Европейский союз, стремясь сократить отставание от США и Китая в области искусственного интеллекта, демонстрирует неоднородную картину развития больших языковых моделей. Если Франция с Mistral прочно занимает позиции в мировом топ-10 по бенчмаркам MMLU и MMLU-Pro, то другие ведущие экономики региона, такие как Германия и Польша, идут собственным путём, сталкиваясь с уникальными вызовами. Анализ ситуации в этих странах показывает, что единой европейской модели развития ИИ не существует, а успех во многом зависит от национальных регуляторных условий и доступности вычислительных ресурсов. На фоне глобальной гонки, где лидируют американские и китайские модели, европейские разработчики вынуждены искать нишевые решения, адаптированные к местным рынкам и языковым особенностям.

Германия, крупнейшая экономика ЕС, удивительным образом не имеет ни одной популярной общедоступной ИИ-модели с чат-интерфейсом по состоянию на 2026 год. Вместо этого немецкие компании активно развивают корпоративные решения: SAP интегрировала ассистента Joule, который теперь базируется на модели Claude от Anthropic, а Deutsche Telekom вывела на коммерческий рынок модель Teuken-7B, обученную на всех 24 официальных языках ЕС. Особого внимания заслуживает SteuerGPT от Buhl — бесплатная функция в популярном налоговом ПО WISO Steuer, работающая в европейских дата-центрах с соблюдением норм ЕС, хотя базовая LLM предоставляется внешним поставщиком. Причинами слабого развития публичных моделей в Германии эксперты называют жёсткий контроль за авторскими правами, который приводит к волне исков от издательств, и дефицит крупных, открыто лицензированных немецкоязычных текстовых наборов данных — исследователи проекта German Commons собрали лишь около 154 млрд токенов, что значительно меньше многотриллионных массивов конкурентов. В отличие от американских моделей, которые могут обучаться на любых доступных текстах, немецкие разработчики сталкиваются с судебными исками за использование материалов без явного разрешения, что сдерживает инновации.

В отличие от Германии, Польша может похвастаться собственной моделью с публичным чатом — Bielik, разработанной фондом SpeakLeash и Академическим вычислительным центром Cyfronet AGH на государственной суперкомпьютерной инфраструктуре PLGrid. Модель построена на архитектуре Mistral 7B v0.2, доращенной до 11 миллиардов параметров, и распространяется с открытой лицензией, допускающей коммерческое использование. Bielik демонстрирует впечатляющую популярность: 2,8 миллиона обращений к моделям по данным CEO компании и более 400 тысяч обращений за последний месяц на Hugging Face. Ключевым драйвером успеха стала интеграция в приложение InPost — крупнейшего польского логистического оператора с 15 миллионами пользователей, где чат «Nakarm Bielika» позволяет бесплатно общаться с моделью, одновременно собирая данные для её дальнейшего совершенствования. Эта версия получила эксклюзивную функцию доступа в интернет в реальном времени, которой нет даже в основном чате на chat.bielik.ai, что даёт ей конкурентное преимущество в актуальности ответов.

Польский подход, однако, сталкивается с теми же фундаментальными проблемами, что и немецкий, — нехваткой данных для обучения на национальном языке. Согласно дашборду SpeakLeash, собрано около 3 ТБ польскоязычных данных, что грубо соответствует примерно 1 триллиону токенов сырых данных. Для сравнения, российский ГигаЧат использует около 20 триллионов токенов, что наглядно демонстрирует масштаб разрыва. Тем не менее, польская модель выигрывает за счёт своей открытости и интеграции в массовый продукт, что позволяет ей постоянно обогащать языковой и культурный контекст. Интересно, что версия Bielik в InPost получила эксклюзивную функцию доступа в интернет в реальном времени, которой нет даже в основном чате на chat.bielik.ai. Этот подход напоминает стратегию некоторых российских компаний, которые также используют пользовательские данные для дообучения моделей, но в Европе такие практики ограничены строгими законами о конфиденциальности.

Контекст развития европейского ИИ на фоне глобальной гонки выглядит неоднозначно. Франция с Mistral уверенно входит в топ-10 мировых моделей по бенчмаркам, идя «нос к носу» с российскими разработками, но остальные страны ЕС значительно отстают. Германия, несмотря на мощную экономику и развитую IT-инфраструктуру, не смогла создать публично доступную модель из-за регуляторных барьеров и дефицита данных, сосредоточившись на B2B-решениях. Польша, напротив, сделала ставку на открытость и массовость, что принесло свои плоды в виде растущей пользовательской базы. Сравнение с российским рынком, где такие модели, как ГигаЧат, уже имеют значительную аудиторию и объём обучающих данных, показывает, что европейским разработчикам предстоит преодолеть серьёзные препятствия для достижения паритета. При этом российские модели, такие как ГигаЧат, обучаются на значительно больших объёмах данных — около 20 триллионов токенов, что даёт им преимущество в качестве генерации текста на русском языке.

Перспективы развития европейского ИИ остаются туманными. С одной стороны, опыт Польши демонстрирует, что интеграция в массовые продукты и открытая лицензия могут обеспечить быстрый рост популярности даже при ограниченных данных. С другой стороны, Германия показывает, что без решения проблемы авторских прав и создания крупных национальных дата-сетов невозможно построить конкурентоспособную публичную модель. Открытым остаётся вопрос, сможет ли Европа в целом преодолеть фрагментацию и создать единую стратегию развития ИИ, или же каждая страна будет двигаться своим путём, что в долгосрочной перспективе может привести к ещё большему отставанию от США и Китая. Возможно, ключевым фактором станет появление общеевропейских инициатив по сбору данных и совместному обучению моделей, но пока национальные различия в регулировании и доступности ресурсов остаются серьёзным барьером.