# Свой ChatGPT для компании: приватный ИИ-ассистент на сервере

> Как собрать ИИ-ассистента для компании на своём сервере: Open WebUI, vLLM и поиск по документам. Шесть вариантов с ценами на 8 ноября 2026.

Источник: https://infragid.ru/svoj-chatgpt-dlya-kompanii/ · Обновлено: 2026-11-08 · Цены проверены: 2026-11-08 · Раздел: Нейросети и GPU

**Коротко.** Свой ChatGPT для компании — это открытая языковая модель на арендованном сервере с видеокартой, веб-чат Open WebUI с учётками сотрудников и поиск по вашим документам. Для 20–50 человек хватит выделенного сервера с RTX 4090 за 56 900 ₽/мес; готовое решение провайдера с RTX PRO 6000 и предустановленным чатом стоит 240 290 ₽/мес. Если документы можно отправлять в сервис провайдера в России, дешевле платить за токены: входящие для Qwen-3.8-27B в Token Factory стоят 31,01 ₽ за 1 млн токенов.

**Наш выбор.** Для компании на 20–50 сотрудников, где документы не должны уходить с сервера, — выделенный сервер с RTX 4090 на 24 ГБ: открытая модель на 8 млрд параметров (или на 14 млрд в сжатом виде) через vLLM, сверху Open WebUI с учётками и поиском по документам. Цена фиксированная, диски и канал уже в ней.
- Конфигурация: RTX 4090 24 ГБ · Core i9-14900KS · 128 ГБ · 2 × 2 ТБ NVMe
- Цена: 56 900 ₽/мес или 1 890 ₽/день посуточно на пилот
- Без своего сервера: Token Factory, Qwen-3.8-27B: генерация — 206,50 ₽ за 1 млн токенов
- Под ключ: ИИ-ассистент на RTX PRO 6000 с Open WebUI — 240 290 ₽/мес
- Когда не подходит: нужна модель на 30 млрд и больше (70 млрд — только в сжатом виде) или сотни пользователей — RTX PRO 6000 96 ГБ, 225 000 ₽/мес

## Что нужно понять за минуту

«Свой ChatGPT» для компании состоит из трёх частей, и каждую можно взять отдельно:

1. **Модель и сервер для неё.** Открытая языковая модель (Qwen, gpt-oss, T-Pro, Gemma) и программа, которая держит её в памяти видеокарты и отвечает по API, — обычно vLLM или Ollama.
2. **Веб-чат с учётками.** Сотрудники заходят в браузере, у каждого своя история диалогов, администратор решает, кто какую модель видит. Самый распространённый вариант — Open WebUI.
3. **Поиск по документам (RAG).** Регламенты, договоры и инструкции режутся на фрагменты, к вопросу подтягиваются подходящие куски, и модель отвечает по ним, а не «из головы». Для этого нужна модель эмбеддингов, и видеокарта ей не обязательна.

Главный выбор — где работает модель. На своём арендованном сервере вопросы и документы никуда не уходят. Через API провайдера (Token Factory или Dedicated Inference) свой сервер с видеокартой не нужен, но запросы обрабатывает чужой сервис. Второй выбор — размер модели: от него зависят видеокарта, цена и качество ответов.

## Сколько стоит

Шесть вариантов от «без видеокарты» до «под ключ». Веб-чат и поиск по документам в первых двух строках работают на отдельном облачном сервере без GPU; в остальных — на том же сервере, что и модель.

| Вариант | Что внутри | Где обрабатываются запросы | Цена |
|---|---|---|---:|
| Оплата за токены | Token Factory, Qwen-3.8-27B; Open WebUI на облачном сервере 4 vCPU / 8 ГБ | сервис провайдера в РФ | вход 31,01 ₽ за 1 млн токенов, генерация 206,50 ₽ за 1 млн токенов + сервер 5 079,48 ₽/мес |
| Готовая модель с API | Dedicated Inference, qwen3-8b; Open WebUI отдельно | изолированный сервис провайдера в РФ | от 63,30 ₽/час |
| => Свой сервер, модель до 14B | выделенный RTX 4090 24 ГБ, Core i9-14900KS, 128 ГБ, 2 × 2 ТБ NVMe | ваш сервер | 56 900 ₽/мес |
| Свой сервер, модель 30–70B | выделенный RTX PRO 6000 96 ГБ, Ryzen 9 9950X, 192 ГБ | ваш сервер | 225 000 ₽/мес |
| Под ключ, одна карта | ИИ-ассистент: RTX PRO 6000, 2 × EPYC 9274F, 256 ГБ, Open WebUI, Qwen3-30b | ваш сервер | 240 290 ₽/мес |
| Под ключ, две карты | ИИ-ассистент: 2 × RTX PRO 6000, 256 ГБ, Open WebUI, Qwen3-235b | ваш сервер | 343 190 ₽/мес |

Цены с НДС. Облачный сервер — без диска и IP. Выделенные серверы — готовые конфигурации: диски, канал 1 Гбит/с без лимита и IPv4 уже в цене. Dedicated Inference оплачивается по часам работы сервиса, число токенов на цену не влияет. Остальные ставки — в [справочнике цен](/ceny/). Проверено 08.11.2026 · [выделенные GPU](https://selectel.ru/services/dedicated/gpu/) · [ИИ-ассистент](https://selectel.ru/solutions/ai-infrastructure/ai-assistant/) · [Token Factory](https://selectel.ru/services/cloud/token-factory/) · [Dedicated Inference](https://selectel.ru/services/dedicated-inference/)
{: .stamp}

Что это значит в рублях за месяц (наш расчёт):

- **Токены для компании на 30 человек — около 2 600 ₽.** Допустим, каждый задаёт 20 вопросов в рабочий день, 22 дня в месяц: 13 200 запросов. С фрагментами документов вопрос весит около 3 000 токенов, ответ — около 500. Вход: 39,6 млн × 31,01 ₽ ≈ 1 230 ₽, генерация: 6,6 млн × 206,50 ₽ ≈ 1 360 ₽. Плюс сервер для чата. Чтобы токены сравнялись по цене с сервером на RTX 4090, запросов должно быть примерно в 20 раз больше.
- **Dedicated Inference круглосуточно** — от 46 210 ₽ (63,30 ₽ × 730 часов, цена на странице провайдера указана «от»). Ставить модель не нужно, но выбор ограничен каталогом провайдера.
- **Под ключ или своими руками.** Готовый ИИ-ассистент дороже выделенного сервера с той же RTX PRO 6000 примерно на 15 290 ₽ в месяц (240 290 − 225 000 ₽). Но конфигурации разные: у готового два серверных процессора и 256 ГБ памяти, и чат уже установлен.

Свой вариант по числу запросов посчитайте в калькуляторе [LLM по API или свой GPU](/instrumenty/llm-api-ili-svoj-gpu/).

## Как сделать

Рецепт для одного выделенного сервера с видеокартой и Ubuntu, на котором уже стоят драйвер NVIDIA, Docker и NVIDIA Container Toolkit.

**1. Выберите модель под карту.** На 24 ГБ спокойно помещается модель на 8 млрд параметров в исходной точности с запасом под контекст и несколько одновременных диалогов. Для модели крупнее нужна карта на 96 ГБ или сжатие. Посчитать память под свою модель — в [калькуляторе видеопамяти](/instrumenty/podbor-gpu-pod-model/).

**2. Запустите vLLM и Open WebUI вместе.** Файл `docker-compose.yml`:

```yaml
services:
  vllm:
    image: vllm/vllm-openai:latest   # в работе закрепите конкретную версию
    command: ["--model", "Qwen/Qwen3-8B", "--max-model-len", "16384",
              "--gpu-memory-utilization", "0.90", "--api-key", "${VLLM_API_KEY}"]
    ipc: host
    volumes:
      - ./hf-cache:/root/.cache/huggingface
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    restart: unless-stopped

  open-webui:
    image: ghcr.io/open-webui/open-webui:main   # и здесь закрепите версию
    environment:
      OPENAI_API_BASE_URL: http://vllm:8000/v1
      OPENAI_API_KEY: ${VLLM_API_KEY}
      ENABLE_OLLAMA_API: "false"
      DEFAULT_USER_ROLE: pending           # новых пользователей подтверждает администратор
      RAG_EMBEDDING_MODEL: BAAI/bge-m3     # эмбеддинги для поиска по документам, работают на CPU
    ports:
      - "127.0.0.1:3000:8080"
    volumes:
      - open-webui:/app/backend/data
    depends_on: [vllm]
    restart: unless-stopped

volumes:
  open-webui:
```

Ключ `VLLM_API_KEY` положите в файл `.env` рядом, не в репозиторий. Запуск — `docker compose up -d`; первая загрузка модели займёт время. Порт vLLM наружу не публикуется вовсе, а чат слушает только `127.0.0.1`. Это важно: порты Docker, опубликованные на `0.0.0.0`, обходят ufw — мы на этом обжигались. Подробно про параметры vLLM — в гайде [установка vLLM](/vllm-ustanovka/).

**3. Откройте чат по HTTPS.** Поставьте Caddy, он сам выпустит сертификат Let's Encrypt (порт 80 должен быть открыт). Файл `/etc/caddy/Caddyfile`:

```
chat.example.ru {
    reverse_proxy 127.0.0.1:3000
}
```

**4. Заведите учётки.** Первый зарегистрированный пользователь становится администратором. Остальные после регистрации ждут подтверждения. В админке можно разбить сотрудников на группы и ограничить доступ к моделям и базам документов. Open WebUI умеет и вход через LDAP или OIDC, если у компании есть свой каталог.

**5. Загрузите документы.** В разделе базы знаний создайте коллекции («Регламенты», «Договоры») и выдайте к ним доступ группам. В настройках документов включите гибридный поиск: он ищет и по словам, и по смыслу. Переменные окружения применяются при первом запуске, дальше настройки меняются в админке.

## Что не подойдёт и ограничения

- **Это не облачный GPT.** Открытые модели на 8–14 млрд параметров хорошо пересказывают документы и пишут письма, но в сложных рассуждениях заметно слабее крупных облачных моделей. Проверьте модель на 20–30 реальных вопросах сотрудников до того, как обещать «свой ChatGPT».
- **Карты заканчиваются.** На 8 ноября RTX 4090 на 24 ГБ было в наличии 2 штуки, RTX PRO 6000 — 3. Перед запуском проверьте наличие.
- **Готовый образ Open WebUI в облаке — не для всех.** В ИИ-маркетплейсе он бесплатный (платите только за ресурсы сервера), но доступен только в сегменте ru-9a в Санкт-Петербурге, а карты для образов маркетплейса — T4, A2, A30, A100, A2000, A5000 и GTX 1080, без RTX 4090 и RTX PRO 6000. Цену конфигурации смотрите в калькуляторе провайдера.
- **Dedicated Inference — пока public preview.** Только Москва, свою или дообученную модель загрузить нельзя, конфигурацию после создания не поменять. При нуле на балансе сервис останавливается, через 8 часов удаляется.
- **Токены — не свой сервер.** Token Factory по своим условиям не хранит запросы и не дообучает на них модели, обработка — в России. Но если служба безопасности требует, чтобы текст не покидал вашу инфраструктуру, подходит только свой сервер.
- **Персональные данные — отдельная работа.** Провайдер заявляет обработку персональных данных до УЗ-1 включительно, но обязанности оператора остаются на компании. Что для этого нужно — в гайде [хостинг по 152-ФЗ](/hosting-152-fz/).
- **Лицензия Open WebUI.** С версии 0.6.6 у проекта своя лицензия с условием про брендинг: убрать логотип и название Open WebUI можно, только если у вас не больше 50 пользователей за 30 дней, иначе нужна корпоративная лицензия. Использовать чат с родным брендингом можно без ограничений.
- **Сервер нужно обслуживать.** Обновления модели, vLLM и Open WebUI, бэкап базы чата и документов — работа вашего администратора. Готовое решение экономит установку: провайдер описывает его как сервер с предустановленным образом.

!!! how "Как мы сделали"
    Поиск по нашим документам работает на модели эмбеддингов bge-m3, и запускаем мы её на процессоре своего сервера: выделено 4 vCPU и 4 ГБ памяти, видеокарты нет. Гибридный поиск «слова + смысл» поднял долю попаданий нужного документа в первую пятёрку с 70 до 78 %, ответ — около 0,17 с, и тексты не покидают наш периметр. Крупные языковые модели у себя мы не держим — только в облаке. Наш урок про стоимость: почасовое облако выгодно, пока нагрузка меньше 16–18 часов в сутки, дальше дешевле выделенный сервер.


## Частые вопросы

**Можно ли сделать свой ChatGPT для компании на своём сервере?**

Да. Нужны три вещи: сервер с видеокартой, открытая языковая модель (Qwen, gpt-oss, T-Pro и другие) с сервером запуска вроде vLLM и веб-чат с учётками — например, Open WebUI. Собрать это администратор может за день. Качество ответов зависит от модели: открытые модели на 8–14 млрд параметров заметно слабее крупных облачных, поэтому проверяйте их на своих вопросах.

**Сколько стоит ИИ-ассистент для компании на своём сервере?**

На 8 ноября 2026 выделенный сервер с RTX 4090 на 24 ГБ стоит 56 900 ₽/мес, с RTX PRO 6000 на 96 ГБ — 225 000 ₽/мес. Готовое решение провайдера с предустановленным Open WebUI — от 240 290 ₽/мес. Если не нужен свой сервер, оплата за токены для компании на 30 человек, по нашему расчёту, выходит в несколько тысяч рублей в месяц.

**Какая видеокарта нужна для корпоративного чат-бота?**

Её выбирают по видеопамяти под модель. Модель на 8 млрд параметров в исходной точности помещается в карту на 24 ГБ с запасом под несколько одновременных диалогов; модель на 14 млрд — только в сжатом виде (8 или 4 бита). Для моделей на 30 млрд нужна карта на 96 ГБ, модель на 70 млрд поместится в неё только сжатой. Точный объём под свою модель и число пользователей посчитайте в калькуляторе видеопамяти.

**Как связать Open WebUI и vLLM?**

vLLM отдаёт модель по API, совместимому с OpenAI. В Open WebUI достаточно указать адрес этого API и ключ — в переменных OPENAI_API_BASE_URL и OPENAI_API_KEY или в админке в разделе подключений. Удобнее всего запускать оба сервиса в одном docker compose, тогда vLLM не нужно открывать наружу.

**Уходят ли данные наружу, если поставить нейросеть на свой сервер?**

Нет: модель, чат и документы работают на арендованном сервере, запросы никуда не отправляются. Если вместо своего сервера подключить Token Factory, запросы уходят в сервис провайдера: по его словам, они обрабатываются в России, не хранятся и не используются для дообучения. Если в документах есть персональные данные, нужен ещё и правильный уровень защищённости по 152-ФЗ.


## Источники

- ИИ-ассистент на выделенном сервере — состав и цены — https://selectel.ru/solutions/ai-infrastructure/ai-assistant/ (проверено 2026-11-08)
- Выделенные серверы с GPU — цены, наличие, посуточная аренда — https://selectel.ru/services/dedicated/gpu/ (проверено 2026-11-08)
- Token Factory — цены за токены и политика хранения — https://selectel.ru/services/cloud/token-factory/ (проверено 2026-11-08)
- Dedicated Inference — каталог моделей и цены — https://selectel.ru/services/dedicated-inference/ (проверено 2026-11-08)
- Документация: Dedicated Inference — описание и ограничения — https://docs.selectel.ru/dedicated-inference/about/about-dedicated-inference/ (проверено 2026-11-08)
- Документация: оплата Dedicated Inference — https://docs.selectel.ru/dedicated-inference/about/payment/ (проверено 2026-11-08)
- ИИ-маркетплейс — готовые образы серверов — https://selectel.ru/solutions/ai-infrastructure/ai-marketplace/ (проверено 2026-11-08)
- Документация: ИИ-маркетплейс — образы и GPU — https://docs.selectel.ru/ai-marketplace/about/about-ai-marketplace/ (проверено 2026-11-08)
- Документация: доступность образов ИИ-маркетплейса в локациях — https://docs.selectel.ru/ai-marketplace/about/ai-marketplace-availability-by-location/ (проверено 2026-11-08)
- Калькулятор облачных серверов — линейка Standard — https://selectel.ru/prices/calculator/ (проверено 2026-11-08)