Llama, Qwen, Mistral или Gemma: какую открытую модель запустить на своём компьютере

Когда-то вопрос «какую нейросеть запустить дома» имел простой ответ: Llama. Сейчас выбор шире. Свои открытые модели выпускают Alibaba (Qwen), Mistral AI, Google (Gemma), OpenAI (gpt-oss), а сама Meta, создатель Llama, в августе 2026 года выпустила новую открытую модель под другим именем — Muse Glimmer.

Эта статья — практическое сравнение без рейтингов «кто умнее». Мы разберём, какие модели реально помещаются в домашний компьютер, чем они отличаются и как за вечер выбрать подходящую под ваши задачи. Все размеры ниже — по каталогу Ollama, самой популярной программы для локального запуска, на начало октября 2026 года.

Коротко: что выбрать за 30 секунд

• Слабый ноутбук, 8 ГБ памяти: Llama 3.2 3B, Ministral 3 3B или Gemma 4 E2B.
• Обычный ПК или Mac на 16 ГБ: Llama 3.1 8B, Ministral 3 8B или 14B, Gemma 4 12B, gpt-oss-20b.
• Мощная видеокарта на 24 ГБ или Mac от 32 ГБ: Qwen3.8 27B, Muse Glimmer 30B, Gemma 4 31B.
• Рабочая станция или сервер: Llama 4 Scout, Mistral Small 4 и другие большие модели.

А теперь подробнее — почему именно так.

Почему размер модели важнее бренда

Главное ограничение локального запуска — память. Модель должна целиком поместиться в видеопамять (или в общую память на Mac с чипом Apple), иначе часть работы уйдёт на процессор и ответы станут в разы медленнее.

Ориентир простой: размер файла модели плюс 2–4 ГБ запаса на работу. Если файл весит 6 ГБ, нужна видеокарта на 8 ГБ. Если 18 ГБ — на 24 ГБ.

Поэтому сравнивать «Llama против Qwen» в отрыве от размера бессмысленно. Модель на 3 млрд параметров любого бренда уступит модели на 27 млрд. Правильный вопрос — какая модель лучше в вашем классе размера.

Сравнительная таблица популярных моделей

Размеры даны для стандартных сжатых версий, которые Ollama скачивает по умолчанию. Есть и более точные варианты — они весят в два-три раза больше.

Llama: старая знакомая

Llama — семейство, с которого началась мода на локальные модели. Сегодня в нём три поколения, которые всё ещё используют:

• Llama 3.2 — крошечные модели на 1 и 3 млрд параметров. Запускаются почти на любом ноутбуке, годятся для простых задач: пересказ, черновик письма, исправление опечаток.
• Llama 3.1 и 3.3 — версии на 8 и 70 млрд. Восьмёрка — классический выбор для ПК на 8–16 ГБ, семидесятка требует серьёзного железа (43 ГБ).
• Llama 4 Scout и Maverick — мультимодальные модели, понимают картинки. Но даже младшая Scout весит 67 ГБ, так что это решение для рабочих станций.

Плюсы Llama — огромное сообщество, множество инструкций и дообученных версий. Минусы — линейка 3.x уже не новая, а Llama 4 слишком тяжёлая для дома. Учтите и лицензию: модели Llama распространяются по собственной лицензии Meta с ограничениями, а не по полностью свободной.

Новая модель Meta для локального запуска — Muse Glimmer на 30 млрд параметров. Она вышла 10 августа 2026 года под свободной лицензией Apache 2.0, понимает текст и картинки и заточена под ИИ-агентов. Если у вас видеокарта на 24 ГБ, её стоит попробовать первой из моделей Meta.

Qwen: сильный выбор среднего класса

Qwen от Alibaba — одно из самых активных открытых семейств. Свежая версия Qwen3.8 27B вышла в августе 2026 года: плотная модель на 27 млрд параметров, понимает изображения, работает с длинными текстами (окно контекста в Ollama — 256 тысяч токенов). В сжатом виде весит 18 ГБ.

Qwen хорошо подходит для задач, где нужна аналитика, работа с документами и код. Пошаговая инструкция, как поставить модели этого семейства на компьютер, есть в материале о запуске Qwen локально через Ollama и LM Studio.

Главный минус — свежим версиям нужна мощная видеокарта. Для слабого ПК придётся брать более старые и маленькие модели Qwen.

Mistral: компактные модели для слабого железа

У Mistral AI две линейки, интересные для дома:

• Ministral 3 — модели на 3, 8 и 14 млрд параметров (3, 6 и около 9 ГБ). Понимают картинки и длинные тексты. Это, пожалуй, лучший вариант, если у вас ноутбук без мощной видеокарты, а хочется больше, чем «просто болталку».
• Mistral Small 4 — модель на 119 млрд параметров, из которых на каждый шаг работают около 6 млрд. Вышла в марте 2026 года под лицензией Apache 2.0. Быстрая для своего размера, но всё равно требует много памяти.

Если локальная модель нужна вам как запасной вариант к облачному ассистенту Mistral, посмотрите, что изменилось в их чате, — мы разбирали это в статье о переходе Le Chat в Mistral Vibe.

Gemma и gpt-oss: ещё два сильных варианта

Gemma 4 от Google — линейка с широким выбором размеров: от сверхкомпактных E2B и E4B (около 5–10 ГБ в зависимости от варианта) до 31B (около 20 ГБ). Все версии принимают картинки. Удобно, если хотите одну «экосистему» моделей на ноутбук и на мощный ПК.

gpt-oss-20b от OpenAI — модель с настраиваемой глубиной рассуждения. Весит 14 ГБ, принимает только текст, зато хорошо справляется с логикой и кодом. Подробная инструкция — в материале как скачать и запустить gpt-oss.

Как выбрать под свои задачи

Бренд вторичен. Начните с того, что вы будете делать.

Тексты, письма, пересказ

Подойдёт почти любая модель от 8 млрд параметров. Если важен русский язык, протестируйте две-три модели на одном и том же письме и выберите ту, чей стиль вам ближе.

Документы и длинные файлы

Ищите модели с большим окном контекста: Ministral 3, Qwen3.8, старшие Gemma 4 — у них 256 тысяч токенов. Но помните: длинный документ сильно увеличивает расход памяти.

Картинки, скриншоты, фото документов

Нужна мультимодальная модель: Ministral 3, Gemma 4, Qwen3.8, Muse Glimmer. Llama 3.x и gpt-oss картинки не принимают.

Код

Для помощи с кодом лучше брать модели покрупнее: gpt-oss-20b, Qwen3.8 27B, Muse Glimmer. Маленькие модели на 3 млрд пишут код, но ошибаются заметно чаще.

Как проверить модели на своих примерах за вечер

Не верьте чужим рейтингам вслепую — они меряют то, что важно авторам теста. Сделайте свою мини-проверку.

1. Установите Ollama и скачайте две-три модели, подходящие по памяти.
2. Подготовьте 5 типичных для вас задач: письмо, пересказ статьи, вопрос по таблице, кусок кода, вопрос «на подумать».
3. Задайте одинаковые запросы каждой модели, не меняя формулировок.
4. Оцените по трём критериям: точность, язык, скорость.
5. Оставьте одну основную модель и одну запасную — остальные удалите, чтобы не занимать диск.

Хорошая идея — записать результаты в простую таблицу. Через месяц, когда выйдет новая модель, вы прогоните её по тем же задачам и сразу увидите разницу.

Частые вопросы

Что лучше: Llama или Qwen?

Зависит от размера и задачи. В классе 27–30 млрд параметров свежие Qwen3.8 и Muse Glimmer от Meta новее, чем Llama 3.x, и понимают картинки. В классе маленьких моделей Llama 3.2 по-прежнему хороша для простых задач. Лучший способ решить — прогнать обе на своих примерах.

Llama ещё развивается?

Новых моделей с именем Llama после четвёртого поколения Meta пока не выпускала. Новая открытая модель компании называется Muse Glimmer — по сути, это следующий шаг Meta в локальных моделях.

Можно ли запустить модель без видеокарты?

Да, но медленно. Маленькие модели на 1–3 млрд параметров вполне работают на процессоре. Для моделей от 8 млрд без видеокарты или Mac с чипом Apple ответ может занимать минуты.

Какая модель лучше всего понимает русский?

Однозначного ответа нет: качество зависит от версии и задачи. Все модели из таблицы так или иначе работают с русским, хотя официально его поддерживают не все: например, у Llama 3.x русского нет в списке официальных языков. Проверьте две-три на своих текстах — разница в стиле видна сразу.

Есть ли смысл в старых альтернативах Llama 2?

Для истории — да, мы когда-то собирали подборку альтернатив Llama 2. Но для работы сегодня лучше брать модели 2025–2026 годов: они заметно умнее при том же размере.