Сбер представил GigaChat 3.5 Ultra: модель лучше пишет код, решает агентские задачи и работает с длинными текстами

Россиянам стала доступна новая флагманская модель GigaChat 3.5 Ultra. Она стала умнее, генерирует длинный текст до 4х раз быстрее, потребляет меньше ресурсов и почти вдвое компактнее предыдущей версии. Обновлённая модель лучше решает задачи, связанные с написанием кода, математикой, работой с длинными текстами и автономными агентными сценариями. В основе модели — собственная отечественная архитектура с технологией линейного внимания, разработанная командой Сбера.

Улучшенной моделью может пользоваться любой желающий. В ИИ-помощнике ГигаЧат она доступна всем, кто хочет применять ИИ для личных и рабочих задач. В Open Source она бесплатно доступна разработчикам по всему миру для встраивания в свои сервисы и создания ИИ-агентов.

На что способна GigaChat 3.5 Ultra:

– кодирование и математика — модель увереннее генерирует и проверяет код, точнее решает математические задачи и финансовые расчёты, работает с числами. Ответы стали точнее, структурнее и удобнее для восприятия. Все это позволяет встраивать модель в реальный рабочий процесс разработчика, аналитика или инженера;

– чтение и анализ длинных текстов — эффективно анализирует контракты, техрегламенты, отчёты и другие объёмные документы без потери точности и контекста — за счёт архитектуры линейного внимания она не перечитывает текст заново, а накапливает контекст постепенно, как человек, который помнит суть разговора. Скорость работы с длинными текстами выросла до четырёх раз;

– автономность и ИИ-агенты — модели можно поставить задачу, и она сама найдёт информацию, напишет и выполнит код, обратится к нужному сервису и вернёт готовый результат. Это позволяет автоматизировать рутину: мониторинг, обработку данных, подготовку отчётов по расписанию.

На тестах, которые измеряют способность ИИ решать задачи по программированию, математике, выполнению сложных многошаговых заданий и качество русскоязычного диалога, GigaChat 3.5 Ultra превзошла предыдущую флагманскую модель Сбера. А по ряду показателей приблизилась к результатам сильных открытых моделей, например, к DeepSeek 3.2, при этом будучи почти вдвое компактнее.

«Мы живём в момент, когда разрыв между человеком и возможностями ИИ резко сокращается, – отметил Антон Фролов, старший вице-президент, руководитель блока «Развитие генеративного ИИ» Сбербанка. – GigaChat 3.5 Ultra — наш шаг к тому, каким должен быть ИИ-инструмент для решения реальных задач: полноценный партнёр, способный мыслить в логике конкретного процесса, а не просто отвечать на вопросы. 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. Хотим, чтобы наши решения становились основой для новых продуктов и исследований, выходящих далеко за пределы Сбера».

GigaChat 3.5 Ultra — результат разработки Сбера: команда создала уникальную архитектуру с применением технологии линейного внимания. В отличие от классического «внимания» ИИ-моделей, которое при каждом новом слове заново сверяет его со всем предыдущим текстом, линейное внимание один раз «запоминает» суть прочитанного и дальше просто дополняет эту память — примерно как человек, который держит в голове краткий пересказ книги, а не перелистывает её с начала при каждой странице. GigaChat 3.5 Ultra — одна из самых больших моделей с линейным вниманием среди всех, что выходили в опенсорс.

При обучении модели акцент сделан на натуральных, созданных человеком текстах, прошедших многоуровневую классификацию и фильтрацию — собранный увеличенный датасет позволил достичь лучших метрик. Модель построена по архитектуре MoE (Mixture of Experts) и примерно вдвое компактнее предыдущей версии GigaChat Ultra, что снижает потребление вычислительных ресурсов и позволяет разворачивать её на более доступном оборудовании — а значит, больше компаний и разработчиков смогут запускать модель самостоятельно.