-ключи. Поставьте небольшой бюджет, разрешите только нужные модели и IP, не передавайте ключ в клиентский код.
5. Прогоните capability tests. Обычный ответ, SSE, tools, strict JSON, длинный контекст, embeddings, media, 401, 402, 429, 5xx, timeout и оборванный stream.
6. Проверьте данные. Отключите content logging и обучение там, где это настраивается, затем прочитайте настройки обратно. В первом цикле не отправляйте реальные ПДн.
7. Измерьте экономику. Считайте долю успешных задач, рубли на успешную задачу, p50/p95, время до первого токена, tokens/sec, повторы и ошибки.
8. Зафиксируйте модель. Используйте явный ID. Проверьте резервную модель тем же eval и не включайте автоматический fallback на непроверенный alias.
9. Запустите canary. Дайте новому контуру 1–5% обезличенного или низкорискового трафика, добавьте kill switch и дневной бюджет.
10. Подготовьте выход. Сохраните исходные документы, prompts, схемы, eval, usage и adapter. Проверьте, как отозвать ключи, удалить файлы и сменить embedding-модель.

После пилота выбирайте не самый эффектный ответ, а контур, который стабильно выполняет бизнес-задачу в заданной цене, задержке и политике данных.