Osaurus: Mac-приложение, которое объединяет локальные и облачные ИИ-модели в одном интерфейсе
Стартап из Нью-Йорка строит «управляющий слой» поверх языковых моделей — без зависимости от дата-центров и с защитой данных на уровне железа.

Содержание · 4
Стартап Osaurus выпустил одноимённый open source LLM-сервер для macOS, который позволяет запускать языковые модели прямо на компьютере пользователя или подключаться к облачным провайдерам — и всё это через единый интерфейс. За неполный год с момента запуска приложение скачали более 112 000 раз. Проект участвует в акселераторе Alliance в Нью-Йорке и уже присматривается к корпоративному рынку.
От «ИИ-скрепки» до полноценного LLM-сервера
Идея Osaurus выросла из другого продукта основателей — десктопного ИИ-компаньона Dinoki, который сооснователь Теренс Пэ описывал как «Clippy на стероидах». Пользователи Dinoki задавали закономерный вопрос: зачем платить за приложение, если всё равно нужно тратить деньги на токены облачных провайдеров?
Этот вопрос подтолкнул Пэ — бывшего инженера Tesla и Netflix — к идее запускать ИИ локально. «Ты можешь делать на Mac практически всё: просматривать файлы, работать с браузером, менять системные настройки. Я понял, что это отличная позиция для персонального ИИ», — рассказал он изданию TechCrunch. Проект с самого начала развивался в открытом доступе: фичи добавлялись публично, баги фиксились на виду у сообщества.
Сооснователем проекта также выступает Сэм Ю. Оба сейчас проходят программу акселератора Alliance.
Что умеет Osaurus и чем отличается от конкурентов
По своей архитектуре Osaurus — это так называемый harness, управляющий слой, который соединяет разные ИИ-модели, инструменты и рабочие процессы через один интерфейс. Похожую роль играют OpenClaw и Hermes, однако те продукты ориентированы преимущественно на разработчиков, умеющих работать с терминалом. Кроме того, некоторые из них имеют задокументированные уязвимости в безопасности.
Osaurus позиционирует себя иначе: простой интерфейс для обычного пользователя плюс аппаратно-изолированная виртуальная песочница, которая ограничивает доступ ИИ к системе и защищает данные. Приложение поддерживает локальные модели — MiniMax M2.5, Gemma 4, Qwen3.6, GPT-OSS, Llama, DeepSeek V4 и другие, включая фирменные on-device модели Apple и семейство LFM от Liquid AI. В облаке доступны OpenAI, Anthropic, Gemini, xAI/Grok, Venice AI, OpenRouter, Ollama и LM Studio.
Приложение реализует полноценный MCP-сервер (Model Context Protocol), что позволяет любому совместимому клиенту получать доступ к инструментам пользователя. В комплекте идут более 20 нативных плагинов: Mail, Calendar, Vision, Browser, Git, Filesystem, XLSX, PPTX, Music, Search и другие. Недавно добавили голосовые возможности.
Главное преимущество такой архитектуры — возможность выбирать модель под конкретную задачу. Разные LLM имеют разные сильные стороны, и пользователь не привязан к одному провайдеру.
Аппаратные требования и перспективы локального ИИ
Запуск языковых моделей на собственном железе пока остаётся ресурсоёмким занятием. Для базовой работы с локальными моделями нужно минимум 64 ГБ оперативной памяти. Для крупных моделей вроде DeepSeek V4 Пэ рекомендует системы с 128 ГБ RAM — то есть речь идёт о Mac Studio или Mac Pro верхних конфигураций, которые стоят от нескольких тысяч долларов.
Однако основатель убеждён, что порог входа будет снижаться. «Интеллект на ватт — ключевая метрика для локального ИИ — растёт очень быстро. Год назад локальный ИИ едва мог закончить предложение, а сегодня он запускает инструменты, пишет код, работает с браузером и может заказать товар на Amazon», — говорит Пэ.
Конкуренты Osaurus на рынке локальных LLM-клиентов — Ollama, Msty, LM Studio и ряд других. Osaurus отличается прежде всего ориентацией на массового пользователя, а не только на разработчиков, и гибридным подходом: локальные и облачные модели в одном окне.
Корпоративный рынок и снижение нагрузки на дата-центры
Следующий шаг для команды — выход на B2B-сегмент. В первую очередь рассматриваются отрасли с высокими требованиями к конфиденциальности: юридические компании и здравоохранение. Локальный запуск LLM позволяет обрабатывать чувствительные данные без передачи их в облако — что критично для соблюдения регуляторных требований.
Долгосрочная ставка команды — на децентрализацию ИИ-инфраструктуры. «Вместо того чтобы полагаться на облако, компания может развернуть Mac Studio on-prem. Это потребует значительно меньше электроэнергии, но сохранит все возможности облачного ИИ без зависимости от дата-центра», — объясняет Пэ.
Для белорусского рынка этот тренд актуален по нескольким причинам. Компании из ПВТ, работающие с персональными данными клиентов из ЕС, сталкиваются с требованиями GDPR и ограничениями на трансграничную передачу данных. Локальный запуск LLM на собственном железе — один из способов соответствовать этим требованиям без отказа от ИИ-инструментов. Кроме того, волатильность курса доллара делает подписки на облачные API-сервисы менее предсказуемыми по стоимости, тогда как разовая покупка железа фиксирует затраты.
Свежие новости
Все новости
Rust 1.100.0: стабилизация типа ! и нового API аллокаторов
В Rust 1.100.0 стабилизированы тип never (!) и базовые части allocator API. Изменение затрагивает все издания языка и несёт ограниченный breaking change.

Google представила Gemini 4 Hydrogen: быстрая модель для повседневных задач и агентных сценариев
Google анонсировала Gemini 4 Hydrogen — модель, ориентированную на скоростное выполнение задач в агентных рабочих процессах и повседневном программировании. Она доступна во всех тарифах Google AI Studio, Gemini API и приложения Gemini, а также платным подписчикам Google AI Pro и Ultra в Google Antigravity.

AWS Emulator: локальное тестирование AWS-приложений без аккаунта и деплоя
AWS выпустила AWS Emulator — инструмент для сборки и тестирования AWS-приложений локально или в CI-среде без AWS-аккаунта и деплоя. Эмулятор принимает стандартные вызовы SDK и CLI и отвечает на них за миллисекунды.

DeepSeek-V4-Pro, V4-Flash и V4.1-Flash появились в Amazon SageMaker JumpStart
Amazon SageMaker JumpStart пополнился тремя моделями DeepSeek: флагманской V4-Pro, экономичной V4-Flash и мультимодальной V4.1-Flash с архитектурой CED. Все три распространяются под лицензией MIT и поддерживают контекстное окно в 1 млн токенов.

Amazon S3 Tables получили поддержку серверного журналирования доступа
Amazon S3 Tables теперь поддерживают серверное журналирование доступа: детальные записи о запросах к табличным бакетам помогают отслеживать операции с таблицами, управление пространствами имён и доступ к данным для аудита безопасности, анализа доступа и распределения затрат.

Google открыла доступ к Gemini 4 Carbon для разработчиков
Google запустила Gemini 4 Carbon — модель с заявленными возможностями в кибербезопасности и длительных агентных рабочих процессах. Доступ открыт через платный уровень API.

Amazon S3 Access Grants научился перечислять гранты сразу по нескольким AWS-аккаунтам
Amazon S3 Access Grants получил поддержку кросс-аккаунтного листинга: один вызов ListCallerAccessGrants возвращает гранты из всех инстансов, расшаренных через AWS RAM, без необходимости опрашивать каждый аккаунт отдельно.

Google Maps Platform теперь доступна в AI Studio
Google добавила поддержку Maps Platform в AI Studio: разработчик описывает идею, Gemini генерирует код, а студия автоматически подключает ключ API и показывает живой интерактивный превью.

AWS выпустила open-source UI для графовой аналитики поверх data lake
AWS представила open-source решение с локальным веб-интерфейсом, которое позволяет превращать записи из data lake в графы для анализа в Amazon Neptune Analytics — без ручной сборки ETL-пайплайнов.