Сбер выпустил первую модель ГигаЧата с логическим мышлением: что это значит для вашего бизнеса

Что такое режим рассуждений и почему это важно

Обычные языковые модели, к которым все привыкли, работают по принципу мгновенного ответа: получив запрос, они сразу формируют текст на основе вероятностных закономерностей. Такой подход хорошо работает для простых вопросов, но дает сбои, когда требуется многошаговый анализ, проверка логики или работа с противоречивыми данными.

GigaChat 3.5 Reasoning устроен иначе. Перед тем как выдать ответ, модель разбивает сложную задачу на отдельные этапы, составляет план решения, определяет, каких данных не хватает, при необходимости подключает поиск или внешние инструменты, проверяет промежуточные результаты и только после этого формирует финальный ответ. Если в процессе рассуждений обнаруживается ошибка, модель может вернуться на предыдущий шаг и изменить ход решения.

Режим рассуждений включается отдельной кнопкой, поэтому для простых запросов модель продолжает отвечать мгновенно, не расходуя вычислительные ресурсы впустую.

Архитектура и технические характеристики

С технической точки зрения GigaChat 3.5 Reasoning представляет собой модель на архитектуре Mixture-of-Experts (MoE) с общим объемом 432 миллиарда параметров, из которых на каждый токен активируются 28 миллиардов. Это означает, что модель обладает огромным запасом знаний, но при этом эффективно расходует ресурсы, задействуя только необходимые части нейросети.

Одним из ключевых инженерных решений стало гибридное внимание: классический механизм Multi-head Latent Attention объединили со слоями линейного внимания GatedDeltaNet. Это позволило сократить размер кеша ключей и значений примерно в четыре раза по сравнению с предыдущим поколением GigaChat 3.1 Ultra. Максимальная поддерживаемая длина контекста составляет 262 тысячи токенов — это значит, что модель может работать с очень большими объемами текста, например, анализировать целые договоры или технические задания.

Модель обучалась с использованием технологии online RL: сначала она решала математические и программные задачи несколькими способами, разбивая их на последовательные шаги, затем автоматическая проверка отбирала успешные варианты рассуждений. Такой подход позволил научить модель не только строить план решения, но и понимать, когда необходимо обратиться к внешнему инструменту или пересмотреть предыдущий шаг.

Насколько модель приблизилась к мировым лидерам

Сбер опубликовал результаты тестирования GigaChat 3.5 Reasoning на ряде авторитетных бенчмарков. Прогресс по сравнению с версией без режима рассуждений оказался значительным.

В тесте IFBench, который оценивает способность модели следовать сложным инструкциям, результат вырос с 44 до 77 баллов. В Natural Plan, где проверяются навыки планирования, показатель увеличился с 64 до 80. А в Live Code Bench v6, оценивающем написание кода, результат поднялся с 56 до 85 баллов.

По данным Hugging Face, в математическом бенчмарке AIME 2025 модель показала 89 баллов (mean@32), что близко к результату DeepSeek V4 Flash Preview (88,95). В GPQA-Diamond, тесте на научные знания, GigaChat 3.5 Reasoning набрал 82,32 балла против 87,4 у DeepSeek.

При этом модель оказалась экономичнее конкурентов: на решение математических задач она тратит в среднем на 37 процентов меньше токенов, чем DeepSeek V4 Flash Preview, при сопоставимом качестве ответов. Это важно для бизнеса, поскольку напрямую влияет на стоимость использования модели через API.

Как воспользоваться моделью

На момент запуска GigaChat 3.5 Reasoning доступна всем пользователям сервиса «ГигаЧат» через веб-интерфейс, где можно включить режим рассуждений отдельной кнопкой. Разработчики могут бесплатно интегрировать модель в свои продукты по открытой лицензии MIT, а веса опубликованы на Hugging Face в форматах bf16 и GGUF. Для бизнеса доступ через API обещают открыть в ближайшее время.

Практическое применение для малого и среднего бизнеса

Чем новая модель может быть полезна компании, которая занимается созданием сайтов, продвижением или рекламой? Рассмотрим несколько сценариев.

Во-первых, автоматизация анализа конкурентов и рынка. Модель способна обрабатывать большие объемы текстовой информации, выявлять закономерности и делать выводы. Например, можно поручить ей анализ нескольких сайтов конкурников, сравнение их предложений и формирование сводки с рекомендациями.

Во-вторых, работа с юридическими документами. При заключении договоров с клиентами или подрядчиками GigaChat 3.5 Reasoning может найти противоречия между пунктами, проверить соответствие условий законодательству и указать на потенциальные риски.

В-третьих, создание и оптимизация рекламных текстов. Режим рассуждений позволяет модели не просто генерировать варианты объявлений, но и анализировать их эффективность на основе данных о целевой аудитории, а также предлагать обоснованные гипотезы для A/B-тестирования.

В-четвертых, поддержка клиентов. Модель может использоваться для создания чат-ботов, которые не просто отвечают на стандартные вопросы, но и разбираются в сложных ситуациях, анализируя историю обращений и предлагая персонализированные решения.

В-пятых, разработка и отладка кода. Если ваша компания занимается созданием сайтов, GigaChat 3.5 Reasoning может помочь в поиске ошибок, оптимизации архитектуры и даже в написании отдельных модулей.

Что это значит для рекламной отрасли

Для специалистов по рекламе и продвижению новая модель открывает возможности для более глубокой аналитики. Например, можно поручить модели анализ больших массивов данных о поведении пользователей, выявление скрытых закономерностей и формирование рекомендаций по улучшению рекламных кампаний. Режим рассуждений позволяет модели не просто констатировать факты, но и строить логические цепочки, объясняя, почему тот или иной подход сработал или не сработал.

Кроме того, GigaChat 3.5 Reasoning может использоваться для генерации контента с учетом контекста и требований бренда. В отличие от простых генераторов текста, модель способна учитывать несколько ограничений одновременно: тон голоса, целевую аудиторию, ключевые сообщения и юридические требования.

Ограничения и на что обратить внимание

Несмотря на впечатляющие результаты, стоит понимать, что GigaChat 3.5 Reasoning — не универсальное решение для всех задач. Модель показывает отставание от ведущих зарубежных аналогов в некоторых областях: например, в SWE-bench Verified, тесте на решение реальных задач из репозиториев, результат составляет 64,7 процента против 76–81 у лидеров. В GPQA-Diamond разрыв также сохраняется: 82,3 процента против 91–95 у западных моделей.

Это означает, что для критически важных задач, где требуется максимальная точность, возможно, потребуется дополнительная проверка результатов человеком. Однако для большинства бизнес-сценариев, особенно в малом и среднем сегменте, возможностей модели более чем достаточно.

Как начать использовать GigaChat 3.5 Reasoning в вашем бизнесе

Если вы хотите интегрировать новую модель в свои процессы, вот несколько практических шагов.

Начните с пилотного проекта. Выберите одну конкретную задачу, где режим рассуждений может дать ощутимый эффект: например, анализ договоров или подготовка аналитических отчетов. Оцените, насколько модель справляется с задачей и сколько времени она экономит.

Изучите возможности API. Как только доступ для бизнеса откроется, вы сможете встроить модель в свои внутренние системы — CRM, системы документооборота или инструменты аналитики.

Обучите сотрудников. Даже самая продвинутая модель требует правильной постановки задач. Чем точнее вы формулируете запрос и чем больше контекста предоставляете, тем лучше будет результат.

Следите за обновлениями. Сбер активно развивает линейку GigaChat, и новые версии модели появляются регулярно. Подпишитесь на официальные каналы, чтобы быть в курсе новых возможностей.

Заключение

Выход GigaChat 3.5 Reasoning — это значимый шаг в развитии российских технологий искусственного интеллекта. Для малого и среднего бизнеса это означает доступ к инструменту, который еще несколько лет назад был доступен только крупным корпорациям с большими бюджетами на IT. Режим рассуждений открывает возможности для автоматизации сложных задач, которые требуют не просто генерации текста, а настоящего анализа и планирования.

Если ваша компания занимается созданием сайтов, продвижением или рекламой, новая модель может стать ценным помощником в повседневной работе. Она не заменит специалистов, но позволит им сосредоточиться на стратегических задачах, переложив рутинный анализ на плечи искусственного интеллекта.