Банк «Сбер» представил обновленную нейросетевую модель GigaChat 2.0, разработанную для русскоязычных пользователей.

В пресс-релизе банка сообщили, что GigaChat 2.0 дает возможность компаниям разрабатывать более эффективных автономных помощников (AI-агентов), которые способны рассуждать и самостоятельно справляться со сложными задачами. В новых моделях улучшены знания в математике, естественных и гуманитарных науках, а также повысились навыки программирования и написания качественного кода. Для создания агентов на языках Python и JavaScript предусмотрено использование SDK LangChain, с которым GigaChat полностью совместим. Пакеты для совместимости доступны в открытом репозитории GigaChain. Новые модели эффективнее сохраняют контекст общения и могут обрабатывать больший объем текста — максимальный размер запроса вырос почти до 200 страниц. Они в два раза точнее следуют указаниям пользователей и на 25% лучше справляются с рабочими задачами и ответами на вопросы, соблюдая заданные форматы и условия, а также формулируя ответы в определенном стиле.

Старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев заявил, что «GigaChat 2.0 — это не просто улучшение показателей и технических характеристик, а значительный шаг вперед в развитии русскоязычных больших языковых моделей (LLM)». Он отметил, что модель достигает уровня лучших мировых разработок, а в задачах на русском языке превосходит большинство из них. Белевцев добавил, что эффективные отечественные нейросети играют стратегическую роль для бизнеса, работающего в России, и что 15 тысяч внешних клиентов уже пользуются GigaChat, а мощное обновление позволяет еще большему числу пользователей успешно решать разнообразные задачи.

Пользователи по-прежнему могут обращаться к моделям первого поколения и испытать GigaChat 2.0, прежде чем перейти на новую версию.

Согласно данным бенчмарка MERA для русского языка, модель GigaChat 2 MAX занимает лидирующую позицию среди AI-решений, а в международных тестах обновленная модель демонстрирует лучшие результаты по сравнению с GPT-4o, DeepSeek-V3, LLaMA 70B и Qwen2.5.

Источник: https://iz.ru/1853545/2025-03-13/v-rossii-predstavili-gigachat20https://iz.ru/1853545/2025-03-13/v-rossii-predstavili-gigachat20