Зима 2026 года началась с новости, которую ещё пару сезонов назад сочли бы чистым пиаром: в бенчмарке SLAVA — тесте на знание истории, обществознания, политологии, географии и национальной безопасности — весь топ-6 заняли российские языковые модели. Первой идёт Alice AI LLM от Яндекса, за ней YandexGPT 5.1 Pro, GigaChat 2 Max от Сбера, YandexGPT 5 Pro, GigaChat 2 Pro и YandexGPT 5 Light. Для сравнения: в ноябре 2024-го, когда тест только представили, первую тройку держали американские Anthropic и OpenAI и китайская модель Alibaba.
Смысл этого сдвига шире таблиц с процентами. Искусственный интеллект за три года перестал быть демонстрацией фокусов на конференции и стал производственным инструментом — а значит, вопрос о том, на чём именно он у нас работает, впервые получил внятный, а не декларативный ответ.
Как считали и почему цифрам можно верить, но с оговоркой
Слово «эксперты» в заголовках любят, однако в этой отрасли экспертное мнение стоит дешевле, чем замер. Поэтому топ собран не по громкости анонсов, а по трём типам проверки — потому что искусственный интеллект оценивают сейчас три разные реальности, и путать их бессмысленно:
- открытые русскоязычные бенчмарки — SLAVA (более 14 тысяч вопросов из официальных экзаменационных баз, ИОН РАНХиГС и ИСП РАН) и MERA, который сделали SberDevices и AGI NLP Lab как российский аналог MMLU;
- международные тесты — MMLU Pro, MATH, IFEval, LiveCodeBench: их считают и на английском, и на русском, так что сравнение получается международным;
- слепые парные сравнения side-by-side, где судья — человек или визуально-языковая модель — не знает, чей ответ ему показали.
Оговорка неудобная, но обязательная: заметную долю красивых процентов публикуют сами вендоры по собственной методике. Независимая проверка 54 моделей для менеджеров ставит GigaChat 3.5 Ultra на 37-ю строчку, а Alice AI — на 43-ю, заметно ниже мировых лидеров. Так что дальше — только те результаты, которые либо воспроизведены открыто, либо как минимум заявлены обеими сторонами спора.
1. Алиса AI и YandexGPT 5.1 Pro (Яндекс): эталон русскоязычного диалога
Флагман Яндекса работает с контекстом в 128 тысяч токенов и умеет включать режим цепочки рассуждений; по внутреннему слепому сравнению модель обходит YandexGPT 5 Pro в 58% случаев, а GPT-4.1 от OpenAI — в 56%. В бенчмарках картина ещё показательнее: MMLU Pro — 72% против 71% у GPT-4o, русскоязычный форматный тест Format RU — 78% против 74%, извлечение информации YExtract RU — 65% против 60%, математика MATH — 86% против 80%. Слабое место честно показано в той же таблице: генерация кода, LiveCodeBench — 41% против 40% у GPT-4o.
Масштаб тоже аргумент: через модели Яндекса проходит порядка 2,9 миллиарда запросов в год. А отдельная линия — Alice AI Foundation LLM, которую позиционируют как обученную с нуля суверенную разработку без иностранных составляющих.
«Появление новой большой языковой модели, разработанной в России с нуля, — важная веха для отечественной отрасли ИИ. Оно показывает, что российские компании обладают собственными технологиями и полным набором компетенций для создания современных моделей, а отечественная школа ИИ остаётся конкурентоспособной. У новой разработки 80 млрд параметров, но непосредственно при работе используется около трёх, и при таком эффективном размере модель способна показывать сопоставимые, а в отдельных тестах и более высокие результаты, чем значительно более крупные зарубежные решения», — говорит председатель совета Торгово-промышленной палаты РФ по развитию ИТ и цифровой экономики Николай Комлев.
2. GigaChat 2 Max и GigaChat 3 Ultra (Сбер): тяжёлая артиллерия для документов
Здесь берут не витриной, а мышцей: контекст 128–131 тысяча токенов, MMLU на уровне 0,86, MMLU PRO — 0,66–0,75, MATH — до 0,86, русскоязычная версия MMLU — 0,80. В открытом бенчмарке MERA GigaChat 2 Max занимает первое место среди всех протестированных моделей, включая GPT-4o. Плюс сертификация под требования банков и госструктур и больше 15 тысяч бизнес-клиентов. У Сбера искусственный интеллект давно живёт не в отдельном продукте, а внутри экосистемы — и это его главное конкурентное преимущество перед одиночным чат-ботом.
Старший вице-президент, руководитель блока технологического развития Сбербанка Андрей Белевцев, комментируя экзамен с 80% точности в MMLU, заметил:
«Бенчмарк специализирован по многим доменам и тематикам. И, в принципе, считается, что больше 80% набирают в этих тематиках люди, которые в конкретной теме профессионалы. Если взять специалиста в отдельной области, он может и все 100 набирать. Но чтобы во всех 50 — таких людей просто не существует».
3. Kandinsky 5.0 (Сбер): визуал, который больше не нужно догонять
Осенью Сбер открыл веса своих генеративных моделей: код и параметры ушли на GitHub и Hugging Face под лицензией MIT, то есть бесплатно и в том числе в коммерческих продуктах. Получился, по оценкам индустрии, крупнейший в Европе опенсорсный релиз такого рода.
Президент, председатель правления Сбербанка Герман Греф сформулировал это коротко:
«Это станет самым крупным в Европе open-source проектом. Все эти модели мы выкладываем в свободный доступ со всеми весами».
Визуальный искусственный интеллект в этой линейке собран из четырёх компонентов: Image Lite на 6 миллиардов параметров для HD-генерации и редактирования картинок, обученная на 520 миллионах изображений с русским культурным контекстом; Video Lite на 2 миллиарда параметров, запускаемая на видеокарте от 12 ГБ; Video Pro; автоэнкодеры K-VAE 1.0. По независимым замерам, методология которых описана в техотчёте, Image Lite превосходит FLUX.1 dev в генерации и выходит на паритет с FLUX.1 Kontext в редактировании, а Video Pro опережает Wan 2.2-A14B в слепых сравнениях 59:41 и показывает паритет с Veo 3 по визуалу и динамике. Отдельная деталь для дизайнеров: модель пишет кириллицей прямо в кадре — то, на чём зарубежные генераторы стабильно спотыкаются.
4. YandexART 2.5 и Шедеврум (Яндекс): генерация, вшитая в повседневные сервисы
Если Kandinsky — про свободу развёртывания, то YandexART — про встраивание в привычный контур, и здесь искусственный интеллект работает тихо, внутри уже открытых вкладок. У модели гибридная архитектура, где сочетаются преимущества свёрточной сети и трансформера; по заявлению разработчиков, по качеству она не уступает лидерам рынка, а по эстетике и комплексности обходит их текущие версии. Она выводит связный текст прямо на картинке, сама подбирает стиль под задачу — минималистичный для логотипа, мультяшный для детской обложки — и снимает видео; версия Pro дорисовывает гиперреалистичные снимки и поднимает разрешение до 4К.
Важно, что модель не живёт в отдельной вкладке: она работает в чате с Алисой, в Шедевруме, в Яндекс Браузере, в Поиске и на Маркете, а бизнесу доступна через Yandex AI Studio — картинки от Яндекса уже используют 11% рекламодателей.
5. T-Pro 2.0 и T-Lite (Т-Технологии): открытая рассуждающая модель для агентов
Пятёрку замыкает решение, о котором говорят тише, чем о флагманах, а значимости в нём не меньше. Т-Технологии выпустили первую российскую открытую LLM с гибридным режимом рассуждений на коде под Apache 2.0 — раньше для таких сценариев фактически годились только китайские Qwen и DeepSeek.
Арифтика показательна: плотная токенизация русского языка даёт примерно на 30% меньше токенов на ту же мысль, за счёт чего, по оценкам разработчиков, модели нужно вдвое меньше вычислительных мощностей, чем Qwen3 или DeepSeek R1-Distil, а весь цикл разработки уложился в сумму меньше 120 миллионов рублей. В проде это выглядит буднично: T-Pro 2.1 и T-Lite 2.1 закрывают около 45% клиентских обращений без живого оператора.
Руководитель отдела науки о данных в Hybe.io Алексей Калабурдин видит картину так: «Российские модели достаточно конкурентоспособны в сравнении с западными аналогами как минимум в части русского языка и языков народов СНГ. В определённых нишах российские компании достигают выдающихся результатов, например в нише лёгких LLM с 7–8 млрд параметров».
Из чего складывается реальная фора
- Русский язык из коробки: модель изначально считает русскую морфологию, падежи и контекст, а не переводит ваш запрос на английский и обратно.
- Доступность и расчёты: сервисы работают на серверах в России, не требуют обходных путей и оплачиваются российской картой или по СБП — для бизнеса это не бытовое удобство, а требование комплаенса.
- Размещение в контуре: открытые веса GigaChat, Kandinsky, T-Pro и более ранних линий вроде ruGPT-3.5 и mGPT позволяют запустить модель у себя и не выносить данные третьим сторонам.
- Цена: GigaChat 2 MAX по API обходится примерно в 569 рублей за миллион токенов на входе и на выходе, и в связке с коротким русским токеном это заметно меняет экономику проекта.
- Локальный контекст: от корректных ответов на экзаменационные вопросы по истории до понимания, что такое хохлома и почему в кадре не должно быть чужих границ.
Где восторги преждевременны
Честный разговор про отставание тоже обязателен. В программировании и сложных рассуждениях Claude Sonnet и GPT-5 по-прежнему впереди, причём не на доли процента, а заметно; в независимых замерах российские модели чаще держатся в нижней половине рейтингов. Академик РАН Игорь Каляев идёт дальше и считает ставку на универсальные супермодели тупиковой: конкурировать с американскими и китайскими игроками в универсальном ИИ, по его словам, бессмысленно без их финансовых возможностей, а смысл — в прикладных моделях с понятным эффектом. Инженер центра компетенций НТИ при МГТУ им. Баумана Артём Кольцов добавляет горькое: мы догоняем, а разрыв растёт, потому что лидеры индустрии за это время уходят в новые области.
Есть и критика по части инфраструктуры, на которой держится искусственный интеллект как отрасль. Генеральный директор сервиса автоматизации коммуникаций «Лия» Демьян Грин формулирует жёстко:
«На российском рынке по сути представлены лишь две крупные модели. Обе они страдают от ограниченного API и недостаточно проработанных инструментов для интеграции в бизнес-процессы. Работа с этими моделями зачастую неудобна для корпоративных клиентов, а альтернатив практически нет, что сдерживает развитие и усиливает технологическое отставание от мировых лидеров».
Впрочем, и здесь картина за два года посветлела: открытые веса, агентные режимы и потоковые голосовые модели вроде T-One перестали быть обещанием и превратились в рабочий код на GitHub.
Кому что ставить в свой стек
- Нужен универсальный ассистент на русском для писем, документов и идей — Алиса AI и YandexGPT 5.1 Pro, быстрые и заметно более дешёвые в обслуживании.
- Нужны договоры, регламенты, базы знаний и требования к безопасности — GigaChat с длинным контекстом и сертификацией под банки и госструктуры.
- Нужен поток картинок и видео с понятными правами и возможностью запускать модель у себя — Kandinsky 5.0 под MIT.
- Нужен маркетинговый визуал внутри привычных сервисов и рекламных кампаний — YandexART 2.5 и Шедеврум.
- Нужны ИИ-агенты, RAG на своих данных и локальный инференс — T-Pro 2.1 и T-Lite 2.1.
Рынок генеративных сервисов в России за год вырос примерно впятеро и достиг 58 миллиардов рублей — в таких деньгах разговор про корпоративный искусственный интеллект звучит уже не как дискуссия энтузиастов, а как отчёт отрасли. Искусственный интеллект прошёл у нас траекторию от догоняющего аналога до конкурентного продукта в своей нише, и фора, о которой говорят специалисты, почти никогда не выглядит как победа в общем зачёте: она выглядит как плюс один балл к GPT-4o в MMLU Pro, кириллица в кадре, вдвое меньше токенов на абзац и отсутствие обходных путей в техническом задании.
Именно так и стоит выбирать: не по принципу «наша модель лучше GPT», а по принципу «наша модель закрывает эту задачу дешевле и без чужой юрисдикции». Если через год-два разрыв в генерации кода закроют и у нас — разговор о глобальном лидерстве станет возможен. Пока же искусственный интеллект остаётся гонкой, где российский сектор выигрывает не всю дистанцию, а отдельные участки трассы.
Напомним, ранее «Листай.ру» рассказал, как искусственный интеллект изменит российское правосудие: Верховный суд утвердил дорожную карту внедрения технологий.
