«Сбер» представил новую флагманскую языковую модель - GigaChat 3.5 Ultra. Она уже доступна бесплатно в одноимённом ИИ-помощнике и одновременно опубликована в открытом доступе для разработчиков. Главный сигнал: Россия всерьёз борется за место в топе мирового open-source AI - и новая модель прямо конкурирует с такими игроками, как DeepSeek.
Архитектура как главная ставка
Ключевое техническое решение - собственная архитектура с линейным вниманием. Звучит как деталь для инженеров, но за этим стоит вполне осязаемый результат: модель работает с длинными текстами до четырёх раз быстрее предшественницы и при этом вдвое компактнее по размеру.
Классический механизм внимания в нейросетях работает дорого: при обработке каждого нового токена модель заново прогоняет взгляд по всему предшествующему тексту. Линейное внимание устроено иначе - система накапливает сжатую память о прочитанном и дополняет её по ходу, не перелистывая весь контекст с нуля. Меньше вычислений. Больше скорость. Контекст при этом не теряется.
GigaChat 3.5 Ultra построена по схеме MoE - Mixture of Experts, где при обработке каждого запроса активируется лишь часть параметров модели. Именно это сочетание архитектурных решений позволило сжать модель без потери качества. По меркам open-source это одна из крупнейших реализаций линейного внимания - и сам факт публикации весов означает, что любой разработчик может развернуть её самостоятельно, без облака и дорогостоящей инфраструктуры.
Три приоритета при обучении
Команда сосредоточилась на конкретных прикладных задачах, а не на универсальном улучшении всего подряд. Это заметно по структуре бенчмарков и по тому, на что упирает сама компания.
- Код и математика. Модель точнее генерирует и верифицирует программный код, увереннее справляется с финансовыми расчётами и многошаговыми математическими задачами.
- Длинные документы. Контракты, технические регламенты, объёмные отчёты - обрабатываются без деградации точности, скорость выросла кратно.
- Агентные сценарии. Модели можно поставить составную задачу - и она самостоятельно найдёт информацию, напишет код, обратится к внешнему сервису и вернёт готовый результат. Без промежуточного участия человека.
Датасет для обучения собирался с акцентом на качество, а не объём: натуральные, созданные людьми тексты с многоуровневой фильтрацией. Количество экспериментов в процессе разработки выросло больше чем вдвое - до 1500. Это косвенный показатель того, насколько плотно шла итерация.
Что это значит для рынка
На внутренних тестах GigaChat 3.5 Ultra обошла предыдущую флагманскую версию по всем ключевым направлениям - включая качество русскоязычного диалога. По ряду метрик новинка вплотную приблизилась к результатам более крупных открытых моделей, в том числе DeepSeek 3.2. Это существенно: DeepSeek долгое время задавал планку для open-source сообщества.
Компактность модели - не просто технический показатель. Чем меньше требования к железу, тем шире круг компаний, которые могут запустить её локально. Для корпоративного рынка, где данные нельзя отправлять в сторонние облака, это прямой аргумент в пользу выбора. Бесплатный доступ через потребительский ИИ-помощник закрывает массовый сегмент. Публикация в open source - ставка на разработчиков и экосистему.
Гонка больших языковых моделей давно вышла за пределы двух-трёх лабораторий. GigaChat 3.5 Ultra - свидетельство того, что российские команды в этой гонке не наблюдатели.