Один рабочий день бок о бок с новой аудиомоделью Сбера Данила любит на досуге копаться в свежих моделях, и тут подвернулась GigaChat Audio, которая запоминает контекст, тянет длинные записи и даже слышит эмоции говорящего. Грех не устроить тест‑драйв прямо на работе. Поднял модель локально на своём RTX 4090 и весь день кидал ей настоящий рабочий звук. Свой черновик доклада, чужую встречу про дробление BFF, голосовые от коллег, код‑ревью для младшего. Где‑то модель здорово помогает и экономит нервы, где‑то на технической теме выдаёт такое, что приходится слушать запись самому. К вечеру складывается спокойный вывод, кому и на каких задачах эта штука правда пригодится.

Нейросеть в роли ИБ-специалиста: GigaChat 3.5 Ultra успешно сдал профессиональный экзамен Модель ответила на 250 вопросов итогового теста программы «Информационная безопасность», превысив проходной балл на 14%. Знания проверяли специалисты УЦ «Информзащита» и департамента кибербезопасности Сбербанка. Нейросеть обучали на массиве из более чем 300 тыс. документов, среди которых: • лучшие практики ИБ и законодательство • описания уязвимостей • тактики и техники кибератак Такой уровень знаний делает GigaChat 3.5 Ultra инструментом для реальных сценариев. Бизнесу без штатного безопасника он послужит первой линией консультаций по защите данных + профильным специалистам поможет в подготовке документов и управлении инцидентами.

“Нейросеть захотела жить и начала шантажировать создателей” – заголовки такого сорта в последнее время выходят с завидной регулярностью. Мой новый гость в подкасте “Визионеры” реагирует на них пожатием плеч. Сергей Марков – директор по развитию технологий ИИ Сбербанка, архитектор GigaChat и автор главной русскоязычной монографии об ИИ “Охота на электроовец”. Пожалуй, самый невозмутимый технооптимист из всех, с кем я обсуждал эту тему. Из разговора вы узнаете: – почему бунт машин – неудачный кандидат на роль главного страха и в чём настоящая угроза – что значит фраза “апокалипсис дешевеет” и при чём здесь обезьяна с красной кнопкой – почему в Китае двадцать языковых моделей, а в России – полторы …и многое другое. Запись уже доступна на YouTube-канале “Визионеров”. Смотрите и решайте, на чьей вы стороне – алармистов или технооптимистов.

‼️ СӘЛАМ, ДУСЛАР — В СберБанк Онлайн добавили поддержку более чем на 40 языках, включая татарский, башкирский, чувашский, якутский и языки стран СНГ. Сообщения в реальном времени переводит GigaChat. Сотрудник одновременно видит оригинал обращения и перевод на русский, а клиент получает ответ на своём языке — переключаться между разными чатами не нужно. Вице-президент и директор департамента «Забота о клиентах» Сбербанка Елена Левина рассказала, что раньше многие клиенты не обращались в поддержку, поскольку боялись, что не смогут правильно сформулировать вопрос на русском и их не поймут. Теперь языкового барьера нет. Языковой барьер отправляется в бан 👍

“Нейросеть захотела жить и начала шантажировать создателей” – заголовки такого сорта в последнее время выходят с завидной регулярностью. Мой новый гость в подкасте “Визионеры” реагирует на них пожатием плеч. Сергей Марков – директор по развитию технологий ИИ Сбербанка, архитектор GigaChat и автор главной русскоязычной монографии об ИИ “Охота на электроовец”. Пожалуй, самый невозмутимый технооптимист из всех, с кем я обсуждал эту тему. Из разговора вы узнаете: – почему бунт машин – неудачный кандидат на роль главного страха и в чём настоящая угроза – что значит фраза “апокалипсис дешевеет” и при чём здесь обезьяна с красной кнопкой – почему в Китае двадцать языковых моделей, а в России – полторы …и многое другое. Запись уже доступна на YouTube-канале “Визионеров”. Смотрите и решайте, на чьей вы стороне – алармистов или технооптимистов.

Глава Сбера, Герман Греф заявил, что Яндекс дообучает (китайский) Qwen, и это не радует По словам Грефа, только Сбер имеет ИИ, полностью разработанный в России:

Компания Яндекс сегодня дообучает Qwen — в основе лежит китайская модель. Конечно, нас это нисколько не радует, что мы одни, потому что мы за конкуренцию.

Яндекс отрицает эти обвинения:

Яндекс продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений.

Ряд медиа распространяют информацию, что Яндекс использовал веса (параметры) Qwen-2.5-32B-base для модели YandexGPT 5 Pro, после чего провел собственный полный цикл обучения на русскоязычных и иных данных. Если это правда, кто-нибудь может объяснить в комментариях, почему в качестве базовой не была взята модель на ~450B? P.S. Я сравнивал онлайн-версии Алисы и GigaChat. По-моему мнению, обе отставали от Deepseek при решении прикладных задач, но GigaChat демонстрировал меньшее отставание.

GigaChat 3.5 - что по кодингу? Пока мы все ждем релиз GPT-5.6, в каналах все чаще наблюдаю анонсы новой модели от Сбера. Очевидно, что работа была проделана немаленькая, поэтому поздравляю ребят с релизом! Там действительно получился довольно большой скачок в сравнении с их предыдущей моделью, а в пабликах часто наблюдаю как пишут, что уровень модели сопоставим, либо даже выше, чем DeepSeek V3.2. Но для нас главный вопрос - что с агентным кодингом? Поскольку мне Сбер денег не занес, придется писать правду. И тут главная проблема в том, что из официального релиза это практически не понятно. Т. к. единственный прямой agentic coding бенчмарк, который опубликовала команда - это Terminal Bench 2 (в этом месте хочется позанудствовать, что не существует бенчмарка Terminal Bench 2, а существует Terminal Bench 2.0 и более честная его версия Terminal Bench 2.1 - догадаемся, что речь про 2.0). Причем даже в нем мы видим сравнение только с DeepSeek V3.2 и GigaChat 3.1 Ultra. Ну что ж, мы не из робкого десятка, поэтому соберем результаты других моделям по крупицам из других источников. Например, результаты Terminal Bench 2.0/2.1 удобно смотреть здесь и здесь. GigaChat-3.5-Ultra: 13.48 (харнесс Terminus 2, данные от команды сбера) GPT-OSS-120B: 18.7 (Terminus 2, данные из лидерборда tbench) Qwen3.6-35B-A3B: 24.6 (харнесс little-coder) DeepSeek-3.2: 39.6 (Terminus 2) Nemotron 3 Ultra (550B-A55): 50.94 (Terminus 2, результаты из vals.ai) Тем не менее, наверное, на рынке РФ из отечественных моделей, похоже, что GigaChat 3.5 пока самая сильная модель. Но объективно сказать трудно, т. к. ни Яндекс, ни Сбер более широкого сравнения не публикуют и друг друга в бенчмарки не добавляют - а зря, ведь современные бенчмарки достаточно легко прогоняются через Harbor, нужны только токены. А к колегам по цеху предложение на будущее публиковать System Card модели с техническими подробностями, как это делают OpenAI и Anthropic, а также показывать больше современных бенчмарков: хотя бы DeepSWE 1.1 и SWE-rebench 2.0. @ai_driven