Сбер представил GigaChat 2.0

Сбер представил GigaChat 2.0
По данным бенчмарка MERA, которые приводит Сбер в своем официальном сообщении, GigaChat 2 MAX занимает лидирующую позицию среди AI-моделей для русского языка, а в международных тестах обновлённый модельный ряд по многим показателям превосходит GPT4o, DeepSeek-V3, LLaMA 70B и Qwen2.5.

Ключевые улучшения GigaChat 2.0

Вся линейка моделей получила значительное обновление, что позволяет бизнесу быстрее и эффективнее решать задачи:

  • GigaChat 2 MAX стал ещё мощнее и уверенно опережает зарубежные аналоги в русскоязычных задачах.
  • GigaChat 2 Pro обеспечивает качество, сопоставимое с предыдущей версией MAX, но менее требователен к ресурсам, что делает его удобным для работы с креативными и точными запросами.
  • GigaChat 2 Lite теперь сравним по качеству с прежним GigaChat Pro, позволяя решать сложные задачи быстрее и экономичнее.

Пользователи могут протестировать GigaChat 2.0 и сохранить доступ к предыдущим версиям. Вся линейка доступна в облаке через API или для локального развертывания в инфраструктуре компании.

Развитие AI-агентов и новые возможности

GigaChat 2.0 позволяет создавать автономных AI-агентов, которые умеют рассуждать и решать сложные задачи. Улучшена работа с математикой, программированием и естественными науками. Модель совместима с LangChain для разработки на Python и JavaScript, а необходимые пакеты размещены в публичном репозитории GigaChain.

Увеличенный контекст и точность ответов

GigaChat 2.0 обрабатывает в четыре раза больше контекста, анализируя до 200 страниц текста за один запрос.
В два раза лучше следует инструкциям и на 25% точнее отвечает на вопросы, что делает его полезным для юридического анализа, обработки клиентских обращений и других бизнес-задач.

Лидерство среди AI-моделей

По данным MERA, GigaChat 2 MAX занимает первое место среди русскоязычных AI-моделей. В международных тестах он демонстрирует результаты на уровне мировых лидеров, а в русскоязычных задачах превосходит DeepSeek-V3, Qwen2.5, GPT4o и LLaMA 70B, особенно в работе с фактологическими вопросами и программированием.

Автор: Александр Абрамов.

Тематики: Интеграция

Ключевые слова: Сбербанк, Искусственный интеллект, Нейросети