Новая модель намного компактнее и умнее предыдущей. Фото: Сбер
Россиянам стала доступна новая флагманская модель Сбера - GigaChat 3.5 Ultra, которая умнее предшественницы, генерирует длинный текст до четырех раз быстрее, потребляет меньше ресурсов и почти вдвое компактнее. В основе - собственная отечественная архитектура с технологией линейного внимания, разработанная командой Сбера.
Модель уже доступна бесплатно: в ИИ-помощнике ГигаЧат для личных и рабочих задач, а также в Open Source для разработчиков по всему миру. Как сообщают разработчики, GigaChat 3.5 Ultra увереннее генерирует и проверяет код, точнее решает математические задачи и финансовые расчеты, а ответы стали структурнее и удобнее для восприятия. Обновленная нейросеть эффективно анализирует контракты, техрегламенты и отчеты. Модель не перечитывает текст заново, а накапливает контекст постепенно, как человек, помнящий суть разговора, что ускоряет работу с длинными документами до четырех раз.
Кроме того, модели можно поручить задачу, и она сама найдет информацию, напишет и выполнит код, обратится к нужному сервису и вернет готовый результат, что автоматизирует мониторинг, обработку данных и подготовку отчетов.
На тестах по программированию, математике и качеству русскоязычного диалога GigaChat 3.5 Ultra превзошла предыдущую флагманскую модель Сбера, а по ряду показателей приблизилась к сильным открытым моделям, например, DeepSeek 3.2, при этом будучи почти вдвое компактнее.
«GigaChat 3.5 Ultra - наш шаг к тому, каким должен быть ИИ-инструмент для решения реальных задач, - отметил старший вице-президент, руководитель блока «Развитие генеративного ИИ» Сбербанка Антон Фролов. - Чтобы разработать такую модель, нужно постоянно экспериментировать и пробовать то, чего до тебя не делал никто - количество наших экспериментов выросло более чем вдвое, до 1500. Мы доказали, что создать модель сильную модель можно на собственной архитектуре и с принципиально меньшими ресурсами».
GigaChat 3.5 Ultra - одна из самых больших моделей с линейным вниманием среди всех, что выходили в опенсорс. При обучении акцент сделали на натуральных человеческих текстах, прошедших многоуровневую фильтрацию. Модель примерно вдвое компактнее предшественницы, что снижает потребление ресурсов и позволяет разворачивать ее на более доступном оборудовании.