GigaChat 3.1 Ultra

GigaChat 3.1 Ultra — это самая мощная языковая модель в истории Сбера, представленная в марте 2026 года. Она является результатом грандиозного инженерного проекта и одной из крупнейших моделей в мире, обученных в России. Используя передовую архитектуру Mixture-of-Experts (MoE) на 702 миллиарда параметров, GigaChat 3.1 Ultra предлагает флагманский уровень интеллекта, сравнимый с мировыми лидерами (GPT-5, Claude 4), при полной открытости весов для сообщества.

Архитектура и Open-Source лидерство

Сбер совершил беспрецедентный шаг, выложив веса модели GigaChat 3.1 Ultra в открытый доступ под лицензией MIT. Это сделало её самой большой и мощной Open-Source моделью, созданной для русского языка.

• Масштабируемая MoE: Из 702 миллиардов параметров на каждом шаге генерации активируется всего 36 миллиардов. Это обеспечивает феноменальную точность рассуждений при сохранении высокой скорости работы, недоступной плотным (dense) моделям аналогичного уровня.
• Мультимодальность: Модель нативно поддерживает не только генерацию текста, но и анализ изображений, а также создание графического контента, бесшовно интегрируя визуальные данные в общую логику ответов.
• Контекстное окно 128K: Поддержка 128 000 токенов позволяет модели анализировать гигантские архивы документов, целые программные репозитории и длительные цепочки диалогов.

Производительность и бенчмарки

GigaChat 3.1 Ultra демонстрирует исключительные результаты, занимая топовые позиции как в мировых, так и в специализированных российских рейтингах.

Ценообразование и доступность

Будучи Open-Source проектом, модель доступна для бесплатного скачивания и развертывания на собственных мощностях (требуются высокопроизводительные GPU-кластеры). Также Сбер предоставляет доступ к ней через GigaChat API, где стоимость использования регулируется стандартными тарифами платформы.

Идеальные сценарии применения (Use Cases)

• Национальные и корпоративные ИИ-центры: Создание суверенных систем с полным контролем над данными.
• Сложная программная инженерия: Проектирование архитектуры распределенных систем и глубокий аудит безопасности.
• Глобальная аналитика: Обработка сверхбольших массивов неструктурированной мультимедийной информации.

Плюсы и минусы

Плюсы:

• Полностью открытые веса (лицензия MIT).
• Рекордная мощность и глубина рассуждений для русского языка.
• Нативная мультимодальность высшего уровня.
• Эффективная MoE-архитектура.

Минусы:

• Экстремально высокие требования к оборудованию для локального запуска.
• Большой размер модели затрудняет быструю итерацию в малых проектах.