АВТОРСКО-ПРАВОВЫЕ ПРЕДЕЛЫ ОБУЧЕНИЯ БОЛЬШИХ ФУНДАМЕНТАЛЬНЫХ МОДЕЛЕЙ: АНАЛИЗ СТАТЬИ 10 ПРОЕКТА № 1271570-8

COPYRIGHT LIMITS OF TRAINING LARGE FOUNDATION MODELS: ANALYSIS OF ARTICLE 10 OF BILL NO. 1271570-8

Kondratov Ilya Igorevich

Student, Institute of Private Law, Kutafin Moscow State Law University,

Russia, Moscow

АННОТАЦИЯ

В статье исследуется специальное основание ненарушения авторских и смежных прав, предусмотренное статьей 10 проекта федерального закона № 1271570-8, принятого Государственной Думой 8 июля 2026 г. Цель работы состоит в определении правовой природы, сферы действия и условий применения этой нормы. Использованы формально-юридический, системный и сравнительно-правовой методы. Установлено, что статья 10 образует статусно-ориентированный режим для обучения суверенных и национальных больших фундаментальных моделей, а не общее исключение для анализа текстов и данных. Выявлены вопросы о правомерности сетевого источника, сроке хранения копий, способе резервирования прав, доказуемости происхождения данных и рыночном замещении. Предложено разграничить элементы, требующие закрепления в федеральном законе, и технические требования, допустимые на уровне подзаконного регулирования.

ABSTRACT

The article examines the special non-infringement rule contained in Article 10 of Russian Bill No. 1271570-8, adopted by the State Duma on 8 July 2026. The study determines the legal nature, scope and conditions of the rule by using formal legal, systemic and comparative methods. Article 10 is classified as a status-based regime for sovereign and national large foundation models rather than a general text and data mining exception. The analysis identifies unresolved issues concerning lawful online sources, temporary storage, rights reservation, data provenance and market substitution. The article separates matters requiring legislative determination from technical documentation and audit requirements that may be specified by subordinate regulation.

Ключевые слова: авторское право, искусственный интеллект, большая фундаментальная модель, обучение модели, анализ текстов и данных, свободное использование, правомерный доступ, краткосрочная запись.

Keywords: copyright, artificial intelligence, large foundation model, model training, text and data mining, copyright exception, lawful access, temporary reproduction.

Введение

8 июля 2026 г. Государственная Дума приняла во втором и третьем чтениях проект федерального закона № 1271570-8 «О поддержке развития технологий искусственного интеллекта в Российской Федерации» [1]. Предмет исследования составляет принятая Государственной Думой редакция проекта. Статья 10, для которой предусмотрено вступление в силу 1 марта 2027 г., не признает нарушением авторских и смежных прав определенные операции с охраняемыми объектами и их краткосрочную запись в память ЭВМ при обучении суверенных и национальных больших фундаментальных моделей [2].

Цель исследования состоит в определении места статьи 10 в системе ограничений исключительного права, ее субъектных и предметных пределов и достаточности установленных условий. Использованы формально-юридический, системный и сравнительно-правовой методы. Статья 10 рассматривается как статусно-ориентированный специальный режим; законодательные условия его применения отделяются от технических требований, которые могут быть конкретизированы подзаконным регулированием.

1. Правовая природа и сфера действия статьи 10

Сфера статьи 10 определяется статусом модели, а не целью исследования или коммерческим характером использования. Большая фундаментальная модель должна содержать не менее одного миллиарда параметров и служить основой для создания и доработки различных программ. Льгота применяется только к моделям со статусом суверенных или национальных [2]. Поэтому норма не образует универсального исключения для анализа текстов и данных и не охватывает специализированные системы и модели без соответствующего статуса.

Пункт 5 статьи 1229 ГК РФ предусматривает установление ограничений исключительных прав Кодексом, а статья 3 ГК РФ требует соответствия ему норм гражданского права, содержащихся в иных федеральных законах [3]. Статья 10 вводит самостоятельное основание ненарушения без изменения части четвертой ГК РФ, поэтому ее соотношение с общими положениями об исключительном праве должно быть определено прямо. Квалифицировать норму как развитие статьи 1274 ГК РФ нельзя: обучение предполагает техническое воспроизведение по статье 1270 ГК РФ, но не цитирование или учебное иллюстрирование [3].

Часть 1 статьи 10 регулирует уведомление пользователя о принадлежности прав на результаты работы модели и условиях доступа к ним. Часть 2 относится к использованию исходных охраняемых объектов при обучении. Правомерность обучающих данных не определяет правомерность конкретного результата, и наоборот; эти стадии имеют самостоятельные юридические факты.

Обращение к содержащейся в произведении информации не отменяет охрану формы ее выражения. Извлечение неохраняемых идей, методов и фактов, названных в пункте 5 статьи 1259 ГК РФ, может требовать копирования произведения [3]. Упоминание смежных прав дополнительно распространяет режим на исполнения, фонограммы, передачи вещания и базы данных. Значение статьи 10 состоит в специальной оценке промежуточного воспроизведения, а не в признании содержания объектов свободным.

2. Условия применения и вопросы определенности

Статья 10 охватывает извлечение, сравнение, классификацию и анализ закономерностей, а также краткосрочную запись в память ЭВМ. Термин «исключительно» связывает копирование с обучением модели: созданные копии не должны использоваться как самостоятельная библиотека или передаваться третьим лицам. Норма, однако, не уточняет, охватываются ли подготовка, очистка и разметка корпуса, контроль качества и дообучение.

Первое основание касается экземпляра, полученного разработчиком правомерно. Альтернативно объект может быть доведен до всеобщего сведения и (или) доступен для анализа без технического ограничения [2]. Открытый доступ сам по себе не подтверждает согласия правообладателя на размещение: пиратский ресурс также может не иметь технического барьера. Поэтому сетевой источник следует связывать с правомерным доведением объекта до всеобщего сведения либо с добросовестным отсутствием у разработчика оснований предполагать незаконность размещения.

Понятие «краткосрочная запись» не содержит временного предела. Обучение требует хранения корпуса, контрольных выборок и материалов для проверки результата. Допустимый срок должен определяться необходимостью обучения, проверки и аудита; после достижения этих целей копии подлежат удалению либо преобразованию в форму, из которой нельзя восстановить охраняемый объект.

Отсутствие технического ограничения доступа не означает согласия на машинный анализ. Правообладатель может оставить произведение общедоступным и зарезервировать права на его использование для обучения. Статья 10 не предусматривает машиночитаемого резервирования и тем самым учитывает волю правообладателя только через ограничение обычного доступа.

Применение льготы должно быть проверяемым. Журнал источников может фиксировать идентификатор и дату доступа, основание получения, сведения о резервировании, назначение копии и дату удаления. Техническая документация по статье 8 проекта ориентирована на информационную безопасность и прямо не подтверждает авторско-правовое происхождение данных [2], поэтому состав и правовое значение такого журнала требуют отдельного определения.

Ограничение также должно соответствовать трехступенчатому тесту: относиться к особым случаям, не противоречить обычному использованию произведения и не ущемлять необоснованно интересы правообладателя [4]. Статус модели ограничивает круг адресатов, но не исключает запоминание и выдачу значительных фрагментов. Поэтому наряду с условиями обучения необходимы меры против систематического воспроизведения охраняемого содержания.

3. Соотношение с российской доктриной

М. В. Самарцева связывает необходимость согласия с коммерческим использованием технологий ИИ [5]. А. Н. Артемова обосновывает включение машинного обучения в случаи свободного использования и анализирует различие между законно приобретенными и пиратскими копиями [6; 7]. Для статьи 10 эти позиции подтверждают значение экономической цели обучения и источника копии, но не заменяют статусный критерий действующей редакции проекта.

Н. В. Бузова и Р. Л. Лукьянов исследуют квалификацию обучения как воспроизведения, переработки или иного использования [8]. Е. Н. Афанасьева и Д. Д. Фурман выделяют целевое назначение, ограниченное хранение и прозрачность [9]. Настоящее исследование использует эти положения для оценки конкретной нормы и разграничивает условия ограничения исключительного права и способы технического подтверждения их соблюдения.

4. Сравнительно-правовая оценка

Таблица 1.

Сравнение подходов к использованию охраняемых произведений при обучении ИИ

Источник: составлено автором на основе [2; 10-12].

В Европейском союзе статья 3 Директивы (EU) 2019/790 устанавливает исключение для научного TDM при правомерном доступе и допускает хранение копий для проверки результата. Статья 4 распространяет исключение на иные цели при отсутствии машиночитаемого резервирования прав [10]. Статья 53 Регламента (EU) 2024/1689 требует от провайдеров моделей общего назначения политики соблюдения авторского права и резюме использованного обучающего содержания [11].

В США специальное исключение отсутствует. В деле Bartz v. Anthropic обучение на законно приобретенных и оцифрованных книгах признано преобразующим использованием, но fair use не распространен на постоянную библиотеку из пиратских копий [12]. Российский режим отличается от европейского отсутствием общего запрета разработчикам ИИ собирать, использовать или анализировать личные данные для обучения своих нейросетей. Его отличие от американского режима состоит в предварительном ограничении круга адресатов статусом модели. При этом он не устанавливает самостоятельных правил о законности сетевого источника, сроке хранения и прозрачности данных.

5. Направления конкретизации режима

Федеральный закон должен определять условия, изменяющие объем исключительного права: круг моделей и операций, правомерность источника, возможность резервирования прав и пределы хранения. Подзаконное регулирование не может создавать новое исключение или расширять его субъектный состав. В законе целесообразно связать сетевую доступность с правомерным размещением, отделить машиночитаемое резервирование от технической блокировки и установить функциональный срок хранения копий.

Если законодатель дифференцирует режим по экономической цели, коммерческий характер следует определять по деятельности по созданию и эксплуатации модели, а не по платности отдельного результата. Для некоммерческого научного обучения возможно обязательное исключение при правомерном доступе и защищенном хранении; для коммерческого обучения - исключение при правомерном доступе и отсутствии надлежащего резервирования прав. Такая дифференциация потребует изменения закона и не может вводиться подзаконным актом.

На подзаконном уровне могут устанавливаться формат журнала источников, процедура удаления, внутренний аудит и меры против выдачи значительных охраняемых фрагментов. Последовательная проверка включает статус модели и связь копии с обучением, правомерность источника, срок и цель хранения, соблюдение резервирования, контроль воспроизведения и документирование удаления. Эти обязанности обеспечивают доказуемость условий, но не заменяют их.

Статья 10 не предусматривает вознаграждения правообладателям. Введение обязательного лицензирования или коллективного вознаграждения является отдельным решением законодательной политики. Безвозмездное исключение допустимо только при определенном круге адресатов, проверяемом источнике, ограниченном хранении и мерах против рыночного замещения.

Заключение

Статья 10 проекта № 1271570-8 устанавливает специальное основание ненарушения авторских и смежных прав при обучении суверенных и национальных больших фундаментальных моделей. Она не распространяется на все системы ИИ и не заменяет случаи свободного использования, предусмотренные ГК РФ. Определяющим условием действующей редакции является статус модели.

Для согласованного применения нормы в федеральном законе необходимо определить ее соотношение с частью четвертой ГК РФ, правомерность сетевого источника, резервирование прав и предел хранения. Формат журнала источников, удаление копий, аудит и технический контроль повторного воспроизведения могут регулироваться подзаконными актами. Такое распределение сохраняет законодательный уровень ограничений исключительного права и обеспечивает проверяемость их соблюдения.

Список литературы:

1. Законопроект № 1271570-8 О поддержке развития технологий искусственного интеллекта в Российской Федерации // Система обеспечения законодательной деятельности. [электронный ресурс] — Режим доступа. — URL: https://sozd.duma.gov.ru/bill/1271570-8 (дата обращения: 08.07.2026).
2. Проект Федерального закона № 1271570-8. Редакция, опубликованная 08.07.2026 // TKS.RU. [электронный ресурс] — Режим доступа. — URL: https://www.tks.ru/news/law/2026/07/08/0023/o-podderzhke-razvitiya-tehnologij-iskusstvennogo-intellekta-v-rossijskoj-federatsii/ (дата обращения: 08.07.2026).
3. Гражданский кодекс Российской Федерации (части первая и четвертая): ст. 3, 1229, 1259, 1270, 1274 // СПС КонсультантПлюс. [электронный ресурс] — Режим доступа. — URL: https://www.consultant.ru/document/cons_doc_LAW_64629/ (дата обращения: 08.07.2026).
4. WIPO Copyright Treaty. Art. 10; Agreement on Trade-Related Aspects of Intellectual Property Rights. Art. 13 [электронный ресурс]. — Режим доступа. — URL: https://www.wipo.int/en/web/treaties/ip/wct/index; https://www.wto.org/english/docs_e/legal_e/trips_e.htm (accessed: 08.07.2026).
5. Самарцева М.В. Использование охраняемых произведений при машинном обучении генеративного искусственного интеллекта // Труды по интеллектуальной собственности. – 2025. – Т. 53, № 2. – С. 127–138. – DOI: 10.17323/tis.2025.27374.
6. Артемова А.Н. Использование объектов авторского права в машинном обучении: в поисках баланса интересов правообладателей и общества // Respublica Literaria. – 2024. – Т. 5, № 3. – С. 184–194. – DOI: 10.47850/RL.2024.5.3.184-194.
7. Артемова А.Н. Использование произведений, охраняемых авторским правом, для обучения искусственного интеллекта: новый этап развития доктрины добросовестного использования // Respublica Literaria. – 2025. – Т. 6, № 3. – С. 136–143. – DOI: 10.47850/RL.2025.6.3.136-143.
8. Бузова Н.В., Лукьянов Р.Л. Квалификация процесса обучения системы искусственного интеллекта с помощью охраняемых авторским правом произведений // Труды по интеллектуальной собственности. – 2026. [электронный ресурс] — Режим доступа. — URL: https://tis.hse.ru/article/view/36350 (дата обращения: 08.07.2026).
9. Афанасьева Е.Н., Фурман Д.Д. Правовые аспекты обработки искусственными интеллектуальными системами объектов авторского права в процессе машинного обучения // Baikal Research Journal. – 2023. – Т. 14, № 4. – С. 1643–1656. – DOI: 10.17150/2411-6262.2023.14(4).1643-1656.
10. Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market. Arts. 3–4 [электронный ресурс] — Режим доступа. — URL: https://eur-lex.europa.eu/eli/dir/2019/790/oj (accessed: 09.07.2026).
11. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence. Art. 53, recitals 105–108 [электронный ресурс] — Режим доступа. — URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689 (accessed: 09.07.2026).
12. Bartz v. Anthropic PBC, No. 3:24-cv-05417-WHA, Order on Fair Use (N.D. Cal. June 23, 2025), Dkt. 231 [электронный ресурс] — Режим доступа. — URL: https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf (accessed: 09.07.2026).