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

Сбер выложил в опенсорс GFusion — первую в России диффузионную языковую модель

Сбер выложил в опенсорс GFusion — первую в России диффузионную языковую модель
Технологии
+45%
скорость генерации GFusion vs GigaChat 3 за счёт параллельного диффузионного подхода; первая российская открытая диффузионная LLM — разработал студент-стажёр ВШЭ Даниил Тихонов

2 июля 2026 года Сбер опубликовал в открытом доступе экспериментальную диффузионную LLM GFusion на базе GigaChat. Модель генерирует текст «пачками» — как диффузионные нейросети создают изображения — и работает на 45% быстрее GigaChat 3. Разработал GFusion студент 4-го курса ВШЭ Даниил Тихонов. Вместе с весами Сбер опубликовал инструменты ускорения тренировки диффузионных моделей.

2 июля 2026 года Сбербанк выложил в открытый доступ GFusion — первую в России и одну из первых в мире диффузионных языковых моделей (Diffusion LLM) промышленного масштаба.

Чем диффузионный подход отличается от стандартного LLM:

ПараметрАвторегрессионные LLM (GPT-стиль)GFusion (диффузионный)
ГенерацияТокен за токеном, строго слева направо«Набросок» → пошаговое уточнение
ПараллелизмЛинейныйПараллельная генерация пачками
СкоростьБазовая+45% vs GigaChat 3
ОбучениеОдна эпохаНесколько эпох — больше знаний из тех же данных

Параметры GFusion:

  • Обучена на основе GigaChat 3
  • Опубликована на HuggingFace с открытыми весами и метриками
  • Вместе с моделью — набор инструментов для ускорения тренировки диффузионных LLM

Кто разработал:

Даниил Тихонов — студент 4-го курса Факультета компьютерных наук НИУ ВШЭ, стажёр Сбера. Проект одного исследователя при поддержке инфраструктуры Сбера — и первая публично выложенная диффузионная LLM такого масштаба в России.

Почему это важно:

Диффузионные модели для изображений (Stable Diffusion) давно превзошли авторегрессионные. Перенести этот подход на текст — задача, над которой работают Google и Meta. Сбер публично показывает рабочую реализацию.

Для B2B-применений:

  • Open weights → локальное развёртывание без зависимости от Сбер API
  • +45% скорость важна в высоконагруженных сценариях: контакт-центры, массовая обработка документов
  • ФСТЭК №117: открытые веса можно проверить на бэкдоры перед применением в ГИС
  • 152-ФЗ: модель работает on-premise — данные не покидают периметр компании
  • Диффузионный подход потенциально лучше для «пакетной» обработки — например, одновременного анализа тысяч договоров

Это краткое изложение. Полный текст — на сайте источника:

Читать оригинал: CNews

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.