[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-foundation-model::ru":3,"gloss-cluster-foundation-model::ru":23,"gloss-next-foundation-model::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"foundation-model","core-ai","Базовая (фундаментальная) модель","Foundation model (базовая, или фундаментальная модель) — это крупномасштабная модель, обычно LLM, но также мультимодальная или модель компьютерного зрения, предобученная на широком, разнообразном датасете (значительная часть публичного интернета, книг, репозиториев кода) для развития общих способностей, с явным намерением адаптировать её впоследствии для конкретных прикладных задач, а не использовать только для одной узкой цели. Термин (введён Стэнфордским центром исследований базовых моделей в 2021 году) отражает сдвиг в том, как создаётся ИИ: вместо обучения отдельной модели с нуля для каждой задачи (анализ тональности, перевод, суммирование — каждой своя модель), вы один раз обучаете одну огромную универсальную модель за огромные деньги, а затем дёшево и многократно «адаптируете» её — через промптинг, RAG или дообучение — под сотни разных приложений. Claude, GPT-4\u002F5, Gemini и Llama — всё это базовые модели; чат-бот поддержки клиентов SaaS-компании, ассистент код-ревью и генератор маркетинговых текстов могут быть построены на одной и той же базовой модели, различаясь только промптами, извлечённым контекстом и (иногда) дообучением. Это важно для разработчиков как ментальная модель для решений «строить самим или покупать»: практически ни одна SaaS-компания сегодня не обучает базовую модель с нуля (вычислительные затраты непомерны для всех, кроме горстки хорошо финансируемых AI-лабораторий) — вместо этого весь слой AI-продукта строится поверх базовых моделей, доступных через API или размещаемых самостоятельно открытых весов. Конкретный пример: legal-tech стартап не обучает собственную языковую модель для понимания контрактов; он берёт базовую модель вроде Claude, добавляет пайплайн RAG поверх корпуса шаблонов контрактов и судебной практики, пишет детальный системный промпт, задающий поведение юридической проверки, и выпускает «ассистента проверки контрактов» — реальная способность понимания языка полностью унаследована от базовой модели, а дифференциация продукта происходит от данных, промптов и workflow, построенного вокруг них. Базовые модели обычно делят на закрытые (доступ только через API, как Claude и GPT) и с открытыми весами (скачиваемые файлы модели, которые можно размещать у себя и модифицировать, как Llama и Mistral) — это различие важно для приватности данных, глубины кастомизации и стоимости в масштабе. Парадигма базовых моделей также переосмысливает то, как SaaS-компании думают о своём техническом рве: поскольку базовая языковая способность в значительной степени коммодитизирована и доступна любому конкуренту через те же API, устойчивая дифференциация всё больше приходит из проприетарных данных (то, что вы можете извлекать и на что можете заземлять ответы, недоступное конкурентам), интеграции в workflow (насколько глубоко AI-функция вплетена в существующую поверхность продукта) и инфраструктуры оценки\u002Fконтроля качества (насколько надёжно вы можете сохранять точность AI-функции в масштабе) — а не от самой модели, к которой любой хорошо финансируемый конкурент может получить доступ на сопоставимых условиях.","Базовая модель — крупная универсальная модель, предобученная на широких данных для адаптации к разным задачам через промптинг или дообучение.",null,[11,14,17,20],{"slug":12,"name":13},"fine-tuning","Дообучение (Fine-Tuning)",{"slug":15,"name":16},"llm","Большая языковая модель (LLM)",{"slug":18,"name":19},"multimodal","Мультимодальность",{"slug":21,"name":22},"transformer","Трансформер",[24,28,32,36,39,42,45,48,51,54,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"agentic","Агентный AI (Agentic AI)","2026-08-24T02:46:36+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"alignment-tax","Налог на выравнивание (Alignment Tax)","2026-08-24T02:46:37+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"artificial-intelligence","Искусственный интеллект (ИИ)","2026-08-24T02:46:38+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"attention","Внимание (Attention)",{"slug":40,"category":5,"name":41,"updated_at":35},"beam-search","Лучевой поиск",{"slug":43,"category":5,"name":44,"updated_at":31},"benchmark-contamination","Загрязнение бенчмарка (Benchmark Contamination)",{"slug":46,"category":5,"name":47,"updated_at":31},"catastrophic-forgetting","Катастрофическое забывание (Catastrophic Forgetting)",{"slug":49,"category":5,"name":50,"updated_at":35},"computer-vision","Компьютерное зрение",{"slug":52,"category":5,"name":53,"updated_at":31},"constitutional-ai","Конституционный ИИ (Constitutional AI)",{"slug":55,"category":5,"name":56,"updated_at":27},"context-window","Контекстное окно",{"slug":58,"category":5,"name":59,"updated_at":35},"deep-learning","Глубокое обучение",{"slug":61,"category":5,"name":62,"updated_at":27},"diffusion-model","Диффузионная модель (Diffusion Model)"]