Selectel Foundation Models Catalog — приватный доступ, ru-6 и новые модели

Ичи25.08.2026Около 4 минОколо 1293 слов

Selectel Foundation Models Catalog — приватный доступ, ru-6 и новые модели

24 августа 2026 года было объявлено о расширении Foundation Models Catalog (FMC) — сервиса Selectel для запуска преднастроенных AI-моделей в виде отдельных inference-сервисов.

Основные изменения:

приватный доступ к моделям без выхода запросов в интернет;
новый отказоустойчивый регион ru-6 на базе трёх независимых зон доступности;
возможность разнести одинаковые inference-сервисы по разным зонам;
новые модели в квантизации NVFP4;
модели семейства Qwen с контекстом до 262 тысяч токенов;
дальнейшее расширение моделей в FP8 и NVFP4 для доступных в ru-6 GPU.

Новость передана CNews представителем Selectel. При этом часть возможностей появилась раньше и уже отражена в официальной документации: public preview начался в апреле, модели NVFP4 добавлялись в июне, а приватное подключение — в июле. Поэтому 24 августа корректнее считать датой публичного объявления комплексного обновления, а не датой запуска каждой функции.

Что такое Foundation Models Catalog

Foundation Models Catalog — каталог преднастроенных ML-моделей с готовым API. Каждая выбранная модель разворачивается как изолированный inference-сервис с выделенными ресурсами:

GPU;
vCPU;
RAM;
диск;
отдельный endpoint;
индивидуальные API-ключи.

Запросы к LLM выполняются через endpoint, совместимый с OpenAI API. Это упрощает перенос приложения, которое уже использует OpenAI-compatible SDK или клиентскую библиотеку.

Пример общей схемы:

приложение
   ↓
OpenAI-compatible client
   ↓
выделенный endpoint FMC
   ↓
изолированный inference-сервис
   ↓
GPU / vCPU / RAM / disk Selectel

Модель не вызывается как общий serverless API с оплатой за каждый токен. Пользователь разворачивает собственный inference-сервис и оплачивает выделенные облачные ресурсы.

Текущая стадия продукта

На момент проверки 25 августа 2026 года официальная документация всё ещё помечает Foundation Models Catalog как public preview.

Это важная оговорка:

нельзя автоматически считать продукт зрелым GA-сервисом;
условия, набор моделей и тарификация могут меняться;
перед production нужно проверить SLA и поддержку конкретной конфигурации;
желательно иметь резервный endpoint или возможность развернуть модель самостоятельно.

Public preview не означает бесплатную инфраструктуру. Inference-сервис оплачивается по модели pay-as-you-go за фактически выделенные ресурсы облачной платформы.

Публичное и приватное подключение

При создании inference-сервиса можно выбрать тип доступа.

Публичный endpoint

Endpoint доступен через интернет. Для него автоматически создаётся доменное имя, а доступ защищается индивидуальными API-ключами.

Подходит для:

быстрого теста;
приложений за пределами Selectel;
интеграции из другой облачной платформы;
сценариев, где интернет-трафик допустим политиками безопасности.

Приватный endpoint

Endpoint доступен только из приватной сети пользователя. Запросы к модели не должны выходить в публичный интернет.

Подходит для:

внутренних корпоративных систем;
RAG по закрытым документам;
финансовых, медицинских и государственных сценариев;
приложений, уже размещённых в приватной сети Selectel;
гибридной инфраструктуры с подключением собственного ЦОД через Direct Connect.

Приватный endpoint сам по себе не решает все вопросы безопасности. Всё равно нужно проверить:

маршруты и security groups;
хранение API-ключей;
роли пользователей и проектов;
аудит действий;
логирование prompts и ответов;
передачу персональных и конфиденциальных данных;
договорные условия конкретной услуги.

Регион ru-6 и отказоустойчивость

В объявлении 24 августа ru-6 описан как новый отказоустойчивый регион на базе трёх независимых зон доступности.

Пользователь может развернуть одинаковые inference-сервисы в разных зонах и построить схему с резервированием:

приложение
   ↓
собственный router / health checks
   ├── inference-service A, ru-6a
   └── inference-service B, ru-6b или ru-6c

Наличие трёх зон не создаёт автоматический failover приложения. Нужно отдельно реализовать:

health checks endpoint;
тайм-ауты;
retry только для безопасных запросов;
circuit breaker;
переключение между endpoints;
синхронизацию конфигурации и версий модели;
мониторинг качества ответа после переключения;
контроль двойной стоимости резервных ресурсов.

При развёртывании двух inference-сервисов оплачиваются ресурсы обоих. Георезервирование повышает доступность, но может заметно увеличить постоянные расходы.

Новые модели и NVFP4

В официальных release notes за июнь уже перечислены модели:

unsloth/Qwen3.6-35B-A3B-NVFP4;
unsloth/Qwen3.6-27B-NVFP4;
google/gemma-4-12B.

В объявлении 24 августа отдельно подчёркивается квантизация NVFP4, оптимизированная под GPU поколения Blackwell, и модели Qwen с максимальным контекстом до 262 тысяч токенов.

Большой context window полезен для:

анализа длинных документов;
работы с крупными техническими спецификациями;
длительных агентских сценариев;
обработки нескольких связанных материалов одним запросом;
больших RAG-context bundles.

Но максимальный размер контекста не означает, что всегда нужно отправлять 262 тысячи токенов. Перед production необходимо измерить:

latency;
качество на длинном контексте;
расход GPU-памяти;
throughput;
поведение при параллельных запросах;
качество поиска нужного фрагмента внутри большого prompt;
стоимость выделенной конфигурации.

Часто RAG с хорошим retrieval и меньшим контекстом быстрее и устойчивее, чем передача всей базы документов в один запрос.

OpenAI-compatible API

Совместимость с OpenAI API уменьшает объём изменений в приложении. Обычно достаточно заменить:

base_url;
API key;
имя модели;
параметры, которые поддерживает конкретный endpoint.

Условный Python-пример:

from openai import OpenAI

client = OpenAI(
    base_url="https://<foundation-models-endpoint>/v1",
    api_key="<inference-service-api-key>",
)

response = client.chat.completions.create(
    model="<model-name>",
    messages=[
        {"role": "user", "content": "Кратко перескажи документ"},
    ],
    timeout=60,
)

print(response.choices[0].message.content)

Точный endpoint и model identifier нужно брать из панели конкретного inference-сервиса. Нельзя копировать значения из чужого примера.

Совместимость API не гарантирует идентичность поведения моделей. После миграции нужно повторить evals, проверить structured output, tool calling, streaming, stop sequences и обработку ошибок.

Масштабирование и оплата

Foundation Models Catalog использует pay-as-you-go: средства списываются каждый час за ресурсы облачной платформы.

Стоимость зависит от выбранной конфигурации:

GPU;
vCPU;
RAM;
диск;
количество inference-инстансов.

На время public preview официальная документация указывает:

количество токенов не включается в стоимость;
для публичного доступа предоставляется бесплатное доменное имя.

Это не означает «безлимитную дешёвую LLM». Стоимость выделенного GPU может быть выше токенной оплаты внешнего API при небольшой или нерегулярной нагрузке.

Выделенный inference-сервис логичнее рассматривать, когда важны:

предсказуемая постоянная нагрузка;
изоляция ресурсов;
приватная сеть;
контроль инфраструктуры;
высокий throughput;
отсутствие оплаты за каждый отдельный токен.

Для редких запросов сначала нужно сравнить итоговую месячную цену с внешним API.

Ограничения public preview

По официальной документации Foundation Models Catalog пока не поддерживает:

асинхронный режим на стороне сервера;
загрузку собственных моделей в каталог;
развёртывание моделей из каталога on-premise;
развёртывание в А-ЦОД;
развёртывание на выделенных серверах;
развёртывание в аттестованном облаке.

На стороне клиента можно отправлять запросы асинхронно, но серверный inference обрабатывает их в синхронном режиме.

Особенно важно не смешивать утверждения:

данные хранятся в российской инфраструктуре

конкретный inference-сервис подходит для регулируемой системы

Для второго вывода нужны документы, архитектура, договор и проверка конкретного продукта.

Что проверить перед production

Доступна ли нужная модель и конфигурация в выбранной зоне ru-6.
Какая стадия готовности и SLA действуют на дату запуска.
Публичный или приватный endpoint требуется приложению.
Работает ли связность через приватную сеть и Direct Connect.
Как хранятся и ротируются API-ключи.
Какой throughput даёт одна inference-инстанция.
Как меняются latency и качество на длинном контексте.
Что происходит при масштабировании и уменьшении числа инстансов.
Как приложение переключается между зонами.
Совпадает ли OpenAI-compatible поведение с ожиданиями SDK.
Какие данные попадают в логи и метрики.
Можно ли быстро развернуть резервную модель у другого провайдера.

Влияние на оценку Selectel

Обновление расширяет AI-возможности Selectel и делает сервис интереснее для приватного inference и геораспределённых схем.

Категорию провайдера в каталоге менять не требуется: Selectel остаётся в «Рекомендую». Foundation Models Catalog всё ещё находится в public preview и должен оцениваться отдельно от уже проверенного VDS и основной облачной платформы.

Selectel Foundation Models Catalog — приватный доступ, ru-6 и новые модели

Описание