Сколько стоит разработка нейросети на заказ в 2026 году: формула сметы и вилки входа 

Ни один вменяемый подрядчик не назовет цену нейросети по телефону, и это бесит. Причина у молчания все-таки есть: разброс на одной и той же формулировке доходит до порядка. «Считать брак на конвейере» — это и 500 000 ₽ за пилот на одной камере, и шесть миллионов за линию из двенадцати камер с промышленным железом в цеху и выгрузкой в учетную систему. Назвать среднее по больнице означает соврать обоим.

Поэтому вместо еще одного текста про «цена зависит от многих факторов» выкладываем механику. Ниже формула, по которой считает прикидку наш калькулятор стоимости, вилки входа по направлениям, разбор сметы по строкам и порог окупаемости в часах ручной работы. Все числа пересчитываются под вашу задачу карандашом на полях.

Короткий ответ: три ступени бюджета

Проекты машинного обучения живут ступенями, и цена скачет между ними разами, а внутри ступени плавает процентами. Сначала определитесь со ступенью — половина разброса исчезнет сразу.

Ступени проходят подряд, и это не бюрократия. Пилот стоит около четверти рабочей версии и отвечает на вопрос, стоит ли вкладывать остальные три четверти. Проекты, где пилот пропустили ради экономии времени, чаще всего и становятся теми самыми, что тихо умирают на восьмом месяце.

Формула, по которой считается прикидка

Открытым текстом, без скрытого скоринга:

итог = база направления × масштаб × срочность + железо + опции, затем вилка от ×0,8 до ×1,3 с округлением до сотни тысяч

База — это стоимость рабочей версии по направлению. Она разная, потому что разная себестоимость данных и инженерных часов: видео размечать дороже текста, а управляющую модель надо еще и обкатывать на симуляции.

Множители: масштаб — 0,45 за пилот, 1,0 за рабочую версию, 2,0 за промышленный поток. Срочность — 0,9 в спокойном темпе, 1,4 в режиме «надо вчера». Железо — ноль, если оно у вас есть; плюс 500 000 ₽ за оптимизацию под ваши устройства; плюс 1 200 000 ₽ за подбор и сборку под ключ. Поддержка на полгода — 18% от софтовой части, обучение вашей команды — 350 000 ₽. Все это крутится ползунками в калькуляторе на сайте, если считать в уме лень.

Три расчета целиком

Пилот компьютерного зрения. 1 400 000 × 0,45 = 630 000 ₽. Вилка после округления: 500 000 – 800 000 ₽, срок 5–7 недель. Нижний край совпадает с ценой пилота в каталоге компьютерного зрения — так и задумано, каталог и калькулятор обязаны говорить одно и то же.

Рабочая версия с заточкой под ваше железо и поддержкой. Софт 1 400 000 ₽, оптимизация под устройства 500 000 ₽, поддержка 18% от софтовой части — 252 000 ₽. Подытог 2 152 000 ₽, вилка 1,7 – 2,8 млн ₽, срок 14–20 недель. Обратите внимание на базу для процента поддержки: считается она от софтовой части, закупленное железо в нее не входит. Иначе верх вилки раздувается артефактом, и заказчик платит процент сопровождения за коробки, которые просто стоят в стойке.

Тот же пилот, но горит. 630 000 × 1,4 = 882 000 ₽, вилка 700 000 – 1 100 000 ₽, срок 4–6 недель. Сорок процентов доплаты купили вам примерно одну неделю. Обучение модели ускоряется деньгами плохо: данные надо собрать, разметить и прогнать через обучение, а этот цикл имеет физическую длительность. Спешка честно оплачивается параллельными инженерами и ночными прогонами, но обещать «вдвое быстрее» — вранье.

Сама вилка от ×0,8 до ×1,3 — это не кокетство. Верх закладывается под то, что вскрывается на обследовании: выгрузка оказывается в формате, которого нет ни в одной документации; камеры смотрят так, что нужный узел перекрыт оператором; в справочнике три написания одного контрагента. Низ достается тем, у кого данные уже собраны и процесс описан. Обследование за две недели сужает эту вилку до процентов. Поэтому порядок правильный такой: сначала обследование, потом смета.

Вилки входа по направлениям

Цена пилота из каталога — это нижняя честная ступень, ниже которой работа превращается в демонстрацию ради демонстрации.

Разброс между строчками объясняется не сложностью математики. Модели примерно одинаковые, отличается стоимость данных: разметить тысячу кадров видео дороже, чем собрать тысячу строк из базы, а речь надо еще и записать в реальных условиях цеха, со всем его шумом.

Куда уходят деньги внутри сметы

Типовое распределение проекта средней руки выглядит примерно так, и сюрприз обычно в первой строке.

Обучение модели — самая дешевая строка. Это ломает интуицию: заказчик готовится платить за «искусственный интеллект», а платит за конвейер вокруг него. Собственно нейросеть в 2026 году редко пишется с нуля, чаще берется проверенная архитектура и дообучается под задачу. Дорого стоит все, что делает ее пригодной к работе: откуда приходят данные, куда уезжает результат, что происходит, когда модель не уверена.

Строка интеграции — вторая по коварности. В ней сидит очередь спорных случаев, права доступа, идемпотентность (повторная отправка не должна создавать второй документ), поведение при недоступности вашей системы и экран, на котором оператор за секунду видит, что предложила модель и почему. Без этого экрана люди перестают доверять системе на второй неделе и возвращаются к ручной работе: деньги потрачены, эффекта нет.

Данные — строка, которую недооценивают все

Главный вопрос на первой встрече звучит скучно: что у вас уже есть. Не «какую задачу решаем», а именно — что лежит на дисках прямо сейчас.

• Данных нет вообще. Их придется собирать: ставить камеры, писать логи, накапливать историю. Это плюс месяц-полтора к сроку и заметная доля сметы, и никакая доплата этот срок не сожмет.
• Данные есть, но не размечены. Обычный случай. Разметка — это человеко-часы: разметчик, инструкция, выборочный контроль. На детекцию простого объекта хватает пары тысяч кадров, на редкий дефект нужно кратно больше, и вот тут начинается настоящая боль.
• Редкие события. Если дефект встречается раз в неделю, за месяц пилота наберется четыре примера. Учить не на чем. Спасают синтетические данные и аугментация, но это отдельная строка бюджета.
• Данные есть и размечены. Редкая удача, обычно у тех, кто уже проходил через первый неудачный подход. Смета падает ощутимо.

Отсюда правило, которое экономит сотни тысяч: пришлите выгрузку до того, как обсуждать цену. Час работы инженера с реальным файлом дает более точную оценку, чем неделя переписки о «требованиях».

Своя модель, дообучение или чужое API

Три пути с совершенно разной экономикой, и выбирают между ними не по красоте, а по трем вопросам: можно ли выпускать данные наружу, какой объем запросов и нужна ли специфика вашей отрасли.

Готовое API

Дешевый вход, оплата по факту, ноль капитальных затрат. Подходит для типовых текстовых задач при скромных объемах. Минусы обнажаются быстро: ваши данные уезжают в чужой контур, цена растет линейно с нагрузкой, а поставщик в любой момент меняет модель под вами. Для персональных данных путь закрыт требованиями 152-ФЗ — ограничение архитектурное, обсуждать его с безопасниками бесполезно.

Дообучение открытой модели

Рабочая середина 2026 года и в большинстве проектов — правильный выбор. Берется открытая модель, адаптируется под вашу предметную область на ваших же данных, разворачивается в вашем контуре. Дообучение адаптерами обходится заметно дешевле полного обучения и часто дает более точный результат на узкой задаче, чем гигантская универсальная модель — разбор с расчетами есть в отдельной статье про дообучение.

Модель с нуля

Оправдано, когда задача не покрывается ничем готовым: специфический сигнал с оборудования, узкая физика процесса, редкая модальность. Это отдельные деньги и отдельные сроки. Если подрядчик предлагает учить с нуля там, где хватает дообучения, попросите объяснить причину — обычно ее нет.

Железо: аренда или своя стойка

Обучение и работа модели — разные нагрузки, и путать их дорого. Обучать почти всегда выгоднее на арендованных картах: пик длится недели, потом мощность простаивает. Работа модели в бою — другая история, тут решает режим.

Своя стойка выигрывает, когда поток постоянный, данные нельзя выпускать наружу, а задержка критична. Аренда выигрывает, когда нагрузка рваная или проект пока проверяет гипотезу. Для видео на площадке часто дешевле всего оказывается третий путь: считать прямо на устройстве у камеры, без канала в облако — это направление инференса на устройстве, и там своя арифметика по числу камер и потоков.

Порядок величин для ориентира. Одна карта средней руки тянет несколько видеопотоков в реальном времени — точное число зависит от разрешения, частоты кадров и того, насколько тяжелая модель на них крутится. Дальше все масштабируется линейно: двадцать камер требуют либо нескольких карт, либо снижения частоты обработки. Кадры почти всегда можно прореживать без потери смысла: нарушение техники безопасности длится минуты, ловить его шестьдесят раз в секунду незачем. Один такой разговор на этапе проектирования экономит сотни тысяч на закупке.

Отдельная экономия, о которой не любят говорить: сжатие модели под слабое железо. Квантизация и оптимизация под конкретный ускоритель часто позволяют уложиться в оборудование дешевле в разы при сопоставимом качестве. Эта работа стоит денег в смете и возвращает их в закупке.

Что приходит после сдачи

Смета проекта — не вся стоимость владения. Три статьи расходов появляются после того, как система заработала, и о них честно предупреждают на входе.

• Сопровождение. Дежурство, обновления, реакция на сбои. Ориентир — проценты от стоимости внедрения в год.
• Дообучение под изменения. Поставщик сменил упаковку, камеру сдвинули при уборке, зимой изменилось освещение — качество проседает. Это нормальный жизненный цикл, а не брак подрядчика. Закладывайте пересборку модели раз в квартал в первый год.
• Мониторинг качества. Система должна сама сообщать, что поплыла, иначе вы узнаете об этом от клиента. Метрики, пороги, отчет по доле случаев, ушедших человеку.

Пункт про дообучение — самый частый источник обид. Модель не портится сама, меняется мир вокруг нее. Проекты, где эту строку не заложили в бюджет второго года, оказываются среди тех пилотов, что не доходят до промышленной эксплуатации.

Порог окупаемости: считаем в часах

Цена сама по себе ничего не значит, значение имеет сравнение с тем, что задача стоит сейчас. Считается это в три шага.

Шаг первый — ставка. Сотрудник с окладом 80 000 ₽ обходится работодателю примерно в 120 000 ₽ с учетом взносов и рабочего места. При 160 рабочих часах в месяц это 750 ₽ за час. Подставьте свой оклад, пропорция сохранится.

Шаг второй — поправка на честность. Модель забирает поток целиком только в презентациях. Спорные случаи уходят человеку, поэтому в прикидках закладываем консервативные три четверти потока.

Шаг третий — порог. Чтобы пилот за 500 000 ₽ вернулся за год, задача должна высвобождать около 42 000 ₽ в месяц, то есть примерно 56 часов ручной работы по ставке 750 ₽. С поправкой на три четверти потока искать надо процесс, где рутины около 75 часов в месяц. Это половина ставки сотрудника, занятого монотонной работой.

Ниже этого порога проект не окупается арифметически, сколько бы красивых слов ни было в презентации. Выше — начинает считаться, и дальше вопрос в качестве расчета: как считать окупаемость без самообмана, с какими допущениями и что делать с эффектами, которые деньгами измеряются плохо, разобрано в материале про расчет ROI.

Когда заказывать нейросеть не надо

Самый полезный раздел этой статьи, и он же самый невыгодный для нас.

• Процесс не описан. Если сотрудники делают одну и ту же операцию тремя разными способами, автоматизировать нечего — сначала надо договориться, как правильно. Модель зафиксирует хаос и умножит его на скорость.
• Объем меньше порога. Пятнадцать документов в день не окупят внедрения никогда. Честный ответ здесь — обычный человек или простой скрипт.
• Задача решается правилом. Если признак выражается условием «сумма больше миллиона и контрагент новый», нейросеть тут лишняя сущность: правило дешевле, быстрее и проверяемо глазами.
• Данные закрыты внутри чужой системы. Пока нет технической возможности выгружать данные, любой проект машинного обучения превращается в проект интеграции. Это другая работа и другая смета.
• Нужна стопроцентная точность. Ее не бывает. Если единственная ошибка недопустима, стройте схему с проверкой человеком и считайте экономику уже с ней.

Оплата, права и что писать в договоре

Схема, по которой работаем мы, и которую разумно требовать от любого подрядчика. Работы до 300 000 ₽ — разово. Свыше: 50% на старте, 30% после демонстрации работающего результата, 20% после передачи. Права на код и обученные модели переходят заказчику после оплаты этапа.

Последний пункт проверяйте отдельно и придирчиво. Схема, при которой модель остается у подрядчика, а вы платите за доступ, превращает разовый проект в пожизненную аренду. Обученная на ваших данных модель должна принадлежать вам вместе с данными.

Девять вопросов подрядчику до подписания

1. Что вы будете делать в первые две недели и какой артефакт я увижу?
2. Какая метрика считается успехом пилота и кто ее измеряет?
3. Сколько моих данных нужно и в каком виде, чтобы начать?
4. Что происходит, если точность окажется ниже целевой?
5. Кому принадлежат код и обученная модель после оплаты?
6. Где физически считается модель и что уезжает за периметр?
7. Что входит в сопровождение и сколько оно стоит в год?
8. Кто и как переучивает модель, когда данные изменятся?
9. Покажите смету по строкам, а не одной суммой.

Отказ показать смету по строкам — достаточный повод искать других исполнителей. Развернутый разбор с красными флагами есть в чек-листе по выбору подрядчика.

С чего начать считать сегодня

Прикидка за пару минут — в калькуляторе: выбираете направление, масштаб и режим, получаете вилку с разбивкой и сроками. Если задача уже сформулирована, короткий путь другой: описать процесс, приложить выгрузку или десяток типовых файлов и получить смету по строкам с границами применимости. Что входит в работу и как устроен пилот — на странице разработки нейросетей на заказ.

И последнее, из практики. Проект получается там, где заказчик может назвать число: сколько часов в месяц уходит на операцию, сколько стоит одна ошибка, сколько документов приходит за смену. Там, где вместо чисел звучит «хотим внедрить ИИ», сначала считаем — а решение принимаем уже по расчету.