Пока одни спорят, можно ли работать с ИИ из России, другие уже настроили Claude локально и спокойно выдают код в офлайне. Разница только в подходе: кто-то тратит вечер на настройку, кто-то платит за готовое решение 149 рублей. Покажу оба пути, с цифрами и подводными камнями.
Что такое Claude Code и почему все хотят его локально
Claude Code - это терминальная обвязка вокруг моделей Anthropic. Вы запускаете команду claude в папке проекта и получаете ИИ-ассистента, который читает код, анализирует файлы, предлагает правки и даже выполняет shell-команды. Если вы работали с GitHub Copilot, готовьтесь к другому уровню: Claude Code держит в голове весь проект целиком, а не один файл.
Локальная установка означает, что модель запускается на вашем железе, а не на серверах Anthropic. Вы работаете полностью офлайн, данные не уходят за пределы машины, зависимость от доступности API равна нулю. Можно подключить любую открытую модель: Qwen, Llama, Mistral, что угодно.
Есть нюанс. Claude Code изначально жёстко завязан на Anthropic API. Он отправляет запросы только в их формате. Поэтому задача не просто установить инструмент, а научить его говорить с локальными моделями через прокси. Ниже разбираю три сценария: базовый на Mac, Windows через PowerShell и полностью офлайн для самолёта.
Установка на Mac и Linux
Откройте терминал и выполните npm install -g @anthropic-ai/claude-code. Проверьте командой claude. При первом запуске попросит API-ключ Anthropic, но потом мы перенаправим его на локальную модель, так что не пугайтесь.
Но этот способ официально устарел. Anthropic уже не рекомендует npm-установку, на сайте claude.ai можно скачать нативный установщик. На Mac это просто приложение, которое перетаскиваете в Applications. На Linux либо скачиваете бинарник, либо используете npm, если привыкли к старому методу.
Требования к железу: Mac на Apple Silicon M1 или новее. Linux и Windows через WSL2 тоже работают, но там свои мелочи. Память: минимум 16 ГБ unified memory. Для серьёзных моделей берите 32 ГБ. На старом Intel Mac локальные модели будут мучительно медленными.
Установка на Windows
Самый простой способ на Windows - нативный установщик. Откройте PowerShell версии 5.1 или выше, права администратора не понадобятся, и запустите официальный скрипт:
Set-ExecutionPolicy Bypass -Scope Process; iex (irm https://claude.ai/install.ps1)
Установщик сам скачает Claude Code и пропишет пути. После установки обязательно закройте терминал и откройте новый. Иначе PATH не обновится, и команда claude просто не найдётся. Ошибка claude is not recognized появляется у каждого второго, и причина почти всегда в этом. У меня настройка заняла 15 минут, включая скачивание.
Дополнительно нужен Git Bash. Если Git на машине не установлен, установщик сам предложит его скачать. Git for Windows поставляется вместе с Git Bash, так что установка Git решает проблему.
Если после перезапуска команда всё ещё не находится, проверьте переменные среды. В PATH должна присутствовать папка C:\Users\ВашеИмя\.local\bin. Добавьте её вручную через Система, Дополнительные параметры, Переменные среды, если её там нет.
Локальные модели через Ollama и LiteLLM
Теперь самое интересное. Чтобы Claude Code работал с локальной моделью, нужен мост между его форматом запросов и вашим локальным сервером. На Reddit практикующие разработчики отмечают, что связка Ollama и LiteLLM - самый надёжный способ заставить Claude Code работать с локальными моделями. Схема проверена годами.
Сначала поставьте Ollama с официального сайта. Потом вытяните модель. Для программирования хорошо показывает себя qwen2.5-coder:14b: она держит большой контекст и нормально генерирует код. Можно взять и другие: Llama 3.1 8B, Mistral 7B, что у вас под рукой.
Запустите сервер: ollama serve. В отдельном терминале: ollama pull qwen2.5-coder:14b. Если модель уже скачана, команда ничего не сделает.
Дальше LiteLLM. Это прокси, который переводит Anthropic-формат запросов в OpenAI-совместимый API и шлёт их в Ollama. Можно запустить через Docker для чистоты, можно как python-скрипт. Мне удобнее второй вариант.
Создайте папку litellm и внутри неё файл config.yaml. Пропишите модель, которая будет отвечать на запросы Claude Code: имя в Anthropic-формате, например claude-3.5-sonnet, параметры указывают на локальную модель qwen2.5-coder:14b через api_base http://localhost:11434. В .env файле добавьте ключ LITELLM_MASTER_KEY="sk-1234", это произвольная строка для аутентификации.
Запустите LiteLLM, и ваш Claude Code уже разговаривает с локальной Qwen. Модель меняется простым редактированием YAML, пересобирать ничего не нужно.
Как проверить, что всё работает
Перейдите в проект, запустите claude, внутри интерфейса наберите /model. Если там видна ваша кастомная модель, всё работает. Попросите написать функцию сортировки на Python и посмотрите на ответ. Если ответа нет, проверяйте, что LiteLLM запущен и Ollama слушает порт 11434.
Есть проверка для полного офлайна. Убедитесь, что ollama serve работает, потом выключите Wi-Fi полностью. Не просто отключитесь от сети, а именно выключите модуль Wi-Fi. Запустите claude и посмотрите, отвечает ли он. Если отвечает, можно брать ноутбук в самолёт.
Проверяйте до посадки, в небе исправлять ошибки негде.
Для любителей VS Code есть расширение Claude Code. В settings.json можно прописать переменные окружения под terminal.integrated.env, и всё будет работать из любимой IDE.
Проблема для России и варианты решения
Теперь о главной боли российских пользователей. Anthropic официально не работает с российскими IP и картами. Оформить API-ключ невозможно, платежи блокируются, а без ключа Claude Code не запускается. Даже если ключ каким-то чудом получен, Anthropic периодически режет доступ по геолокации.
Первый вариант: зарубежный VPS. Берёте сервер за рубежом, достаточно 2 ГБ RAM и двух ядер CPU для старта, устанавливаете Claude Code там. Подключаетесь через VS Code Remote SSH, и всё работает как будто локально. Минус: код лежит на сервере, и нужны ежемесячные платежи за VPS.
Второй вариант проще, и я в итоге остановился на нём. 3GPT от 3SELLER даёт прямой доступ из России к последним флагманским моделям нейросетей. Без иностранных карт, без VPN, без настройки прокси. Оплата российской картой, через СБП или криптой, цена от 149 рублей.
Внутри есть всё, что нужно: Claude Fable 5 и свежий Claude Fable 5.1, мощный Claude Opus 5.5, Chat GPT 6 Astra, Chat GPT 5.5 и даже Chat GPT 6.1 Sol. Для изображений - Nano Banana, ещё можно генерировать видео и голос.
Готовые ИИ-агенты в 3GPT
Отдельная фишка сервиса, которую мало кто знает. На странице 3seller.com/ai/agents есть готовые ИИ-агенты под конкретные задачи. Выбираете агента, например для написания продающих текстов или генерации изображений, и просто общаетесь в чате. Модель агента можно сменить прямо в чате, переключиться с Claude на GPT и обратно.
Для предпринимателей и разработчиков это экономия часов. Не нужно собирать пайплайн из пяти сервисов, достаточно выбрать агента, который уже знает, как решать ваш класс задач.
Типичные ошибки и как их обходить
Со временем у меня накопился список граблей, на которые наступают почти все.
claude is not recognized на Windows. Закройте терминал и откройте новый. Не помогло? Проверьте PATH, туда должна попасть папка .local\bin.
Модель отвечает медленно. Классика для qwen2.5-coder:14b на слабом железе. Либо берите модель поменьше, например 7b, либо апгрейдите память. 16 ГБ - минимум, 32 ГБ - комфорт.
LiteLLM не видит Ollama. Проверьте, что ollama serve точно запущен и слушает localhost:11434. Почти всегда проблема в том, что сервер забыли запустить.
Claude Code требует Anthropic ключ. Это нормально при первом запуске. Перенаправьте его через LiteLLM, как описано выше, и всё устаканится.
Неправильный формат JSON от модели. Некоторые локальные модели возвращают ответы в формате, который Claude Code не ожидает. Решается сменой модели или настройкой параметров в конфиге LiteLLM.
Если возиться не хочется, зайдите на 3seller.com/3gpt, создайте аккаунт, пополните баланс и вперёд. Установка занимает пять минут, а не два вечера.
Локально или через сервис: что выбрать
Локальная установка Claude оправдана, если нужен офлайн, полный контроль над данными и использование открытых моделей. Плюс это отличная тренировка понимания архитектуры LLM. Настроил один раз - дальше просто пользуешься.
Для повседневной работы, особенно в России, облачный сервис 3GPT даёт больше. Флагманские модели без задержек, генерация картинок и видео, готовые агенты. Никаких прокси, никаких блокировок, никакой возни с конфигами.
Совет простой: попробуйте оба подхода. Локальную установку - для экспериментов, а для рабочих задач - сервис. Не нужно выбрасывать вечера на настройку, если есть готовое решение за 149 рублей.
Лучший способ понять, что подходит именно вам, - начать с 3GPT и увидеть, как работают флагманские модели без задержек. Если потом захотите поэкспериментировать с открытыми моделями, вернитесь к этой инструкции - она никуда не денется.