6 июля Сбер представил GigaChat 3.5 Ultra — новую флагманскую модель семейства GigaChat. Это MoE-модель на 432 млрд параметров, заметно компактнее прошлого флагмана на 700 млрд. Модель уже доступна пользователям ИИ-помощника GigaChat — в вебе, мобильных приложениях и Telegram-боте, а веса опубликованы на Hugging Face и GitVerse под лицензией MIT.
GigaChat 3.5 Ultra: характеристики релиза
- Дата
- 6 июля 2026
- Архитектура
- MoE, 432 млрд параметров (прошлый флагман — 700 млрд); линейное внимание для длинного контекста
- Лицензия
- MIT — веса на Hugging Face и GitVerse, можно разворачивать и дообучать без ограничений
- Где доступна
- Веб, мобильные приложения, Telegram-бот GigaChat
- Заявления Сбера
- Усилена в коде, агентных сценариях и математике; обходит DeepSeek V3.2 Exp Base и V4 Flash Base на ряде бенчмарков
- Оговорка
- Замеры внутренние, независимых сравнений пока нет
Текст схемы и все данные
GigaChat 3.5 Ultra: характеристики релиза
- Дата
- 6 июля 2026
- Архитектура
- MoE, 432 млрд параметров (прошлый флагман — 700 млрд); линейное внимание для длинного контекста
- Лицензия
- MIT — веса на Hugging Face и GitVerse, можно разворачивать и дообучать без ограничений
- Где доступна
- Веб, мобильные приложения, Telegram-бот GigaChat
- Заявления Сбера
- Усилена в коде, агентных сценариях и математике; обходит DeepSeek V3.2 Exp Base и V4 Flash Base на ряде бенчмарков
- Оговорка
- Замеры внутренние, независимых сравнений пока нет
Технически главное в релизе — гибридная архитектура с линейным вниманием, которая ускоряет работу с длинным контекстом: по данным Сбера, длинные документы модель обрабатывает заметно быстрее прошлого поколения, а генерация требует меньше вычислительных ресурсов. Для практики это означает, что большая языковая модель такого класса становится дешевле и быстрее в сценариях, где на вход подаются большие объёмы текста — от документов до целых сайтов.
По заявлениям Сбера, модель усилена в коде, агентных сценариях и математике, а на ряде бенчмарков её базовая версия обходит DeepSeek V3.2 Exp Base и DeepSeek V4 Flash Base. Важно помнить, что это внутренние замеры разработчика: независимых сравнений пока нет, и итоговое качество в рабочих задачах стоит проверять на собственных кейсах.
Отдельный сюжет — открытие весов под MIT. Это максимально свободная лицензия: модель можно разворачивать в собственном контуре, дообучать и встраивать в коммерческие продукты без ограничений. Для российского рынка, где вопросы защиты данных и независимости от внешних API стоят особенно остро, это продолжение тренда на открытые релизы, который ранее задала DeepSeek с открытой моделью V3.
Для рынка поиска и контента в РФ значимы два следствия. Первое: чем сильнее GigaChat, тем весомее его роль как альтернативной «поисково-ответной» точки входа — часть аудитории уже задаёт вопросы ассистенту вместо поисковой строки, и бренд попадает в такие ответы только тогда, когда его контент пригоден для цитирования генеративными системами. Это плоскость оптимизации под нейропоиск (AEO), а не классической выдачи.
Второе следствие — контент-продакшен. Более сильная и при этом открытая модель снижает порог массовой генерации текстов для рунета, а значит, конкуренция за внимание и поисковых алгоритмов, и ИИ-систем ужесточится. Выигрывать будет не объём, а материал с проверяемой фактурой, чёткой структурой и экспертизой — то, на чём строится устойчивое SEO-продвижение и попадание в источники генеративных ответов.
Релиз логично рассматривать в общей динамике GigaChat — от открытия доступа к нейросети до GigaChat 2.0: Сбер последовательно наращивает и качество моделей, и охват точек входа. Для бизнеса в рунете это ещё один сигнал, что генеративные ответы становятся постоянным каналом контакта с аудиторией.
GigaChat 3.5 Ultra усиливает роль ассистента Сбера как альтернативной точки входа для аудитории рунета: часть вопросов пользователи задают модели, а не поиску. Проверить, как ваш бренд представлен в генеративных ответах, и системно выстроить оптимизацию под нейропоиск (AEO) стоит уже сейчас.
Источник: www.vedomosti.ru