Модель · Сбер
GigaChat 3.5 Reasoning
Первая открытая модель Сбера с рассуждениями: математика, программирование и агентные задачи на русском и английском
вышла 3 сентября
Характеристики
- Вышла
- 3 сентября
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 262 тыс. токенов
- Понимает
- текст
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- нет
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- открытые
- Идентификатор в API
- gigachat-3.5-432b-a28b-reasoning
Что это за модель
GigaChat 3.5 Reasoning — модель линейки GigaChat 3.5 с отдельным режимом рассуждений. Прежде чем ответить, она разбивает задачу на шаги, составляет план, при необходимости вызывает внешние инструменты и проверяет промежуточные результаты. Устроена как смесь экспертов (mixture of experts): всего в ней 432 млрд параметров, но на каждый токен работают только 28 млрд. Поэтому она обходится дешевле в работе, чем плотная модель того же размера. Обычное внимание в ней дополнено слоями линейного внимания GatedDeltaNet, которые упрощают работу с длинными текстами. Ещё у неё есть три дополнительные «головы» для спекулятивного декодирования: модель заранее угадывает несколько следующих токенов, и это ускоряет ответ.
Главное отличие от прошлых версий GigaChat — в способе обучения. После обычного дообучения на примерах команда отдельно обучила с подкреплением шесть «экспертов» по областям: математика и точные науки, код, агентное программирование, агентные задачи общего вида, диалог и навыки общения. Затем их объединили в одну модель методом дистилляции. По замерам команды, прирост по сравнению с быстрой версией без рассуждений большой: на GPQA-Diamond результат вырос с 61,11 до 82,32, на олимпиадной математике AIME 2026 — с 67 до 92, на IFBench (проверка того, насколько точно модель следует инструкциям) — с 43,66 до 77.
Модель берут для задач, где нужно подумать: математика, программирование, вызов функций, ответы в заданном формате. Она работает на русском и английском. По заявлению Сбера, по среднему баллу она близка к DeepSeek V4 Flash Preview, а в следовании инструкциям и структурированных ответах даже обходит её. На сложной математике при сравнимом качестве она тратит в среднем на 37% меньше токенов на рассуждения. Попробовать модель можно в веб-интерфейсе giga.chat.
Веса выложены на Hugging Face под лицензией MIT, она разрешает коммерческое использование. Есть версия в формате FP8 для запуска и версия BF16 для дообучения и собственной квантизации (сжатия весов). Но запустить модель на обычном компьютере не выйдет: команда приводит пример сервера с восемью видеокартами H100. По признанию самой команды, модель немного уступает DeepSeek V4 Flash Preview в агентном программировании и олимпиадной математике.
Источники: Карточка модели на Hugging Face, Анонс команды GigaChat на Хабре
Новости о модели
- 01
Данные: models.dev (MIT).