Яндекс выложил AliceAI 80B бесплатно: можно ли запустить её на своём компьютере в 2026

Яндекс 21 сентября 2026 открыл веса языковой модели AliceAI-Foundation-80B-A3B-Base под лицензией Apache 2.0: скачивать, дообучать и использовать в коммерческих продуктах можно бесплатно. Запустить её на домашнем компьютере в сентябре 2026 нельзя. Веса занимают 162,6 ГБ, в карточке модели рекомендуют четыре видеокарты по 80 ГБ, а в Ollama и LM Studio её нет и в ближайшее время не будет.

Словарик: шесть терминов из статьи

• Веса - числа внутри нейросети, которые получились после обучения. Скачать модель означает скачать её веса.
• Базовая модель (base) - версия сразу после обучения на текстах, без дообучения на диалогах. Продолжает текст, не выполняет команды.
• Instruct-версия - та же модель после дообучения на инструкциях. Именно с ней люди общаются в чате.
• MoE - архитектура, где модель разбита на много «экспертов», и на каждое слово включается лишь несколько из них. Считает быстро, а в память грузится целиком.
• Активные параметры - те эксперты, которые реально считаются на каждом слове. У AliceAI их 3 миллиарда из 80.
• Квантизация - сжатие весов с 16 бит до 4-8 бит. Модель худеет в 3-4 раза, качество проседает немного.

Что именно выложил Яндекс 21 сентября 2026

Модель называется AliceAI-Foundation-80B-A3B-Base. Веса появились на Hugging Face 12 сентября 2026, а разбор архитектуры Яндекс опубликовал на Хабре 21 сентября. К 22 сентября у страницы модели 676 скачиваний и 229 лайков.

Главное заявление Яндекса звучит так:

Модель прошла полный цикл обучения в Яндексе с нуля: мы не использовали веса сторонних опенсорс-моделей.

- Яндекс, разбор на Хабре, 21 сентября 2026

Это важная деталь. Большинство российских открытых моделей до сих пор были дообучением чужих весов, чаще всего китайских Qwen или американской Llama. Здесь весь цикл свой.

Технически внутри гибрид. 48 блоков, из них 36 с линейным вниманием и 12 с полным, чередование три к одному. В каждом MoE-слое 512 экспертов, на каждое слово включается 10 плюс один общий. Размер скрытого состояния 2048, словарь на 129 024 токена. Контекстное окно 262 144 токена, это примерно 600 страниц текста за один заход.

Обучение шло в четыре стадии с постепенным расширением контекста: 8 тысяч токенов, затем 32 тысячи, затем 256 тысяч, на стадии рассуждений 128 тысяч. На первой стадии модель прошла около 17,5 триллиона токенов, дальше добавились порции на 50, 240 и 280 миллиардов.

Главная ловушка: это базовая модель, она не чат

Приписка Base в названии решает почти всё. Базовая модель обучена ровно на одну задачу: предсказывать следующее слово в тексте. Она не проходила дообучение на диалогах и инструкциях.

На практике это выглядит так. Ты пишешь «составь список покупок на неделю», а модель продолжает: «составь список покупок на неделю и повесь его на холодильник. Составь список покупок на месяц…». Она честно продолжает текст, который увидела. Отвечать на вопросы её никто не учил.

Базовые модели выкладывают для другого: чтобы компании и исследователи дообучили их под свою задачу. Юрфирма учит на своих договорах, банк на своих заявках, лаборатория проверяет гипотезу. Это работа на неделю-две с арендованными видеокартами. Формат «скачал и болтаешь» тут не работает.

Сколько весит AliceAI 80B и на чём она вообще запускается

49 файлов, 162,6 ГБ суммарно. Это точность bf16, в которой Яндекс выложил веса. Посчитано по данным Hugging Face на 22 сентября 2026.

В карточке модели приводится рекомендация для дообучения: четыре видеокарты по 80 ГБ памяти. Пример запуска дан через vLLM в докере с распределением на те же четыре карты. Это конфигурация серверной стойки. Домашний системный блок столько памяти не даст.

Почему 3 миллиарда активных параметров не спасают

Архитектура A3B звучит обнадёживающе: раз на каждое слово работает всего 3 миллиарда параметров, значит, и памяти надо как для модели на 3 миллиарда. Это ловушка.

Модель заранее не знает, каких экспертов позовёт на следующем слове. Любой из 512 может понадобиться в любой момент. Поэтому все 80 миллиардов параметров должны лежать в памяти целиком. Малое число активных даёт скорость ответа, но не снижает требования к объёму памяти.

Если кто-то сожмёт модель до 4 бит, останется примерно 45-50 ГБ. Это всё ещё больше, чем стоит в подавляющем большинстве домашних машин, хотя уже в пределах достижимого для рабочей станции с 64 ГБ оперативной памяти. Как считать запас памяти под конкретную модель, я подробно разбирал в гайде про Mac mini как домашнюю ИИ-станцию.

Почему Ollama и LM Studio её не видят

Проверил 22 сентября 2026: в каталоге Ollama моделей AliceAI от Яндекса нет. Ни одной.

Причина не в лени сообщества. У модели своя архитектура, в конфиге она называется alice_ai, и в ней линейное внимание типа KDA вперемешку с обычным. Ollama и LM Studio запускают модели через движок llama.cpp, а он умеет работать только с теми архитектурами, поддержку которых в него дописали вручную. По репозиторию llama.cpp на 22 сентября 2026 нет ни одной задачи со словом alice.

Если ты не разбирался, чем эти движки отличаются и какой ставить, у меня есть отдельный разбор: Ollama, LM Studio или llama.cpp.

Что из линейки AliceAI реально запускается дома

За два дня до большой модели, 10 сентября 2026, Яндекс выложил младшую: AliceAI-T5-35B-A0.6B. У неё 34,35 миллиарда уникальных параметров, 512 экспертов с выбором восьми на слово, энкодер на 16 слоёв и декодер на 12, контекст 128 тысяч токенов. Активных параметров всего 0,6 миллиарда.

И вот с ней уже кое-что получается. 14 сентября 2026 энтузиаст с ником ngquocvinh выложил сжатые сборки в формате GGUF. За неделю их скачали 8918 раз, это в 13 раз чаще, чем оригинальные веса младшей модели.

Какой квант брать под свою память

Автор сборки честно написал, что именно он проверял. Варианты от Q8_0 до Q3_K_M плюс IQ4_XS прошли тест на загрузку и генерацию. Q2_K грузится и выдаёт текст, но на проверочном вопросе ответил фактически неверно, так что автор помечает его как эксперимент. Три самых агрессивных сжатия он вообще не стал публиковать: одно не выдало ни единого слова, второе печатало пустоту и служебные символы, третье зациклилось на повторе.

Рабочий вариант для домашней машины с 32 ГБ памяти - Q4_K_M на 21 ГБ. Скорость должна быть приличной: активных параметров всего 0,6 миллиарда, столько считает даже слабый процессор.

Как выглядит попытка запуска по шагам

Базовую установку движка я расписывал по шагам в гайде своя нейросеть на компьютере через Ollama, повторять здесь не буду.

Как скачать веса из России и нужен ли VPN

Сами веса лежат на Hugging Face, крупнейшем складе открытых моделей. Из России он работает нестабильно: страница модели чаще всего открывается, а загрузка многогигабайтных файлов обрывается на середине. На объёме в 21 ГБ это превращается в лотерею, на 162 ГБ в гарантированную боль.

Помогает рабочий VPN, включённый только на время загрузки. После того как файл лёг на диск, сеть больше не нужна вообще: модель считается на твоём железе офлайн.

Отдельный момент на будущее: в августе 2026 появились сообщения о покупке Hugging Face компанией Nvidia. Что это значит для тех, кто качает оттуда модели, я разбирал в отдельном гайде.

Аренда видеокарт: сколько стоит запустить 80B в рублях

Если задача реальная и нужен именно запуск большой модели, остаётся аренда. Российские облака дают видеокарты почасово, карту зарубежного банка при этом никто не спрашивает.

Что берём	Цена за час	Комментарий
H100 80 ГБ, минимальная ставка по рынку	от 242 ₽	цены агрегатора gpuindex.ru, сентябрь 2026
H100 80 ГБ в Selectel	335,62 ₽	минимальный срок аренды месяц
H100 80 ГБ в immers.cloud	341,77 ₽	почасовая аренда, минимум один час
Четыре карты под AliceAI 80B	примерно 1000-1400 ₽	конфигурация из карточки модели

Сутки непрерывной работы такой четвёрки обойдутся примерно в 24-34 тысячи рублей. Для компании, которая дообучает модель под свой продукт, это нормальный бюджет эксперимента. Для человека, которому нужно «попробовать нейросеть», это абсурдная трата.

Насколько AliceAI сильная: цифры из замеров Яндекса

Замеры делал сам Яндекс, независимых проверок на 22 сентября 2026 ещё нет. Читать их стоит с этой поправкой.

Бенчмарк	AliceAI 80B-A3B	DeepSeek-V4-Flash	Qwen3.5-35B
WikiWebFacts RU, факты	86,5%	83,2%	62,4%
HardMultiQA RU, сложные вопросы	67,9%	65,4%	47,2%
MATH-500, математика	91,1%	80,7%	81,9%

Отдельно Яндекс приводит цифры по сложным задачам: AIME 96,7%, IMO-AnswerBench с восемью попытками 88,7%, LiveCodeBench с одной попытки 50,5% и с восемью 82,9%, FinQA на контексте 128 тысяч токенов 74,1%.

Формулировка Яндекса: в претрейн-замерах новая модель обходит более крупные DeepSeek-V4-Flash-Base и Nemotron-3-Super на многих задачах. Отрыв на русских бенчмарках заметнее всего, и это логично: на русских текстах модель и обучали.

Что делать, если бесплатная нейросеть на русском нужна сегодня

Открытые веса пригодятся компаниям и исследователям. Обычному человеку, который пришёл по запросу «бесплатная нейросеть на своём компьютере», нужны другие варианты.

Вариант	Что нужно	Сколько стоит	Для кого
Алиса AI в браузере	Яндекс ID	бесплатно	всем, кому нужен ответ прямо сейчас
Qwen или Gemma через Ollama	8-16 ГБ памяти	бесплатно	кому важна работа офлайн и приватность
AliceAI-T5-35B в GGUF	21+ ГБ памяти	бесплатно	кому интересно поковыряться
AliceAI 80B в облаке	4 видеокарты	от 1000 ₽/час	компаниям под своё дообучение

Алиса AI в браузере

Самый быстрый путь. Работает из России без VPN, вход по обычному Яндекс ID, никакой оплаты. С 15 сентября 2026 там появился режим «Эксперт» для задач с расчётами и файлами, я разбирал его в отдельном гайде. Это та же линейка моделей Яндекса, только доведённая до состояния, когда с ней можно разговаривать.

Локальные модели через Ollama

Если принципиально нужна работа на своём компьютере и без интернета, бери готовые модели с поддержкой русского: Qwen последних версий или Gemma. Они ставятся одной командой, весят 4-9 ГБ в сжатии и отвечают на вопросы, потому что это дообученные чат-версии.

Подождать instruct-версию AliceAI

Вариант для терпеливых. Яндекс выложил фундамент, и обычно за фундаментом приходит дообученная версия, своя или от сообщества. Сроков компания не называла, так что рассчитывать на конкретную дату не стоит.

Зачем вообще выкладывать модель, которую нельзя запустить дома

Вопрос справедливый, и ответ у него не маркетинговый.

Во-первых, Apache 2.0 означает, что российская компания может взять эти веса, дообучить на своих данных и продавать продукт, не платя никому отчислений и не завися от доступа к зарубежным API. До сих пор такой фундамент приходилось брать у китайцев.

Во-вторых, вместе с моделью Яндекс выложил два бенчмарка на русском языке: WikiWebFacts и HardMultiQA. Открытые русскоязычные тесты - дефицит, и ими теперь может пользоваться кто угодно.

В-третьих, у 80-миллиардной модели рано или поздно появятся сжатые версии и поддержка в движках. Тогда порог входа упадёт с четырёх серверных видеокарт до рабочей станции с 64 ГБ памяти. Это вопрос месяцев, а веса уже лежат и никуда не денутся.

Частые вопросы и подводные камни

Лицензия правда позволяет коммерческое использование? Да, Apache 2.0 - одна из самых свободных лицензий. Можно использовать в продуктах, менять, перепродавать. Требование одно: сохранить упоминание авторства.

Модель точно обучена с нуля? Так утверждает Яндекс в своём разборе. Проверить это со стороны невозможно ни для одной компании в мире, так что здесь работает репутация компании, доказательства не существует.

Можно ли дообучить её на своих данных? Да, в карточке есть пример LoRA-дообучения. Только там же указана конфигурация: четыре видеокарты по 80 ГБ.

Почему в названии то 80B, то 81B? Округление. Точное число уникальных параметров чуть больше 80 миллиардов, в названии его округлили вниз.

Зачем контекст на 256 тысяч токенов базовой модели? Чтобы он остался у дообученных версий. Расширять контекст после дообучения дороже, чем заложить его сразу.

Чек-лист: что у тебя теперь есть

• Понимание, что Яндекс выложил фундамент для разработчиков без готового чата поверх него.
• Точные цифры: 162,6 ГБ весов, 80 миллиардов параметров, 3 миллиарда активных, контекст 256 тысяч токенов.
• Ответ, почему Ollama и LM Studio эту модель не видят и когда это может измениться.
• Единственный вариант из линейки, который реально запускается дома: младшая модель на 35 миллиардов в сжатии Q4_K_M на 21 ГБ.
• Цены аренды видеокарт в рублях, если задача серьёзная.
• Три рабочих пути получить бесплатную нейросеть на русском сегодня, без ожидания instruct-версии.

По материалам разбора Яндекса на Хабре: https://habr.com/ru/companies/yandex/articles/1083300/