Open-source в России: кто лидирует и куда движется рынок

Методология исследования

Мы составили лонглист крупнейших компаний, развивающих open-source, на основе публичных рейтингов и отраслевых обзоров. Затем — проанализировали их активность в репозиториях, распределив учетные записи на категории. После этого мы составили рейтинги компаний по четырем метрикам:

• число проектов,
• stars (оценки пользователей – отражает вовлеченность сообщества),
• forks (копии проектов, созданные другими пользователями – тоже отражает вовлеченность аудитории),
• commits (изменения в коде – говорит о вовлеченности компаний в развитие своих решений).

Помимо GitHub и GitLab мы анализировали проекты на Hugging Face, где лидирующие компании публикуют модели и датасеты. Однако при сравнении мы учитывали специфику площадки: лайки и количество проектов суммировались с данными других хостингов, а число скачиваний не приравнивалось к коммитам или другим метрикам вовлеченности.

Дополнительно мы направили запросы компаниям, чтобы уточнить число поддерживаемых ими open-source-проектов и поговорить о трендах в отрасли.

Главные игроки на рынке open-source

Лидер на рынке компаний, публикующих open-source-решения, — «Яндекс». Он опубликовал 650 решений, набравшие 978 тысяч коммитов. Его проекты получили более 80 тысяч звезд и 15 тысяч форков. При этом в компании оценили примерное число своих open-source-проектов в 1 100. 

Рейтинг самых популярных проектов «Яндекса» по звездам возглавляют не коммерческие продукты, а образовательные инициативы.

Топ-3 решений (по количеству звезд):

1. YSDA nlp_cours — курс по обработке естественного языка (Natural Language Processing, NLP). 10,2 тысячи звезд.
2. gixy — анализатор конфигураций Nginx, сервера, который показывает сайты в интернете. 8,4 тысячи звезд.
3. Practical_RL — бесплатный курс по обучению с подкреплением (Reinforcement Learning), созданный Школой анализа данных от «Яндекса». 6,9 тысяч звезд.

«Яндекс» развивает open-source-решения, потому что это расширяет экспертизу команды, укрепляет ее репутацию и развивает IT-экосистему, сообщили в компании. 

 

«Яркий пример —  модель YandexGPT 5 Lite Pretrain, на основе которой сообщество создало десятки дообученных инструментов, доступных на Hugging Face. Без подобных примеров открытости и сотрудничества развитие в нашей индустрии шло бы гораздо медленнее», — отметил Сергей Бережной, директор по взаимодействию с разработчиками  «Яндекса». 

Второе место у VK Tech, развивающей Tarantool — платформу для создания систем управления базами данных. Компания создала 423 решения (вместе с mail.ru), которые собрали 270 тысяч коммитов. Пользователи поставили им 27 тысяч звезд и сделали 4,9 тысячи форков. 

Топ-3 решений (по количеству звезд):

1. easyjson — библиотека для сверхбыстрого преобразования данных в формате JSON для языка Go. 4,7 тысяч звезд.

2. FileAPI — набор инструментов для работы с файлами в браузере. 3,7 тысяч звезд.
3. tarantool / tarantool —  ин-мемори база данных и платформа для приложений. Данные хранятся в RAM, что обеспечивает высокую скорость работы. Поддерживает язык Lua. 3,6 тысяч звезд.

В компании сообщили, что через развитие open-source VK Tech показывает будущим клиентам свои технологии без ограничений.  После этого пользователи могут прийти за платными консультациями и поддержкой. Например, благодаря open-source несколько клиентов уже перешли на коммерческие продукты на базе Tarantool. 

Третье место заняла группа «Т-Технологии»: у компании 205 проектов, которые суммарно набрали более 11 тысяч звезд, 157 тысяч коммитов и 1,8 тысяч форков. Наиболее популярные репозитории «Т-Технологий» по числу звезд — это ИИ-проекты. 

Топ-3 решений (по количеству звезд):

1. CORL (AI) — сборник простых и качественных реализаций методов обучения с подкреплением (Reinforcement Learning) в одном файле.
2. ETNA (AI) — библиотека для анализа и прогнозирования временных рядов (time series), например, продаж, трафика, кликов.
3. career — открытые материалы о внутренней кухне компании Т-Банка: процессы, вакансии, советы по найму.

В «Т-Технологиях» считают, что развитие решений с открытым кодом, с одной стороны, вносит вклад в улучшение IT-культуры, с другой —  приносит прибыль из-за возможности монетизации. 

Важно отметить, что ряд популярных open-source-решений «Яндекса», VK и Т-Банка —  это форки больших глобальных проектов: например, доработанная версия QEMU от «Яндекса», форк Docker от Yandex Cloud. Это говорит о том, что компании активно используют и адаптируют для своих внутренних нужд крупнейшие мировые open-source-проекты.

Тренды и вызовы российского open-source

Рост интереса к open-source ИИ в России: от GitHub до Hugging Face

Наиболее активное развитие open-source-решений идет в ИИ и машинном обучении, считает Вячеслав Богаткин, гендиректор студии разработки AppFox. 

 

«С открытием локальных LLM-моделей и библиотек интерес к этой сфере стремительно растет: здесь open-source особенно важен, потому что дает возможность быстро тестировать гипотезы и масштабировать эксперименты»,— отмечает эксперт.

По нашим подсчетам, крупнейшие российские компании разместили 157 open-source-решений в области ИИ на ML на Github и Gitlab, а также 45 моделей на Hugging Face. И хотя это все еще небольшая доля рынка, интерес к этой области за последние года сильно вырос: как подсчитали аналитики ICT.Moscow, почти 70% российских open-source-решений для ИИ было создано за последние два года. 

И этот тренд сохраняется: по нашим данным, за неполный 2025 год российские компании выложили на Hugging Face 20 моделей — в 1,5 раза больше, чем за весь 2024-й.

 

 

 

«Многие команды создают open-source-библиотеки для обучения и валидации моделей, адаптированные под российскую специфику и доступные мощности», — говорит Елена Титова, генеральный директор компании Stellar.

На профильной платформе Hugging Face, ориентированной на решения в области машинного обучения (ML) и искусственного интеллекта (ИИ), по числу моделей лидирует «Т-Технологии» (19). Больше всего моделей, входящих в топ-10 решений на Hugging Face по скачиваемости (5 моделей из 10), принадлежат этой компании. 

Компания вкладывается в модели генерации и восприятия речи. Ее модель T-one, предназначенная для автоматического распознавания речи (ASR), оптимизированная для производительности (ONNX) и потоковой обработки аудио (streaming), — вторая по скачиваемости на Hugging Face. Модель скачали 132 тысячи раз.

Другие модели — большие языковые модели семейства Gen-T: T-lite, T-pro, T-pro 2.0 — дообученные на базе Qwen модели для генерации текста (text-generation) и разных вычислительных мощностей (FP8). 

Модель ruDialoGPT-small относится к семейству DialoGPT и предназначена для генерации диалогов на русском языке. Она меньше по масштабу и предназначена для конкретных бизнес‑задач, например, для контроля качества чатов.

На втором месте — VK (16). Компании принадлежит модель deepVK/USER-bge-m3, набравшая 2,1 миллиона скачиваний. Это универсальный энкодер предложений, создающий 1024‑размерные векторы, который востребован в задачах поиска и рекомендации. Модель использует архитектуру XLM-RoBERTa, хорошо подходящую для многоязычных задач.

Другие модели компании — deepVK/USER-base и deepVK/bert-base-uncased — относятся к BERT-подобным и предназначены для задачи предсказания пропущенных слов в тексте (fill-mask).

Замыкает топ-3 на Hugging Face компания «Яндекс» с 10 моделями на Hugging Face. В топ-10 входит лишь одна крупная языковая модель, адаптированная для русского и английского языков (ru, en): YandexGPT-5-Lite-8B-instruct, которая набрала 37 тысяч скачиваний.

«Яндексу» важно демонстрировать конкурентоспособность своих моделей с международными аналогами: в описании Instruct‑версии подчеркивается, что модель сопоставима с Llama‑3‑8B и Qwen‑2.5‑7B по бенчмаркам.

При этом «Яндекс» удерживает лидерство по датасетам на площадке. Его датасет «Яндекс»/yambda собрал 83 416 скачиваний и 201 лайк, что делает его самым заметным проектом в списке. Второй датасет «Яндекса» — «Яндекс»/alchemist — значительно меньше: 2 695 скачиваний и 45 лайков.

Но большинство датасетов в топ-10 по скачиваемости принадлежат VK. Самый заметный датасет VK — NonverbalTTS, предназначенный для задач синтеза речи. Его скачали 3 699 раз и поставили 47 лайков. 

Другие проекты компании: MMBench-ru (15 096 скачиваний, 6 лайков), образовательный cultura_ru_edu (3 498 скачиваний, 11 лайков), GQA-ru (2 408 скачиваний, 5 лайков), goat (1 842 скачивания, 3 лайка), ru-HNP (1 630 скачиваний, 7 лайков) и ru-WANLI (1 172 скачивания, 7 лайков).

T-tech выкладывает проекты для практических задач. Самый крупный из них — T-Wix, с 1 161 скачиванием и 26 лайками.

Итак, крупные технологические компании активно развивают open‑source‑ИИ, но по‑разному. Т-Банк делает модели для практических задач: распознавания речи (T-one) и генерации текста на русском языке (T-pro и T-lite). Их модели помогают бизнесу и клиентам и адаптированы под разные мощности.

«Яндекс» выпускает большие языковые модели и версии для обучения с подсказками (instruct). Они интересны исследователям и специалистам, но в целом пользуются меньшей популярностью среди обычных пользователей.

VK сосредоточен на базовых инструментах ИИ: энкодерах текста, классификаторах и переводчиках. Компания выпускает большое количество моделей с открытой лицензией, что, судя по скачиваниям, делает их востребованным поставщиком в сообществе. 

Backend и Web: ядро отечественного open-source

Несмотря на растущий интерес к ИИ, наибольшее число open-source-решений российских компаний по-прежнему сосредоточены в категориях Backend и Web, что говорит о сильной ориентации на разработку серверной логики и веб-приложений.

Сегмент Backend (624 проекта) — лидер по количеству решений. Это значит, что большинство open-source-проектов создаются для серверной части приложений, работы с базами данных, API и обработки данных.

Это подтверждают и другие исследования: по данным Института изучения мировых рынков (ИИМР), системы управления базами данных (СУБД) и операционные системы — одни из ключевых сегментов, где бизнес использует продукты open-source.

По словам Александра Морочко, заведующего сектором «Проектирование и обучение БПЛА» МТУСИ, решения в области инфраструктурного ПО, в том числе операционные системы (РЕД ОС, Astra Linux), а также системы управления базами данных (PostgresPro, Arenadata), занимают 60% рынка.

 

 

«Мы и сами в проектах используем open-source СУБД, что позволяет клиентам избежать лицензий и быстрее встраивать решения», — говорит Вячеслав Богаткин, гендиректор студии разработки AppFox.

На втором месте —  web-разработка (414 проектов), особенно фронтенд: TypeScript, Vue/Nuxt, Astro. «Это объясняется как зрелостью сообщества, так и постоянной потребностью в UI-решениях под кастомные бизнес-задачи»,— отмечает Богаткин.

Мобильных open-source-решений не так много (168): упор компании делают на Android (113 проектов), тогда как iOS занимает меньшую долю рынка (55 проектов). 

Инфраструктурных и облачных проектов тоже немного (DevOps — 84 проекта, Cloud — 19). Проектов по информационной безопасности совсем мало (13), что указывает на нишевость этой области.

Языки: ставка на надежный веб и ИИ

Лидерство TypeScript (192 репозитория) и высокая позиция JavaScript (150 репозиториев) говорят о зрелости веб-экосистемы российского open-source. Проекты становятся сложнее и требуют большей надежности, чем может предложить классический JS. Строгая типизация TypeScript помогает командам создавать более качественный и поддерживаемый код, что критически важно для крупных open-source-инициатив. 

Высокая популярность Python (189 репозиториев) и Go (162 репозитория) отражает стратегическую ставку на создание высоконагруженных, облачных и инфраструктурных решений.

Python — лидер в сфере искусственного интеллекта, машинного обучения и анализа данных. Его доминирование напрямую связано с глобальным бумом ИИ, и российские компании вносят свой вклад в эту область.

Go (Golang) выбирают за производительность, простоту развертывания и эффективную работу с параллельными задачами. Это идеальный инструмент для микросервисов, DevOps-утилит и облачной инфраструктуры — всего того, что работает «под капотом» и обеспечивает стабильность сервисов.

На этом фоне сохраняют свои позиции и более традиционные языки:

• C — 127 репозиториев. Его выбирают для низкоуровневых задач и операционных систем.
• C++ — 65 репозиториев, а Ruby — 58. Эти два языка входят в топ-10: C++ нужен для высокопроизводительных систем, Ruby — для веб-приложений.
• Java держится на уровне 86 репозиториев — его используют в основном для корпоративных решений.
• Язык Lua (74 репозитория) популярен благодаря Tarantool и Yandex, которые активно внедряют его в свои продукты.

Самые популярные проекты (по количеству звезд)

1. Gixy — проект «Яндекса» на языке Python в сфере DevOps. Ищет потенциальные ошибки и уязвимости в конфигурационных файлах Nginx. 8,4 тысячи звезд и 430 форков.
2. Evrone / go-clean-template — это готовый шаблон для написания сервисов на языке Go по принципам чистой архитектуры.

6,9 тысяч звезд и 595 форков.

1. Mail.ru / easyjson — библиотека для Go, которая ускоряет работу с JSON — форматом, в котором обмениваются данными почти все современные сервисы. 

4,7 тысяч звезд и 469 форков.

1. YDB Platform / YDB — распределенная SQL-база данных от «Яндекса», которая умеет работать на тысячах серверов и хранить огромные объемы данных. 

4,5 тысячи звезд и 701 форк.

1. YaLM-100B — AI/ML проект «Яндекса», написанный на Python. Это крупная языковая модель, которая отвечает за способность обучаться и генерировать тексты, понимать контекст, выполнять задачи на естественном языке аналогично GPT-3 от OpenAI. 

3,7 тысяч звезд и 297 форков.

«Старожилы» open-source 

Анализ 10 самых «долгоиграющих» проектов показывает устойчивость и зрелость российской open-source-экосистемы. Средняя продолжительность активного развития самых старых репозиториев превышает 13 лет.

Большинство долгоживущих проектов относятся к backend-разработке (6 из 10).

1. Django Replicated (Yandex)
Проект с наибольшей длительностью развития — более 5 081 дня (13,9 лет). Представляет собой библиотеку на Python для управления репликами в Django-приложениях. Это говорит о стабильном спросе на масштабируемые веб-сервисы.

2. Tarantool (VK Group)
База данных Tarantool существует уже более 13,8 лет. Это решение на Lua для высоконагруженных систем, которое продолжает активно использоваться в крупных сервисах, что подтверждает ценность нишевых СУБД в российской экосистеме open-source.

3. Pire (Yandex)
Компактная и быстрая реализация регулярных выражений на C++ разрабатывается более 13,7 лет. Такой срок жизни демонстрирует долгосрочную потребность в низкоуровневых оптимизированных инструментах.

4. FastXDM (VK)
JavaScript-библиотека для обмена сообщениями между окнами браузера — более 13,7 лет развития. Это указывает на важность UI-коммуникаций.

5. NwSMTP (Yandex)

SMTP-сервер на Shell, оптимизированный для UNIX-систем. Этот проект подтверждает долгосрочную потребность в собственных почтовых решениях у крупных компаний. Длительность развития 5 019 дней — 13,7 лет.  

Другие проекты
В топ-10 входят также фронтенд-инструменты (FileAPI), библиотеки для тестирования и работы с базами данных (nosqlbench). Evrone Inboxes на Ruby — единственный проект от не-гиганта, который вошел в топ-10 «долгоиграющих» open-source-решений. Эта библиотека представляет собой паттерн Inboxes для управления входящими сообщениями (event-driven архитектура). То есть нишевые open-source-продукты могут жить долго, если решают узкую задачу.

Адаптация к санкциям

Последние три года число новых проектов в сфере open-source сокращалось. В 2024 году число репозиториев российских компаний почти опустилось на уровень 2018-го: за прошлый год были выложены в открытый доступ 147 решений, на 30% меньше, чем в досанкционном 2021 году.

Одна из причин — запрет на доступ к зарубежным хостингам для части компаний. Сбер, Альфа-банк, Т-Банк и другие крупнейшие российские компании ограничили в доступе к крупнейшим open-source-платформам, включая GitHub. 

После этого многие разработчики стали размещать свои проекты на других платформах — GitLab, Gitea, отечественных репозиторных хостингах или даже на собственных серверах. Активизировались попытки развития локальных аналогов и инициатив по импортозамещению. 

В «Яндексе» особенно перспективным в последние годы считают «развитие экосистемы взаимосвязанных опенсорс-проектов, которые переиспользуют друг друга вместо разработки с нуля». Отчасти это тоже могло сказаться на сокращении количества новых open-source-решений в последние годы. 

Что это значит? Например, у компании есть библиотека для машинного обучения. Вместо того чтобы заново писать алгоритмы градиентного бустинга, новые инструменты могут использовать эту библиотеку для своей работы.

Несмотря на все сложности, российское open-source-сообщество остается одним из крупнейших в мире: по данным GitHub Octoverse 2024, оно выросло на 21% за год и сейчас занимает шестое место в мире.

Новые подходы и тенденции 

С увеличением числа российских аналогов популярных зарубежных хостингов (GitHub, GitLab и т.п.) государство все больше обращает внимание на эту сферу и старается ее регулировать. 

Еще в 2020 году Минцифры готовило национальный репозиторий открытого кода. Но к концу 2024 года ведомство решило не ограничиваться этим, а разработать единые правила и концепцию регулирования всех таких проектов, чтобы системно управлять использованием и развитием open-source в России. «Государство все чаще выбирает open-source вместо западных вендоров (зарубежного ПО.— прим. редакции). Это путь к технологической независимости», — говорит Александр Злобин из компании TeamIdea.

Стремление к цифровому суверенитету, продиктованное государством, находит отклик и в бизнес-среде, где компании также стремятся снизить зависимость от иностранных поставщиков с помощью open-source.

 

 

«Мы видим, как растет спрос на команды, способные работать с open-source-стеком: бизнесу важно адаптировать решения под себя, снижать зависимость от проприетарного ПО и при этом иметь гибкость доработки», — отмечает Елена Титова, генеральный директор компании Stellar.

Кроме того, сейчас использование open-source для российских компаний стало частью стратегического планирования: игроки осознанно выбирают, какие библиотеки и инструменты использовать, и строят на них свои продукты и инфраструктуру, чтобы снизить зависимость от импортных технологий. 

«Один из ключевых трендов — это смещение фокуса с локальных инициатив на более зрелые, инфраструктурные проекты, в том числе в сферах ИИ, системной инженерии и DevOps-инструментария», — говорит Елена Титова. Если раньше к таким решениям подходили по остаточному принципу, то сейчас они стали частью «полноценной стратегии импортонезависимости», считает Вячеслав Богаткин, генеральный директор студии разработки AppFox.

Набирает обороты модель Commercial Open-Source Software (COSS) — когда продукт строится на базе открытого кода, но при этом компания предлагает к нему платную поддержку, гарантии и сервис на уровне корпоративного софта (SLA — соглашение об уровне услуг), говорит Вячеслав Богаткин. В этом случае клиент получает гибкость и прозрачность open-source вместе с надежностью и поддержкой компаний, как у привычных коммерческих решений.

Для компаний все еще важны традиционные преимущества open-source

Развитие open-source часто рассматривается компаниями как инструмент для найма и укрепления HR-бренда в IT-среде. В Т-Банке отмечают, что разработчикам важна возможность вносить вклад в развитие open-source-движения, а в VK подтверждают: публикация решений действительно помогает привлекать квалифицированных кандидатов.

 

 

«Пользователи могут внести контрибуции в проект, и при условии хорошего качества предложенного кода мы можем рассмотреть их кандидатуры на открытые вакансии. За последние два года мы наняли таким образом несколько успешных кандидатов», — рассказал Сергей Останевич, руководитель разработки платформы «Тарантул». 

С другой стороны, открытые решения работают на бренд. «Бизнес выигрывает от переиспользования и доработок со стороны сообщества. Это улучшает инженерные практики и усиливает IT-бренд», — отмечает Максим Коробов, Т-Банк. Кроме того, это помогает сотрудникам расти профессионально, участвовать в глобальных проектах и повышать личную узнаваемость в индустрии, добавляет эксперт.

Главные проблемы отечественного рынка open-source-решений

Одна из главных проблем на рынке открытых решений сегодня — правовая и лицензионная неопределенность. Существующие лицензии не всегда защищают автора кода, если кто-то использует его наработки в облачных сервисах без разрешения, отмечают в Т-Банке. Решить эту проблему могло бы создание национального консорциума с едиными правами и лицензиями.

Кроме того, интересы компаний и отдельных разработчиков часто не совпадают — в этих условиях нужна независимая платформа с прозрачными правами, говорят в Т-Банке.  

Шаги в этом направлении уже предпринимаются: в 2024 году была разработана отечественная лицензия GitVerse. Это MIT-лицензия, адаптированная в соответствии с российским законодательством.

И хотя после введения санкций и ограничения доступа к Github игроки перешли на другие платформы, хороших альтернатив пока нет. «После санкций GitHub стал менее доступен. Пока не хватает зрелых локальных альтернатив», — считает Александр Морочко из МТУСИ.

Еще одна проблема — безопасность. «В корпоративном сегменте важна проверка кода и сертификация, и пока что не все open-source-решения соответствуют требованиям безопасности или интегрируемости», — подчеркивает  Вячеслав Богаткин, генеральный директор AppFox.

Эксперты также указывают на риск технологического отставания. В 2024 году 11 российских разработчиков исключили из сообщества Linux, отмечает Александр Морочко. Из-за этого стоимость поддержки решений может вырасти на 15–20%. «Для успеха необходимы “лакмусовые кейсы” в государственном секторе, демонстрирующие надежность ПО с открытым исходным кодом при высоких нагрузках, чтобы преодолеть скептицизм бизнеса», — говорит эксперт.

Сдерживает развитие рынка дефицит квалифицированных кадров. «Разработка и поддержка качественного open-source требуют времени, команды и грамотного менеджмента», — говорит Вячеслав Богаткин. По словам Александра Морочко, 75% компаний не хватает специалистов по ключевым технологиям (Linux, СУБД). Это подтверждают многие участники отрасли: в опросе TAdviser за июнь 2025 года именно кадровый дефицит был назван одним из главных барьеров для развития открытого ПО в стране.

Глобальная проблема на рынке open-source — непредсказуемость затрат на поддержку решений и долгий цикл закупки нового оборудования, подчеркивает Михаил Макагонов, руководитель проектов в области BI компании BeringPro. Решить это могли бы в том числе налоговые льготы для компаний, участвующих в развитии open-source-решений. 

 

 

Другая сложность — отсутствие зрелых моделей монетизации. «Многие разработчики сталкиваются с тем, что open-source-продукт востребован, но не приносит доход»,— подчеркивает Вячеслав Богаткин.

Планы и прогнозы на рынке open-source 

В ближайшие годы российский рынок open-source трансформируется в ключевой элемент стратегии технологического суверенитета. Эксперты прогнозируют смещение фокуса на гибридные и коммерческие модели, а также усиление роли государства на рынке.

Наибольшая активность в развитии open-source ожидается в двух ключевых направлениях: искусственный интеллект и инфраструктурное ПО. По мнению Александра Морочко, в ближайшие годы можно ожидать появления «более 40 новых инструментов для искусственного интеллекта». Одновременно, как подчеркивает Денис Тюменцев, ведущий DevOps инженер в Integro Technologies, важным сегментом останутся облачные технологии, DevOps и инфраструктура, что связано с потребностью в суверенных ИТ-решениях.

Интерес бизнеса и государства к open-source будет расти. Государственные структуры видят в open-source стратегический инструмент цифрового суверенитета. Компании же заинтересованы в адаптации решений под свои процессы, снижении зависимости от иностранных вендоров и гибкой интеграции OSS в корпоративные архитектуры. 

По данным опроса «Сколково», «ВЭБ.РФ» и «АксТим», в 2026 году 92% российских компаний будут использовать решения на базе open-source. 

По мнению экспертов, в будущем в России также появятся национальные стандарты качества и безопасности open-source-решений, что будет драйвером для дальнейшего масштабного внедрения в крупных компаниях и госструктурах.

Чистый энтузиазм на рынке open-source уступит место прагматичным бизнес-моделям. «В open-source все больше придет бизнес-логика: разработчики будут не просто выкладывать код, а выстраивать вокруг него продукты и поддержку», — говорит Вячеслав Богаткин, гендиректор студии AppFox.

Эту точку зрения разделяет Александр Морочко из МТУСИ, называя рост COSS-модели, где доход open-source-решений формируется за счет их технического сопровождения и дополнительных услуг, ключевым трендом. По его прогнозу, к 2025 году «доля ПО с открытым исходным кодом в корпоративном секторе достигнет 90%, включая гибридные решения». Исследования подтверждают этот прогноз: по данным Института изучения мировых рынков, через два года две трети ПО в корпоративном сегменте РФ будут основаны на open-source.

Эксперты также прогнозируют, что компании начнут выстраивать системное взаимодействие с сообществами open-source, рассматривать открытые технологии как часть стратегии цифровой устойчивости и гибридного построения инфраструктуры. К 2025–2026 годам в России появятся устойчивые центры экспертизы, работающие на стыке индустрии, науки и open-source-сообществ, говорит Елена Титова, генеральный директор компании Stellar.