Раздел 1 из 9

Карта инструментов: как устроен конвейер генерации

Производственный конвейер редко строится на одной модели: каждое звено может принадлежать другому разработчику и подчиняться своему соглашению или лицензии, а слабое звено определяет общий уровень риска.

От изображения к видео: почему юрист оценивает каждое звено

Производственный конвейер редко строится на одной модели. Сначала в модели изображений (GPT Image, Nano Banana, Seedream, FLUX.2, Qwen-Image) создаётся опорный кадр: облик персонажа, локация, свет, композиция. Затем кадр подаётся в видеомодель в режиме «изображение в видео» (Seedance, Gemini Omni Flash, Veo, Kling, Wan, MiniMax H3). Дальше идут продление и склейка фрагментов, повышение разрешения (Topaz и встроенные апскейлеры), озвучание и синхронизация губ. Каждое звено может принадлежать другому разработчику, работать в другой юрисдикции и подчиняться собственному пользовательскому соглашению или лицензии. Правовая оценка проекта складывается из оценки каждого звена, и слабое звено определяет общий уровень риска. Условия сервисов дальше разобраны в том же порядке: исходники, изображения, видео, агрегатор, локальный конвейер.

Собрать конвейер можно двумя способами. Первый: облачные сервисы и агрегаторы (Higgsfield, Freepik, Krea, fal.ai): студия работает в браузере, данные уходят провайдеру за границу, действуют его условия о результатах и модерация, водяные знаки ставятся автоматически, а возмещение потерь возможно только на корпоративных тарифах. Второй: локальный конвейер на ComfyUI и открытых моделях: данные остаются у студии, но напрямую действуют лицензии каждой модели и LoRA, маркировку и фильтры содержания настраивает сама студия, и вся ответственность лежит на ней.

Дальше инструменты разобраны по этапам конвейера. Качество моделей оценивается по арене Artificial Analysis: это слепое попарное сравнение результатов людьми, итог выражается рейтингом ELO, как в шахматах; разница в 100 пунктов означает, что более сильная модель выигрывает примерно в двух третях пар (Artificial Analysis, арена; Artificial Analysis, арена изображений). Популярность оценивается по визитам сайтов и по данным самих компаний.

Модели изображений: с чего начинается конвейер

Опорные кадры для видео делают в моделях из таблицы ниже; именно на этом этапе в конвейер попадают чужие персонажи, стили и лица, поэтому проверка прав начинается здесь, а не на этапе видео.

В изображениях лидируют американские закрытые модели (OpenAI, xAI, Microsoft, Google), китайские разработчики дают лучшие открытые веса (Qwen-Image, Z-Image, HunyuanImage), европейские BFL и Stability остаются базой локальных сборок. Midjourney при большой аудитории на арене оценён низко: версия V8 туда не подавалась, а v7 отстаёт от лидеров на 300 пунктов. Российские модели на арене не ранжированы.

Видеомодели: изображение в видео

В видео картина обратная изображениям: большинство моделей первой десятки китайские, американские представлены только Google и xAI, а Veo 3.1, Runway и Luma отстают от лидеров на 100–150 пунктов. Открытая MiniMax H3 отстаёт от первого места всего на 12 пунктов, то есть локальный конвейер впервые сравнялся по качеству с облачными лидерами.

Качество и популярность: где на самом деле генерируют

Рейтинг арены и аудитория расходятся. Самая большая аудитория у моделей, встроенных в большие платформы: ChatGPT (3 млрд изображений в неделю), Gemini (150 млн изображений в день, 1 млрд пользователей в месяц) и X (10 млрд изображений и 2 млрд видео в месяц) (Google, итоги августа 2026; OpenAI, ChatGPT Images 2.5; Forbes, проспект SpaceX). Среди сервисов с собственным сайтом по трафику лидирует агрегатор Higgsfield (28–32 млн визитов в месяц), за ним китайские Dreamina и Kling (по 12–13 млн), Midjourney (10 млн) и Runway (6,6 млн); Sora, самое громкое приложение осени 2025 года, к весне 2026 года потеряла аудиторию и была закрыта (AICPB, трафик видеосервисов; AICPB, трафик сервисов изображений; Similarweb, higgsfield.ai; TechCrunch, закрытие Sora). На рис. 5 и 6 видно, что качество и популярность связаны слабо: лидеры арены Wan 3.0 и Vidu собирают по 2–3 млн визитов, а Midjourney с рейтингом ниже 900 остаётся одним из самых посещаемых сервисов.

Для юриста из этого следуют две вещи. Рабочий стек продакшена на осень 2026 года: изображения в ChatGPT, Gemini, Dreamina или Midjourney, видео в Dreamina (Seedance), Kling, Gemini (Omni Flash, Veo) или через агрегатор Higgsfield, локально Wan 2.2, MiniMax H3 и LTX-2.5; именно их условия и нужно читать. И второе: китайские модели уже дают половину качества рынка, поэтому вопрос трансграничной передачи данных в Китай и Сингапур становится для российской студии основным.

Higgsfield и другие агрегаторы

Higgsfield Inc. зарегистрирована в Сан-Франциско; компанию основали в 2023 году Alex Mashrabov (ранее сооснователь AI Factory, купленной Snap) и Yerzat Dulat (Higgsfield, Terms of Use; TechCrunch, 17.08.2026). По пресс-релизу от 17 августа 2026 года компания привлекла 400 млн долларов при оценке 5,4 млрд долларов, годовая выручка в пересчёте достигла 700 млн долларов, у сервиса более 30 млн пользователей в 238 странах и более 20 млн генераций в месяц (PR Newswire, 17.08.2026; TechCrunch, 17.08.2026).

В политике конфиденциальности указан офис в Казахстане, а среди подрядчиков названы компании в США, ЕС, Великобритании и Китае (Higgsfield, Privacy Policy; MindStudio, 28.07.2026). На одной площадке доступны собственные модели (Soul, Soul Cinema, DOP, Genjutsu, Cinema Studio) и модели сторонних разработчиков; страница Trust называет OpenAI, Google, xAI, Kuaishou и Black Forest Labs, а полный перечень в интерфейсе (Seedance 2.5, Kling 3.0, Wan 3.0, MiniMax H3, Seedream 5.0 и другие) на официальных страницах не воспроизводится, поэтому состав моделей стоит фиксировать снимком экрана на дату генерации (Higgsfield, Trust).

Тарифы лета 2026 года: бесплатный план с водяным знаком, Starter 19, Plus 59, Ultra 129 долларов в месяц; по позиции службы поддержки коммерческие права одинаковы на всех уровнях, платные планы лишь убирают водяной знак (Higgsfield, справочный центр).

Локальный конвейер: ComfyUI и открытые модели

ComfyUI, открытый узловой интерфейс для генеративных моделей, распространяется под лицензией GPL-3.0 и по умолчанию «работает полностью автономно». По данным Comfy Org на апрель 2026 года у программы 4 млн пользователей, более 150 тыс. загрузок в день и 60 тыс. узлов сообщества; репозиторий собрал около 135 тыс. звёзд на GitHub, а Civitai, крупнейшая площадка пользовательских моделей и LoRA, получает около 7 млн визитов в месяц (ComfyUI, GitHub; Comfy Org, раунд 30 млн; AICPB, трафик сервисов изображений).

Рабочий процесс собирается из узлов: загрузка модели, кодирование запроса, генерация, ControlNet для контроля позы, подключение и обучение LoRA (лёгких дообученных надстроек под стиль, лицо или объект), повышение разрешения. Какие модели в него ставят и чего они стоят, показывает таблица: рейтинг арены и число загрузок за месяц с Hugging Face (для Wan и Qwen учтены сборки Comfy-Org, через которые скачивает большинство пользователей); HunyuanVideo 1.5 (1134) и Cosmos3 от NVIDIA (1274) в таблицу не вошли из-за малого числа загрузок.

Вывод из таблицы: самые скачиваемые локальные модели (Wan 2.2, MiniMax H3, Qwen-Image, FLUX) по качеству находятся между серединой и вершиной арены, то есть локальный конвейер проигрывает облаку не в качестве, а в удобстве и скорости; при этом три самые популярные модели изображений (Qwen-Image-2.1, FLUX.2 [dev], FLUX.1 [dev]) для коммерческого использования требуют отдельной лицензии. Локальный запуск не отменяет лицензий на модели: они действуют независимо от места запуска, а открытые лицензии прямо перекладывают риск на пользователя: Wan 2.2 объявляет его «полностью ответственным за использование моделей», LTX-2 говорит: «вы отвечаете за материалы, которые загружаете в LTX-2» (Wan, GitHub; LTX-2, лицензия).

Отдельная ловушка: партнёрские узлы (API nodes) внутри ComfyUI вызывают закрытые облачные модели (Kling, Veo, Seedance, Nano Banana, Luma) прямо из локального рабочего процесса. Документация Comfy Org предупреждает: «партнёрские узлы отправляют ваши входные данные (запросы, изображения и другое содержимое) сторонним провайдерам для обработки» (ComfyUI, GitHub). Стоит добавить один такой узел, и «локальный» конвейер превращается в трансграничный со всеми условиями внешнего провайдера; узлы отключаются флагом запуска «--disable-api-nodes».

Рамка: кто и как находит нарушения и чем это заканчивается

Прежде чем разбирать условия сервисов, стоит ответить на вопрос, который задаёт каждый продюсер: кто вообще проверяет, что кадр сделан на бесплатном тарифе, что в референсе было чужое лицо или что модель запрещала коммерческое использование? Полиции по соглашениям нет, и сами сервисы редко судятся с пользователями: публичных дел, где сервис генерации взыскивал бы с пользователя за коммерческое использование вопреки тарифу, найти не удалось. Но правила работают не как запрет курения в парке, а как страховой полис: их никто не проверяет ежедневно, зато в момент аварии спрашивают все документы. Аварий четыре вида.

Из таблицы следует главное: вопрос «подадут ли на меня в суд» второстепенный. Вопрос, который решает судьбу проекта, звучит иначе: сможет ли студия подтвердить заказчику, что у неё есть права на результат и что она ничего не нарушила. Крупные компании, банки, бренды, международные группы и онлайн-кинотеатры перестраховываются по своим корпоративным процедурам: договор с ними содержит гарантию чистоты прав и обязанность возместить убытки, а юристы, служба безопасности и отдел закупок перед согласованием запрашивают документы. Обычно это перечень элементов, созданных с использованием ИИ, названия сервисов и моделей, подтверждение тарифа, дающего коммерческие права, версия соглашения на дату генерации, согласия людей, чьи лица и голоса использованы, и журнал генерации. Если документов нет, проект не проходит внутреннее согласование, и никакого суда для этого не нужно: заказчику, скорее всего, тоже ничего не грозит, и никто ничего не узнает, но его процедура устроена так, чтобы риск не проверять, а исключать. Так формальное правило из пользовательского соглашения превращается в реальное требование, только предъявляет его не сервис, а тот, кто платит.

Второй вывод касается следов. Нарушение условий сервиса само по себе почти никогда не приводит к иску от сервиса; оно приводит к тому, что у студии нет документов, когда их спросят, а результат при этом выдаёт своё происхождение. Кадр с бесплатного тарифа Kling несёт логотип, изображение из бесплатного Шедеврума несёт его знак и по умолчанию опубликовано в ленте, результат Veo содержит невидимый SynthID, который проверяется общедоступным детектором, а метаданные C2PA читаются любым инструментом Content Credentials (Kling AI, Terms of Service; Яндекс Плюс, Шедеврум Про; Google DeepMind, SynthID; C2PA, 27.07.2026). Установить сервис по файлу часто можно, а установить пользователя по журналу сервиса можно по запросу суда. Вероятность претензии со стороны зависит не от того, кто прочитал соглашение, а от того, кто увидел результат: черновики и тесты не видит никто, а рекламный ролик, фильм и постер видят конкуренты, правообладатели, изображённые люди и их юристы, у которых есть и мотив, и инструменты. Поэтому условия сервисов дальше читаются как ответ на один вопрос: сможет ли студия в момент согласования, приёмки, спора или проверки показать, что результат ей принадлежит, что данные людей переданы законно и что обучение на её материалах отключено.