Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
СпутникиРНSpaceXРоскосмосNASAРазвернуть собственную ИИ-инфраструктуру — это значит арендовать дорогие графические процессоры, нанимать инженеров и платить за простои. «Турбо Облако» (входит в коммерческий ИТ-кластер «Ростелекома») предлагает альтернативу: Foundation Model Hub. Это сервис доступа к генеративным моделям через программный интерфейс (API) с тарификацией по токенам. CNews узнал у директора по продуктам компании Дмитрия Подшибякина, как устроена новая платформа.
15 Июля 2026 12:30 15 Июл 2026 12:30 |
Развернуть собственную ИИ-инфраструктуру — это значит арендовать дорогие графические процессоры, нанимать инженеров и платить за простои. «Турбо Облако» (входит в коммерческий ИТ-кластер «Ростелекома») предлагает альтернативу: Foundation Model Hub. Это сервис доступа к генеративным моделям через программный интерфейс (API) с тарификацией по токенам. CNews узнал у директора по продуктам компании Дмитрия Подшибякина, как устроена новая платформа.
CNews: Дмитрий, в апреле «Турбо Облако» запустила Inference Platform. Теперь вы выводите на рынок Foundation Model Hub. В чем разница между продуктами?
Дмитрий Подшибякин: История с ИИ-сервисами развивается так же, как с обычными облаками. Сначала строится базовый слой: виртуализация, сети, а поверх запускаются платформы как сервисы (PaaS), базы данных, контейнеризированные приложения. Для ИИ таким базовым слоем стала Inference Platform. Это программно-аппаратный комплекс для гибкого запуска генеративных моделей.
Foundation Model Hub — сервис поверх нее, созданный для другого профиля клиентов. Inference Platform дает заказчику выделенный фрагмент инфраструктуры графических процессоров (GPU) в монопольное пользование: он сам запускает модель с открытым исходным кодом и платит за всю эту инфраструктуру.
Foundation Model Hub устроен иначе. Провайдер анализирует рынок, спрос, тренды и запускает модели самостоятельно, предоставляя доступ большому числу клиентов к одной и той же модели. Заказчик перестает платить за эксклюзивность и оплачивает только то, что фактически потребил. Если в Inference Platform тарифицируются память GPU, вычислительные ресурсы и дисковое пространство, то в Foundation Model Hub — исключительно токены: объем информации, отправленный модели и полученный в ответ.
CNews: Inference Platform и Foundation Model Hub — конкуренты или взаимодополняющие решения?
Дмитрий Подшибякин: Они скорее дополняют друг друга. Inference Platform создана для клиентов с повышенными требованиями к информационной безопасности, гарантированной производительности и полному контролю над версией модели и параметрами инференса. Foundation Model Hub больше подходит для сценариев «вопрос-ответ», где заказчик доверяет провайдеру настройку качества и скорости ответов.
Сейчас наблюдается четкий тренд: клиенты стремятся избежать сложности обслуживания инфраструктуры и все чаще выбирают работу с ИИ с оплатой за токены. Основное опасение при этом — непрогнозируемый объем потребления. Но это легко решается тестовым периодом: заказчик оценивает реальный расход на своем сценарии и принимает взвешенное решение.
CNews: Как выглядит подключение и повседневная работа с сервисом?
Дмитрий Подшибякин: Клиент получает адрес подключения и API-ключ, просто копирует их и вставляет в собственное приложение, сервис или внутреннюю информационную систему. Это занимает несколько минут. Смена модели — это просто получение другого адреса с тем же ключом. Никаких дополнительных процедур не требуется.
Это как электричество: нужно подогреть воду — включаете чайник. Не пользуетесь — не платите. Приложение обращается по заданному адресу с ключом, начинается тарификация. Единственное, что стоит настроить сразу, — лимиты потребления.
Модели отбираются по двум принципам. Прежде всего — внутренние испытания провайдера: поиск варианта с оптимальным соотношением цены и качества на единицу результата. Когда этот фильтр пройден, учитываются агрегированные запросы клиентов, включая внутренних заказчиков из группы «Ростелеком». Запускать модель без спроса нецелесообразно, так как графические ускорители стоят дорого. Также мы готовим к запуску онлайн-каталог (marketplace), где модели можно будет удобно выбирать из списка.
CNews: В описании продукта заявлена экономия за счет тарификации по принципу «плати, сколько потребил» (pay-as-you-go). Насколько она ощутима?
Дмитрий Подшибякин: Сравним два подхода. Аренда одного графического процессора (например, Nvidia H200) на выделенном сервере стоит в среднем по рынку около 400 000 рублей в месяц. Добавим к этому фонд оплаты труда специалистов по инференсу — их компетенции обходятся дороже обычных инженеров.
Теперь рассмотрим второй подход с умеренным потреблением. Допустим, вам требуется 10 млн токенов в месяц. В Foundation Model Hub это обойдется примерно в 5 000 рублей. При этом 10 миллионов токенов — это порядка 25 тысяч стандартных книжных страниц русского текста, вполне серьезный объем для многих задач обработки информации. Разница на таком сценарии — почти в 80 раз.
Конечно, если компания работает с ИИ круглосуточно и полностью загружает GPU, выделенный инстанс будет выгоднее. Но при сезонных пиках (распродажи, акции) Foundation Model Hub гораздо практичнее: платеж идет только за реальное потребление.
CNews: Расскажите о механизме тройных лимитов (день, неделя, месяц) и об автообновлении моделей.
Дмитрий Подшибякин: Тройные лимиты — это надежный механизм контроля бюджета. На каждом API-ключе клиент выставляет комбинацию ограничений: например, 300 млн токенов в день, 2,5 млрд в неделю и 10 млрд в месяц. При достижении любого из порогов платформа приостанавливает обработку запросов до начала следующего периода. Клиент сам управляет этими значениями и комбинирует их под свою модель потребления, что дает предсказуемость и защищает от неприятных сюрпризов в конце месяца.
Что касается обновлений: генеративные модели актуализируются каждые три-шесть месяцев. Провайдер сам тестирует новую версию на безопасность и перформанс, подбирая настройки инференса. Клиент получает уведомление, но менять эндпоинт, ключи или код в своем приложении ему не нужно. После обновления он продолжает работать по тому же API, но автоматически получает доступ к самой современной версии модели.
CNews: Российский рынок ИИ-сервисов активно растет. Чем выделяется новое предложение «Турбо Облака»?
Дмитрий Подшибякин: Выделю три главные составляющие.
Первая: тройные лимиты. Это тонкий контроль бюджета, и, насколько нам известно, такой гибкой комбинации пока нет у конкурентов.
Вторая: прозрачность. Клиент видит потребление в токенах и управляет им, а не пытается разобраться в закрытых единицах измерения, придуманных провайдерами.
И третье, стратегическое отличие: комплексная линейка ИИ-продуктов в едином окне «Турбо Облака». Мы закрываем все потребности: от Foundation Model Hub через выделенные инстансы Inference Platform до «голого железа» (bare metal) с GPU, и все это — без смены облачного провайдера.
Мы стремимся делать сервис с «человеческим лицом». При обращении в нашу компанию за клиентом закрепляется персональный менеджер и архитектор, который глубоко погружается в его задачу.
CNews: Как будет развиваться линейка ИИ-сервисов в ближайшие год-два?
Дмитрий Подшибякин: Мы движемся последовательно: от инфраструктурных сервисов (аренды физического оборудования и виртуальной инфраструктуры с GPU) к платформенным решениям, таким как Inference Platform и Foundation Model Hub. Следующий шаг: программное обеспечение как сервис (SaaS) для конкретных бизнес-сценариев.
До конца года планируем запустить в облаке SaaS-решение для работы с искусственным интеллектом «Нейрошлюз» от «Ростелекома». Это приложение с веб-интерфейсом, где пользователь сможет полноценно работать с генеративным ИИ: создавать презентации и тексты, фиксировать итоги встреч, расшифровывать видео и аудио. Также приоткрою завесу тайны: мы готовим масштабный сервис для разработчиков. В нашей дорожной карте еще много интересных запусков, связанных как с развитием функционала текущих платформ, так и с выходом новых продуктов.
Если говорить о сегодняшнем дне, мы фокусируемся на двух ключевых вещах: как помочь клиентам сократить расходы и как обеспечить безопасную работу с моделями. Про лимиты по токенам мы уже поговорили, но есть и другой инструмент экономии: умная маршрутизация запросов, над которой мы сейчас активно работаем. Кроме того, мы видим, что многие наши заказчики имеют дело с конфиденциальными данными, поэтому вопрос их обезличивания при взаимодействии с ИИ становится одним из главных трендов сезона.