Галлюцинацию нельзя мониторить графиком «оценка уверенности». Нужен локальный конвейер с жёсткими границами: JSON Schema, проверка обязательных полей, сверка утверждений с источниками по hash, правила домена и отдельный reject-маршрут. Ответ без подтверждаемого источника не попадает в бизнес-контур. Детерминизм фиксируется не обещанием модели, а артефактами запуска: commit инференс-стека, версия tokenizer, seed, параметры sampling, набор документов, latency и причина отклонения. Для PII санитизация выполняется на границе локального контура, до отправки запроса в модель. Так инцидент превращается из спора с LLM в воспроизводимый verdict. Себестоимость считайте по принятому токену: (амортизация GPU + электричество + эксплуатация) / accepted tokens. GPU на 450 Вт потребляет около 324 кВт·ч в месяц при работе 24/7 — примерно 3 240 ₽ при тарифе 10 ₽/кВт·ч, без скрытого egress и платы за каждый повтор валидации. В облаке вы арендуете и генерацию, и право проверять собственные ошибки. Практ...