У каждого менеджера есть класс задач, который так и не достался ИИ: зарплатная таблица, клиентский договор, кадровое решение. Каждая вставка такого текста в чат-бот – это передача данных на чужой сервер, и внутренние правила компании обычно говорят на это «нет». В России к этому добавляется второй барьер: доступ к сильным облачным моделям требует VPN и зарубежной карты.
Для этого класса задач существует отдельная категория инструментов – локальные клиенты, которые запускают открытые модели прямо на ноутбуке. Atomic Chat – свежий представитель категории и, похоже, самый простой вход в неё. Бесплатный, с открытым кодом (Apache 2.0), ставится на Mac и Windows, есть версия для iPhone. Внутри – каталог открытых моделей с Hugging Face: Qwen, DeepSeek, Llama, Gemma. Один клик – модель скачана и отвечает. Интернет после этого можно выключить: обработка идёт прямо на устройстве. Карта и VPN не нужны ни на одном шаге.
Проверка выглядит так: скачанная модель на 7–13 миллиардов параметров, договор в окно чата, режим полёта – и саммари с перечнем рисков готово без единого байта наружу.
Ограничения при этом настоящие. Локальная модель такого размера заметно слабее облачных флагманов: саммари, черновики, разбор документов – да, сложные многошаговые рассуждения – хуже. Планку качества можно прикинуть по нашему бенчмарку на управленческих задачах: открытый Qwen 3.6 27B, который помещается на мощный ноутбук, занимает там 24-е место из 47 – выше, чем облачный GigaChat 3.5 Ultra. Нужно приличное железо: Mac на Apple Silicon или ПК с хорошим запасом памяти, модели крупнее 13 миллиардов обычный ноутбук уже не тянет. Сам проект молодой: это форк открытого клиента Jan, около тысячи звёзд на GitHub – на порядок меньше, чем у ветеранов категории LM Studio и Ollama; документация тонкая, на Windows недавно чинили определение видеокарты. Независимого аудита того, что приложение ничего не отправляет наружу, пока не было – при работе строго офлайн вопрос снимается сам. А цифры разработчиков про сжатие моделей «без потери качества» получены Google на серверных ускорителях, на обычных ноутбуках их никто независимо не проверял. Какое железо тянет какие модели и на что реально хватает их качества по сравнению с ChatGPT – разбирали в гиде по локальным LLM.
Вердикт такой: тем, у кого уже стоит LM Studio или Ollama, менять его незачем – это тот же класс инструмента. А для менеджера с конфиденциальными данными и обычным ноутбуком это, пожалуй, самый дешёвый способ выяснить, какую часть «запретных» задач ИИ закрывает без облака: полчаса на установку, ноль рублей, ноль отправленных наружу байтов.
