Только как инструмент на этапе подготовки данных, никогда, внутри вашей рабочей системы, и только там, где это разрешают условия. Anthropic прямо разрешает использовать ответы для обучения моделей, не конкурирующих с Claude, классификация, извлечение и суммаризация приведены как их собственные примеры. Условия OpenAI запрещают обучать конкурирующие модели; узкий классификатор под одну задачу таковым обычно не считается, но мы разбираем каждый случай отдельно. Условия Gemini API запрещают использовать сервис для разработки ML-моделей вообще, поэтому мы его не используем. При любых сомнениях, или если ваша политика запрещает любые внешние API, мы опираемся только на модели с открытыми весами (DeepSeek MIT, Qwen Apache-2.0, Gemma 4 Apache-2.0, Mistral Apache-2.0, GigaChat MIT, T-Pro), и вопрос снимается.
На открытых задачах, да, намного хуже; это не то, что мы продаём. На узкой задаче с фиксированным форматом ответа компактная модель, собранная под неё, регулярно догоняет или обходит универсальные большие модели, потому что видела тысячи примеров именно вашей задачи и ничего больше. Пилот измеряет это на вашем эталонном наборе до того, как вы принимаете решение.
Обычный сервер. Для большинства первых задач, классификация, маршрутизация, извлечение, достаточно машины с обычным процессором, которая у вас уже есть. При очень больших объёмах можем порекомендовать добавить одну GPU-карту. Подбираем в рамках проекта, железо не продаём.
Для эталонного набора, несколько сотен примеров, проверенных вашим экспертом. Для обучения, несколько тысяч реальных входных данных (неразмеченных, разметка наша работа) или синтетические данные, сгенерированные по описанию и горстке образцов, если реальные передать нельзя.
Вы переобучаете на новой базе с тем же датасетом и рецептом, день работы, входит в сопровождение, либо ваша команда делает это сама с переданным пайплайном. В этом и преимущество перед API: вы обновляетесь, когда решите сами.
Да. Вариант B на странице «Безопасность»: подготовка данных и обучение модели проходят внутри вашей среды, только на инструментах с открытыми весами. Можем работать на площадке или через контролируемый вами бастион.
Нет. Веса, датасет и пайплайн передаются вам и удаляются у нас после приёмки, письменно. Можем попросить разрешения анонимно описать проект как кейс; вы вправе отказать.
Любые, которые хорошо покрывают базовые модели, русский, английский, большинство европейских, индонезийский, китайский. Русскоязычные задачи, наша специализация; доступны открытые базы с сильным русским (Qwen, открытые веса GigaChat, T-Pro).
Да. Договор заключается с российским юрлицом в рублях, все ИИ-инструменты, с открытыми весами и размещены в РФ, развёртывание, в российские облака или на ваши серверы. Никакой зависимости от иностранных API в эксплуатации.
Forward делает инженерная команда с опытом в платёжных и финтех-системах, средах, где локализация данных и аудируемость никогда не были опциональными. Мы небольшие, опытные и работаем руками.
Две-четыре недели. Одна задача. Измеримый результат до того, как вы примете решение.