Тот же продукт внутри вашего периметра. Тот же движок, тот же поиск, тот же MCP. Подключите свою LLM и свой Git-сервер.
Если код не может покидать сеть — из-за регулятора, IP или своей службы безопасности — облачный продукт отпадает сразу. Self-hosted — тот же продукт, но на вашем железе.
Из вашего VPC не уходит ничего. Никогда.
Исходники остаются там, где ключи — у вас.
Никаких новых вендоров и согласований через исключения.
Self-hosted поставляется тем же бинарём, что и облако. Ниже — исчерпывающая матрица.
Полный Context Engine
Мультирепозиторный анализ
Code Review Agent
Deep Research
MCP-сервер
API-доступ
Граф знаний GraphRAG
Инкрементальная индексация
Совместная работа команды
RBAC и права доступа
Изоляция тенантов (привязка KEK на уровне организации)
Шифрование в покое (envelope AES-256-GCM)
Поддержка своей LLM
SSO / SAML
Контроль локализации данных
Один — чтобы быстро попробовать, другой — для продакшена под нагрузкой.
Развёртывание на одной ноде для небольших команд.
Запуск за час на одной ноде.
Горизонтально масштабируемое высокодоступное развёртывание.
HA, автоскейлинг, тысячи репозиториев.
Все развёртывания включают автоматический бэкап, эндпоинты для мониторинга и health-чеки. Контейнерные образы тянутся из нашего приватного registry (или вашего зеркала).
Поиск делает основную работу — модель класса 70B с открытыми весами справляется с большинством запросов. Кластер из H100 не нужен.
Почти всё, что делает frontier-модель «умной» на коде, — это контекст. Мы его поставляем, вы берёте модель под свой GPU-бюджет.
Эти проверены. Любая OpenAI-совместимая тоже подойдёт.
| Модель | Комментарий |
|---|---|
| gpt-oss-120b | Открытая модель от OpenAI; сильный универсал для кода и рассуждений |
| GLM 5.1 | Флагман Zhipu AI; длинный контекст, силён в понимании кода |
| Kimi 2.6 | Агентная модель Moonshot; большое контекстное окно |
| DeepSeek V4 | MoE-флагман DeepSeek; силён в задачах с кодом |
| Qwen 3 Coder | Длинноконтекстная coder-модель Alibaba |
gpt-oss-120b
Открытая модель от OpenAI; сильный универсал для кода и рассуждений
GLM 5.1
Флагман Zhipu AI; длинный контекст, силён в понимании кода
Kimi 2.6
Агентная модель Moonshot; большое контекстное окно
DeepSeek V4
MoE-флагман DeepSeek; силён в задачах с кодом
Qwen 3 Coder
Длинноконтекстная coder-модель Alibaba
Требования к железу зависят от выбранной модели и квантизации. Берите модель под тот GPU-бюджет, который у вас уже есть. Поиск CodeAlive позволяет модели поменьше работать так, словно у неё контекст модели побольше.
Для гибридных развёртываний.
CodeAlive работает с любым OpenAI-совместимым API — vLLM, Ollama, TGI, LocalAI, SGLang и большинство внутренних LLM-шлюзов. Прописываете адрес inference-стека, добавляете API-ключ — готово.
Модель поменьше с хорошим поиском обходит frontier-модель без него.
Бейджа SOC 2 пока нет. Вместо него — что реально лежит в кодовой базе сегодня.
Каждый компонент, его место в вашей сети и то, с чем он общается.
┌─────────────────────────────────────────────────────────────────────────┐ │ YOUR SECURE PERIMETER │ │ ┌───────────────────────────────────────────────────────────────────┐ │ │ │ CodeAlive Platform │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ │ │ Web UI │ │ MCP Server │ │ REST API │ │ │ │ │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │ │ │ │ │ │ │ │ │ │ └────────────────┼────────────────┘ │ │ │ │ ▼ │ │ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ │ │ Context Engine │ │ │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ │ │ │ │ Indexer │ │ GraphRAG │ │ Query │ │ │ │ │ │ │ │ Service │ │ Engine │ │ Processor │ │ │ │ │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ │ │ │ │ │ │ │ │ ▼ ▼ │ │ │ │ ┌─────────────┐ ┌─────────────────┐ │ │ │ │ │ Vector DB │ │ Your LLM │ │ │ │ │ │ (Embedded) │ │ (vLLM/Ollama) │ │ │ │ │ └─────────────┘ └─────────────────┘ │ │ │ └───────────────────────────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ ┌──────────────────┐ │ │ │ Your Git Server │ (GitLab, Bitbucket, Gitea, etc.) │ │ │ (Internal) │ │ │ └──────────────────┘ │ │ │ │ ═══════════════════════════════════════════════════════════════════ │ │ NO EXTERNAL NETWORK TRAFFIC │ └─────────────────────────────────────────────────────────────────────────┘
Сам CodeAlive — без учёта локальной LLM, если вы её запускаете рядом.
Минимум (POC)
Production (небольшая/средняя команда)
Большая команда / несколько команд
Enterprise
GPU нужен только если вы запускаете локальную LLM на той же машине. Если OpenAI-совместимая LLM работает где-то ещё — в вашем кластере vLLM, через LLM-шлюз или cloud API — сам CodeAlive работает на CPU. Реальные требования зависят от размера репозиториев, частоты индексации и числа одновременных пользователей. Рассчитаем под ваш случай на deployment-звонке.
Git-серверы, identity-провайдеры и observability-стек, которые у вас уже подняты.
В планах; доступно на Enterprise через кастомное развёртывание.
Сейчас:Email/пароль + API-ключи с RBAC на уровне организации
Self-hosted-клиенты появятся здесь, когда выйдут в продакшен и согласуют публикацию. Никаких выдуманных персонажей. Хотите быть первой публичной историей? Напишите нам.
Пока посмотрите отзывы на главной — Hauke Feddersen (grasbyte GmbH), Zhaksylyk Ualiyev (Esqadra Technologies), Alexander Kolotov (Blockscout), Sergey Loginov и Sergey Sarafinovich. Реальные люди, опубликовано с разрешения.
Helm-чарт не нужно разбирать в одиночку — разворачиваем вместе с вами.
Standard
Priority
Dedicated
Внутри вашего VPC, на вашей LLM, с вашим внутренним Git-сервером.