Спёр, или Сбер опубликовал свою модель в открытом виде:GigaChat 3.5 Reasoning — первая в России открытая модель с рассуждениями
По бенчам сопоставима с DeepSeek V4 Flash при меньшем расходе токенов.
Код и веса открыты.
Как думаете, на основе какой китайской нейронки сделана эта ?)
GigaChat 3.5 Reasoning — открытая reasoning-модель семейства GigaChat от Сбера, ориентированная на задачи, требующие многошагового анализа, логических рассуждений, работы с кодом и строгого следования инструкциям. Это первая модель GigaChat с полноценным режимом рассуждений, дообученная с помощью online reinforcement learning (Online RL).
Модель построена на архитектуре Mixture-of-Experts (MoE) и содержит около 432 млрд параметров, из которых примерно 28 млрд активируются при обработке одного токена. Используется гибридная архитектура, объединяющая Multi-head Latent Attention (MLA) и слои линейного внимания GatedDeltaNet. Максимальный поддерживаемый контекст составляет 262 тыс. токенов. Для ускорения генерации предусмотрены три MTP-head для speculative decoding.
Особое внимание при обучении было уделено шести направлениям: STEM и математике, программированию, агентному программированию, работе с инструментами и function calling, диалоговым задачам, а также следованию инструкциям и structured output. Отдельные RL-эксперты обучались для каждого направления, после чего их навыки были объединены в одну модель с помощью on-policy distillation (OPD).
По сравнению с GigaChat 3.5 Ultra Instruct версия Reasoning показывает особенно заметный прирост в математике, написании и анализе кода, выполнении сложных инструкций и генерации структурированных ответов. Например, опубликованные разработчиками результаты показывают рост AIME 2026 с 67 до 92, LiveCodeBench v6 с 56,2 до 85,4 и IFBench с 43,66 до 77.
Модель поддерживает function calling, structured output, длинный контекст и выделение процесса рассуждения отдельно от финального ответа. Открытые веса опубликованы на Hugging Face под лицензией MIT, доступны варианты для инференса и BF16-версия для дообучения и собственной квантизации.
Основные характеристики: 432B MoE / 28B active, контекст до 262K токенов, Online RL, reasoning, function calling, structured output, MTP/speculative decoding, поддержка русского и английского языков, открытые веса.