Перейти к основному содержимому
AXIOMA AI
Все новости ИИ в России
Технологии

Сбер выпустил GigaChat 3.5 Ultra: 432 млрд параметров MoE, в 4 раза быстрее, MIT open source

Сбер выпустил GigaChat 3.5 Ultra: 432 млрд параметров MoE, в 4 раза быстрее, MIT open source
Технологии
432 млрд
параметры GigaChat 3.5 Ultra (Сбер, 6 июля 2026) — рекорд компании; MoE + линейное внимание; в 4× быстрее предшественника, вдвое компактнее; MIT open source для разработчиков

6 июля 2026 Сбер представил GigaChat 3.5 Ultra — новую флагманскую модель на 432 млрд параметров с архитектурой MoE и технологией линейного внимания собственной разработки. Генерирует длинные тексты в 4 раза быстрее предшественника, вдвое компактнее. Приближается к DeepSeek 3.2 по ряду метрик. Открыт в MIT open source для разработчиков.

6 июля 2026 года Сбер представил GigaChat 3.5 Ultra — новую флагманскую языковую модель, существенно превосходящую предыдущий максимум компании по всем ключевым параметрам.

Технические характеристики GigaChat 3.5 Ultra:

ПараметрЗначение
Количество параметров432 миллиарда (рекорд в линейке Сбера)
АрхитектураMoE (Mixture of Experts)
ОсобенностьТехнология линейного внимания (собственная разработка Сбера)
Скорость генерацииВ 4 раза быстрее предыдущего флагмана
КомпактностьВдвое компактнее предыдущей версии
ЛицензияMIT open source
ДоступностьGigaChat AI-ассистент + API + open source

Что умеет GigaChat 3.5 Ultra лучше:

ЗадачаПрирост
Написание кода (программирование)Значительное улучшение
Математические вычисленияЗначительное улучшение
Работа с длинными текстамиВ 4× быстрее при сохранении качества
Агентные сценарииНовые возможности
Финансовые расчётыСпециализированная подготовка

Сравнение с конкурентами:

МодельПараметрыАрхитектураЛицензияРусский язык
GigaChat 3.5 Ultra432BMoE + линейное вниманиеMITНативный
DeepSeek 3.2~670BMoEMITХороший
Llama 4 Maverick400BMoELlamaСредний
YandexGPT 5 Proн/дТрансформерЗакрытаяНативный

Прорыв линейного внимания: Стандартный механизм внимания (Attention) масштабируется как O(n²) — то есть удвоение длины текста = учетверение вычислений. Линейное внимание (Linear Attention) масштабируется как O(n), что объясняет:

  • 4× ускорение генерации
  • Возможность обработки очень длинных документов без экспоненциального роста затрат

MIT-лицензия — стратегический выбор:

MIT — одна из самых свободных open-source лицензий. Разработчики могут использовать, модифицировать и включать модель в коммерческие продукты без ограничений.

Это конкурентный ответ на открытые весовые модели DeepSeek и Llama — Сбер позиционирует GigaChat как российскую альтернативу глобальным open-source LLM.

Для российского разработчика и CTO:

  • GigaChat 3.5 Ultra через API: нативный русский язык, локализация данных, соответствие 152-ФЗ без дополнительной оценки
  • MIT open source: можно деплоить on-premise, адаптировать под отраслевые задачи
  • Агентные сценарии: совместим с LangChain, AutoGen — российский выбор для MAS-архитектур
  • Benchmark vs DeepSeek 3.2: сопоставимые результаты при полной локализации данных в РФ

Это краткое изложение. Полный текст — на сайте источника:

Читать оригинал: Benzinga / www1.ru

Как это касается вашего бизнеса

Новые ИИ-технологии приносят пользу, когда работают с данными компании и не выносят их наружу. Внедряем ИИ-решения в контуре заказчика: данные остаются внутри периметра.