Тарифные диапазоны
Прототип на ваших данных. Подтверждаем или опровергаем гипотезу до больших трат.
Полное внедрение с интеграцией, MLOps, мониторингом, SLA. RAG / OCR / NLP.
Свои модели, fine-tuning на больших датасетах, computer vision, мульти-моделный пайплайн.
Из чего складывается стоимость
| Этап | Доля от бюджета |
|---|---|
| Дискавери и data analysis | 15–20% |
| Подготовка датасета | 20–30% |
| Обучение / тюнинг моделей | 15–25% |
| Backend и интеграция | 15–25% |
| MLOps и мониторинг дрейфа | 10–15% |
Что влияет на цену сверх базы
| Фактор | Влияние |
|---|---|
| Использование готовых API (YandexGPT / GigaChat / GPT) vs свои модели | Свои модели — +50–150% к POC |
| Объём и качество данных | Чистка данных может занимать до 40% бюджета |
| Требования к latency (real-time vs batch) | +20–35% за real-time |
| Human-in-the-loop архитектура | +10–15% на UI оператора |
| On-premise vs облако (для чувствительных данных) | +15–25% на on-premise |
Частые вопросы про стоимость
С чего начать внедрение AI?
С POC на 4–6 недель. Цель — на ваших данных проверить, даёт ли AI значимый выигрыш. Если нет — не тратим деньги дальше.
Какие LLM выбираете для РФ-клиентов?
YandexGPT, GigaChat, или open-source (Llama, Mistral, Qwen) для on-premise. Зарубежные API (OpenAI, Anthropic) — только если данные не критичны и нет санкционных рисков.
Сколько стоит RAG-система?
POC RAG на ваших документах — от 1.5 млн ₽ за 4 недели. Продакшен RAG с UI и мониторингом — 4–10 млн ₽.
Кто отвечает за галлюцинации модели?
Архитектурно — мы. На уровне SLA закладываем порог точности и регулярные тесты на типовых вопросах. Human-in-the-loop добавляем там, где цена ошибки высока.
Нужна точная смета на ваш проект?
Опишите задачу — пришлём оценку с разбивкой по этапам и команде за 1 рабочий день.
→ Запросить смету подробнее об услуге