Бесплатный доступ к ИИ
Удивительно, но многие до сих пор ни разу не общались с нейросетью и не запускали ни одного ИИ-агента - кажется, что это дорого, сложно или «не для меня». На самом деле начать можно бесплатно прямо сейчас, часто даже без банковской карты и без мощного компьютера. Ниже собраны проверенные способы получить доступ к ИИ: от бесплатных тарифов до грантов на вычисления. Лимиты и условия меняются - мы их регулярно проверяем.
Как пользоваться: выбери карточку, перейди по ссылке и зарегистрируйся - актуальные лимиты указаны на каждой.
Бесплатные тарифы
Работают сразу и бесплатно, обычно без карты: зарегистрировался и пользуешься. Есть лимиты (запросы в день, токены в минуту), но для знакомства и личных задач их хватает.
Gemini 2.5/3 Flash, Gemma 3, мультимодальный
DeepSeek R1/V3, Llama, Qwen
28-30 бесплатных моделей через один ключ
GPT-5, GPT-4.1, GPT-4o, o4-мини, Llama
Пробные кредиты
Стартовый баланс в долларах на пробу (например, $5). Сгорает за несколько дней или недель - удобно протестировать модель под свою задачу перед оплатой.
Без карты, регистрация по СМС
Широкий открытый каталог моделей
Новые учетные записи Google Cloud; потратьте на Gemini 3.1 Pro, Imagen, Veo, полный каталог Vertex AI
Стартап-программы
Крупные гранты на вычисления и кредиты для компаний: от тысяч до сотен тысяч долларов. Как получить: оформить стартап (юрлицо, продукт, сайт) и подать заявку; часть программ требует участия в акселераторе или наличия инвестора.
Для сопровождающих с открытым исходным кодом
Через ускоритель/VC
На основе приложений
Студенческие
Бесплатный доступ и кредиты по студенческому статусу. Как получить: подтвердить учёбу - вузовская почта (.edu) или верификация через GitHub Education и программы вузов.
Электронная почта .edu в Северной Америке
Проверенные студенты
Электронная почта университета
Бесплатные кредиты для студентов, посещающих мероприятия в кампусе YC в 2025-2026 гг.; включает облако Azure/AWS, GPT/Claude/Grok, голос, поиск, видео, базы данных
Бесплатные вычислительные кредиты A100 с подтвержденным адресом электронной почты .edu для студентов; Активация на 3-14 дней
Локальный ИИ: своя модель на своём железе
Открытые модели можно запускать прямо на своём компьютере - бесплатно, без интернета, и ваши данные никуда не уходят. Ниже без сложных слов разберёмся, что тянет ваш компьютер, и подберём модель, которую вы поставите одной командой.
Как узнать своё железо2 минуты - и вы знаете свой класс.
Модель ИИ - это большой файл, который целиком загружается в память компьютера, чтобы работать. Чем модель «умнее», тем она больше и тем больше памяти ей нужно. Простое правило: число в названии модели (например, 7B - это 7 миллиардов параметров) - это примерно и есть объём памяти в гигабайтах, который ей нужен; в экономном формате Q4 - примерно вдвое меньше (7B ≈ 4-5 ГБ). Быстрее всего модель работает на видеокарте, в её видеопамяти (VRAM); если мощной видеокарты нет, она считается на обычной оперативной памяти (RAM) - медленнее, но работает. У Mac на чипах M1-M4 память общая, поэтому они хорошо тянут даже крупные модели. Сначала узнайте, сколько памяти у вас:
- Mac: Откройте меню Apple (логотип в левом верхнем углу экрана) и выберите «Об этом Mac». В строке «Память» будет ваш объём - например, «16 ГБ».
- Windows: Нажмите вместе `Ctrl+Shift+Esc`, откройте вкладку «Производительность» и выберите слева «Память». Вверху будет общий объём - например, «16,0 ГБ».
- Linux: В терминале введите `free -h` и нажмите Enter. В строке `Mem` первое число - это весь объём оперативной памяти.
- NVIDIA: В терминале введите `nvidia-smi` - объём видеопамяти будет в правом верхнем углу таблицы. Либо посмотрите в приложении GeForce Experience.
- AMD: В Linux - команда `radeontop`; в Windows - в приложении AMD Adrenalin.
- Windows: Нажмите `Ctrl+Shift+Esc` -> «Производительность» -> «Графический процессор». Найдите строку «Выделенная память графики» - работает для любой видеокарты.
- Mac (M1-M4): Отдельной видеопамяти нет - используется общая память компьютера, и это плюс: под ИИ можно отдать почти всю.
Возьмите модель, размер которой (в Q4, он написан в карточке) меньше вашей свободной памяти, и оставьте 2-4 ГБ запаса - на систему и на «память диалога» (контекст). Сомневаетесь - начните с модели поменьше: если работает шустро, попробуйте крупнее. Ниже мы уже разложили модели по тирам - выберите свой объём памяти.
Ноутбуки начального уровня, базовый MacBook Air M1/M2, ПК без видеокарты.
Лучший выбор для слабого железа: быстрый, хорошо держит диалог и следует инструкциям.
Сильный в рассуждениях и коде для своего размера, разрешён для коммерции (MIT).
Самый лёгкий: запустится почти везде, хорош для простых задач и заметок.
Чем запускать
LM Studio - приложение с окошком: скачал, выбрал модель из списка, нажал «загрузить» и общаешься. Проще всего для старта, без командной строки.
Ollama - для командной строки: одна команда `ollama run <модель>` скачивает и запускает модель. Удобно для разработчиков и интеграций (свой API на localhost).
Сравнение моделей
Здесь - только примеры под локальный запуск. Все модели можно посмотреть и сравнить в полном каталоге: Все модели → · Сравнить модели →
| Модель | Тир | Размер (Q4) |
|---|---|---|
| Llama 3.2 3B★ | 8 GB RAM | ~2 GB |
| Phi-4 Mini | 8 GB RAM | ~2.5 GB |
| Gemma 2 2B | 8 GB RAM | ~1.6 GB |
| Llama 3.1 8B★ | 16 GB RAM | ~4.9 GB |
| Qwen2.5 7B | 16 GB RAM | ~4.7 GB |
| Mistral NeMo 12B | 16 GB RAM | ~7 GB |
| Qwen2.5 Coder 32B★ | 32 GB RAM / VRAM | ~20 GB |
| Gemma 2 27B | 32 GB RAM / VRAM | ~16 GB |
| DeepSeek R1 32B | 32 GB RAM / VRAM | ~20 GB |
| Llama 3.3 70B★ | 64 GB+ RAM / VRAM | ~43 GB |
| Qwen2.5 72B | 64 GB+ RAM / VRAM | ~47 GB |
| DeepSeek R1 70B | 64 GB+ RAM / VRAM | ~43 GB |
Частые вопросы
Что такое квантизация и Q4?
Квантизация сжимает модель, уменьшая точность весов - файл становится в разы меньше и помещается в память. Q4 (4 бита) - популярный баланс: почти без потери качества, но занимает ~половину от Q8. Размеры в гайде указаны для квантизации Q4.
RAM или VRAM - что важнее?
На видеокарте (GPU) модель работает быстрее всего - тут важен объём VRAM. Без мощного GPU модель грузится в обычную RAM и считается на процессоре (медленнее, но работает). У Apple Silicon память объединённая, поэтому Mac хорошо тянет крупные модели.
Можно ли использовать в бизнесе?
Смотрите лицензию модели. Apache 2.0 и MIT разрешают коммерческое использование почти без ограничений. Лицензии Llama и Gemma - тоже разрешают, но с условиями (например, ограничение по числу пользователей у Llama). Всегда проверяйте текст лицензии.
Сколько нужно места на диске?
Каждая модель - это отдельный файл от ~1.5 GB (лёгкие) до 40+ GB (крупные). Заложите свободного места с запасом на несколько моделей. Ollama и LM Studio хранят их в своей папке; ненужные можно удалить одной командой.