Не выбирайте корпоративную LLM. Соберите портфель моделей

Записка для AI-комитетаКомпания: интернет-сервис с отделами разработки, финансов, маркетинга и BDРешение: не закупать «единственную основную модель»; утвердить четыре класса задач и независимый Review

Почти каждая корпоративная закупка AI начинается с вопроса: какая модель лучшая? Вопрос удобный, потому что обещает одну таблицу, одного победителя и один договор. Но он смешивает генерацию Commit Message, анализ договора и прогноз Cash Flow в одну дисциплину.

Правильная единица закупки — не модель. Это проверенный маршрут «задача → профиль → модель → контроль → метрика».

Решение в одном абзаце

Для массовых операций назначить DeepSeek V4 Flash или GPT‑5.6 Terra; для универсальной работы с текстом и изображениями — Gemini 3.6 Flash; для инженерных и длинных профессиональных задач — Qwen3.8 Max или GPT‑5.6 Sol; для независимого анализа критичных решений — Claude Opus 5. Модели не голосуют: финальное решение подтверждается данными и ответственным сотрудником.

Почему модель-победитель создаёт скрытый налог

Единая модель упрощает интеграцию, но заставляет компанию платить одним из трёх способов:

1. Деньгами: флагман обрабатывает тысячи простых классификаций.

2. Качеством: бюджетная модель получает договоры и архитектурные миграции.

3. Зависимостью: Prompt, Tool Calls и Eval оптимизируются под особенности одного провайдера.

Портфель сложнее в начале, зато делает стоимость явной и позволяет менять компонент, не меняя весь продукт.

Матрица ролей, а не рейтинг

*Цена GPT‑5.6 Sol для контекста до 272K. Данные каталога OdiRouter.ai на 8 августа 2026 года; тарифы могут меняться.

Разработка: Sol строит, Opus спорит

GPT‑5.6 Sol выгодно выглядит для длинного цикла «требования → код → тесты»: цена ниже многих флагманов, есть reasoning, vision и Tool Calling. Qwen3.8 Max полезен, когда нужен контекст до 1M Token и работа с большим репозиторием.

Но Review лучше выводить в отдельный контекст. Claude Opus 5 получает задачу, Diff, архитектурные ограничения и тесты — без объяснения модели-автора. Его роль не переписать решение, а найти нарушение инварианта, опасную зависимость и отсутствующий сценарий отказа.

Разные модели нужны не только ради качества. Независимый Reviewer уменьшает вероятность того, что одна и та же ошибка переживёт генерацию и самопроверку.

Финансы: сильный текст не равен достоверному отчёту

Финансовый отдел может использовать дешёвую модель для категоризации операций и извлечения полей. Но P&L, прогноз ликвидности и объяснение отклонений требуют другого процесса:

4. числа считает SQL или финансовая система;

5. модель описывает драйверы и формирует гипотезы;

6. каждое число связывается с источником;

7. сильная модель проверяет логику сценария;

8. финансовый владелец утверждает вывод.

LLM не должна пересчитывать отчёт в свободном тексте. Её преимущество — связать данные, договор и контекст, а не заменить бухгалтерскую арифметику.

Маркетинг: Flash видит креатив, длинный контекст помнит бренд

Gemini 3.6 Flash подходит для быстрой оценки изображений, карточек и множества вариантов. Kimi K3 или Qwen3.8 Max разумнее запускать пакетно на большом архиве кампаний: найти усталость сообщений, конфликт Tone of Voice и повторяющиеся обещания.

Так компания не платит за миллионный контекст на каждый пост, но регулярно обновляет общий Brand Brief, которым пользуются дешёвые модели.

BD: модель готовит переговоры, но не ведёт отношения

Для BD полезна двухступенчатая схема. Volume-модель собирает открытые факты и приводит CRM к структуре. Сильная модель строит карту интересов: что партнёр продаёт, где есть пересечение, какие возражения вероятны, что нельзя обещать.

Персонализация должна опираться на реальные сигналы. Фраза «увидел ваш впечатляющий рост» без источника выдаёт автоматизацию быстрее любой подписи.

Три сценария бюджета

Сценарий A: всё на флагмане

Просто администрировать, трудно оправдать экономически. Большая часть бюджета уходит на задачи, где качество флагмана не меняет результат.

Сценарий B: всё на дешёвой модели

Красивый Token Cost, но растут повторы, ручное Review и цена скрытых ошибок.

Сценарий C: 80/15/5

Около 80% потока уходит в Volume, 15% — в Professional, 5% — в Critical Review. Это не универсальная пропорция, а хорошая стартовая гипотеза. Её корректируют по Cost per Accepted Task, а не по числу запросов.

Как проводить конкурс моделей

Не спрашивайте сотрудников, «какая понравилась». Соберите 50–100 реальных задач каждого отдела, удалите чувствительные данные и определите критерий до теста.

· для кода — тесты, принятые строки, дефекты через 30 дней;

· для финансов — точность ссылок на числа и доля существенных правок;

· для маркетинга — Brand Compliance и результат A/B-теста;

· для BD — доля ответов, отправленных без переписывания, и встречи, а не Opens;

· для Support — Resolution Rate и Escalation Precision.

Gateway как слой закупки

OdiRouter.ai предоставляет OpenAI-compatible доступ к нескольким семействам моделей. В корпоративной архитектуре это позволяет закрепить алиасы volume, build, review и менять поставщика после Eval, не распространяя новые ключи по приложениям.

Однако Router должен хранить версию решения. Иначе команда увидит изменение качества, но не сможет связать его с переключением модели.

Решение AI-комитета

Утвердить:1. Четыре профиля вместо одной корпоративной модели.2. Отдельный независимый Review для критичных задач.3. Ежемесячный Eval на реальных примерах.4. Cost per Accepted Task как основную экономическую метрику.5. Запрет прямых API-ключей вне Gateway.

Компания покупает не Token и не место в рейтинге. Она покупает предсказуемое выполнение конкретной работы. Портфель моделей делает это различие видимым.