Сбер представил новейшую модель GigaChat 3.5 Ultra

Сбер выпустил новейшую флагманскую модель нейросети GigaChat 3.5 Ultra. Она лучше пишет код, решает агентские задачки и работает с длинноватыми текстами.

В пресс-службе отмечают:

Новенькая модель GigaChat 3.5 Ultra доступна юзерам безвозмездно в ИИ-помощнике ГигаЧат и в Open Source разрабам по всему миру для сотворения собственных сервисов. Нейросеть генерирует длиннющий текст до 4-х раз резвее, потребляет меньше ресурсов и практически в два раза компактнее предшествующей версии. Освеженная модель лучше решает задачки, связанные с написанием кода, арифметикой, работой с длинноватыми текстами и автономными агентными сценариями.

В базе новейшей модели – собственная российская архитектура с технологией линейного внимания, разработанная командой Сбера. GigaChat 3.5 Ultra является одной из самых огромных моделей с технологией так именуемого линейного внимания посреди всех, что выходили в Open Source. В отличие от традиционного «внимания» ИИ-моделей, которое при любом новеньком слове поновой сверяет его со всем предшествующим текстом, линейное внимание один раз «запоминает» сущность прочитанного и далее просто дополняет эту память.

Антон Фролов, старший вице-президент, управляющий блока «Развитие генеративного ИИ» Сбера:

GigaChat 3.5 Ultra – наш шаг к тому, каким должен быть ИИ-инструмент для решения настоящих задач: настоящий партнер, способный мыслить в логике определенного процесса, а не попросту отвечать на вопросцы. Чтоб создать такую модель, необходимо повсевременно экспериментировать и пробовать то, что до тебя не делал никто – количество наших тестов подросло наиболее чем в два раза, до 1500. Мы обосновали, что сделать сильную модель можно на своей архитектуре и с принципно наименьшими ресурсами. Желаем, чтоб наши решения становились основой для новейших товаров и исследовательских работ, выходящих далековато за границы Сбера.

Напомним, неделькой ранее исследователи из Сбера разработали и выпустили первую в Рф огромную языковую модель GFusion. Ее работа основывается на тех же принципах, которые употребляются диффузионными нейросетями для генерации изображений и роликов. Этот подход убыстрил написание текстов на 45% по сопоставлению с традиционной большенный языковой моделью, на базе которой учился новейший ИИ.