Что такое фундаментальная модель и почему на ней экономят

Зачем это знать

• Понять, за что платят при внедрении ИИ: за обучение модели или за настройку готовой
• Отличать работу, которая уже сделана поставщиком модели, от работы под свою задачу
• Задавать подрядчику вопрос «какая модель под капотом и почему выбрана эта»

Что такое фундаментальная модель простыми словами

Заводской двигатель ставят в разные машины. Один и тот же мотор едет и в фургоне, и в седане: меняются кузов, подвеска, коробка. Мотор с нуля никто не проектирует ради нового фургона — его покупают и подгоняют крепления.

Фундаментальная модель работает так же. Её обучили на огромном массиве текстов, кода и картинок, без привязки к отрасли и задаче. Внутри осели общие закономерности языка: как устроен документ, как формулируют вопрос, что за чем следует.

Дальше на этот мотор ставят кузов. Из одной модели получаются поддержка, разбор счетов, поиск по регламентам, помощник менеджера. Второе имя термина — базовая модель, встречается в документации чаще английского foundation model.

Как это работает

1. Собирают массив данных. Тексты, код, изображения — без разметки и без разбивки по задачам. Разметка стоит дорого, поэтому модель учат предсказывать пропущенные куски самих данных.
2. Обучают один раз и надолго. Это самая дорогая часть: тысячи видеокарт, месяцы счёта за электричество, бюджет в сотни миллионов долларов. Её оплачивает поставщик модели, а не компания-заказчик.
3. Проверяют на широком наборе задач. Одна и та же модель отвечает на вопросы, пишет код, разбирает документы. Универсальность — и есть проверяемый результат обучения.
4. Настраивают под задачу. Тут начинается работа заказчика. Пишут промпт, подкладывают свои документы, при необходимости дообучают на своей выборке.
5. Ставят в процесс и считают деньги. Каждый запрос стоит денег: платят за токены или за своё оборудование. Дальше считается себестоимость одной операции.

Отдельно про смену мотора. Модели обновляются каждые несколько месяцев, и переход на новую версию редко ломает систему целиком — меняется движок, обвязка остаётся. Это и есть главная выгода такой архитектуры для бюджета.

Пример из практики

Дистрибьютор запчастей разбирает около 4 000 входящих заявок в месяц. Заявки приходят письмами, в свободной форме: артикулы вперемешку с вопросами про сроки и оплату. Задача — вытащить артикулы, определить тип обращения, завести сделку.

Первый вариант обсуждали привычный: обучить свою модель под этот формат писем. Смета получалась на разметку 20 000 примеров и на команду разработки — путь на год и на сумму, которая не отбивается ни при каком объёме заявок.

Второй вариант — готовая фундаментальная модель плюс описание формата в промпте. Первая рабочая версия собирается за 4–6 недель. Разметка нужна не для обучения, а для проверки: 300 писем, размеченных руками, чтобы измерить долю верных разборов.

Цифры выше — расчётные ориентиры для компании такого профиля, а не отчёт по конкретному внедрению. Методика замера простая: доля заявок, где все артикулы вытащены верно, считается на одной и той же выборке в 300 писем до запуска и через месяц работы.

Что это даёт бизнесу

• Дорогая часть уже оплачена. Обучение стоило поставщику сотни миллионов долларов, доступ к результату стоит рубли за операцию. Порядок суммы для своего процесса прикидывают калькулятором бюджета.
• Срок до первой версии измеряется неделями. Собственная модель под задачу — это месяцы разметки. Настройка готовой — недели, и уже на них видно, сходится экономика или нет.
• Одна модель закрывает несколько процессов. Поддержка, разбор документов, поиск по базе знаний работают на одном моторе. Вторую задачу подключают дешевле первой: обвязка уже стоит.
• Поставщика можно менять. Если система построена вокруг понятных входов и выходов, замена модели — это замер на своей выборке и переключение, а не новый проект.

Когда без этого можно обойтись

Часть задач закрывается дешевле обычными средствами. Проверка суммы в счёте, сверка двух таблиц, маршрутизация писем по ключевому слову — здесь машинное обучение прошлого поколения или обычная интеграция дают ответ точнее и в разы дешевле.

Фундаментальная модель начинает выигрывать там, где входные данные не имеют жёсткого формата: свободный текст, разные шаблоны документов, живая речь клиента. Правило простое: где задача описывается таблицей правил, правила и пишут.

Что важно проверить

Первое: у каждой модели свои условия по данным. Часть поставщиков обрабатывает запросы за пределами страны, часть даёт развёртывание на своём оборудовании. Вопрос решается до выбора модели, а не после запуска пилота.

Второе: универсальность не равна точности на конкретной задаче. Модель, лучшая в общих тестах, на разборе отраслевых документов может уступить более простой. Проверяют это замером на 100–300 своих документах, а не по таблицам из презентации.

Третье: попросите подрядчика назвать конкретную модель, её версию и причину выбора. Если ответ звучит как «нейросеть» без имени и версии, сравнить предложение не с чем — а цена запроса у разных моделей отличается в десятки раз.