Сбер за месяц выкатил три ИИ-проекта — и вот что реально стоит вашего внимания — 4 июля 2026 г. в 08:15:51.627
Сбер за месяц выкатил три ИИ-проекта — и вот что реально стоит вашего внимания Последние недели Сбер буквально забрасывал рынок релизами. Три разноплановых проекта — от генерации картинок до анализа кода на 1С. Разобрались без воды и маркетингового шума. Kandinsky 6.0: одна модель вместо пяти Новая версия работает на архитектуре MoE и ускорилась на 40%. По данным Сбера, по качеству сопоставима с «Flux 2 Max» и превосходит текущий стандарт OpenAI в генерации изображений. Но замеры внутренние — принимаем к сведению. Что реально изменилось на практике: раньше для редактирования фото нужны были разные инструменты. Теперь одна модель умеет удалять объекты, менять фон, колоризовать старые снимки и даже примерять одежду на фотографию. Отдельная фишка — Image RAG. При генерации модель ищет релевантные изображения в базе знаний и подмешивает их в контекст. Представьте: хотите «себя с любимым киногероем» — и модель знает, как этот образ добавить. Плюс глубокое знание отечественного культурного кода — от мезенской росписи до картуза. Доступно в боте GigaChat, мессенджере Max и на giga.chat. Граф знаний в ГигаЧате: честная история провалов и побед Вот это редкость — команда Сбера рассказала не только про успехи, но и про провалы. Два года они пилотировали граф знаний для поиска. Провели 13 экспериментов и 184 замера на бенчмарке ruSimpleQA (4326 вопросов). Первый подход: Apache Jena Fuseki + база YAGO 4.5 с 120 миллионами фактов. Результат — всего +3 процентных пункта. Почти ничего. Причина в том, что YAGO универсален, но «размыт» — не покрывает специфику Сбера. Перешли на LightRAG с гибридным поиском, где векторный поиск и обход графа работают вместе, дополняя друг друга. Оптимальная глубина — 3 уровня с контролем ветвления. На пальцах: граф знаний — как энциклопедия со ссылками. Он понимает, что «Сбер» в разных документах означает одно и то же, и видит связи между понятиями. Практический вывод: универсальный внешний граф не заменит собственный — компаниям нужны свои знания. 1C Code Bench: первый бенчмарк для 1С-кода До сих пор все кодовые бенчмарки тестировали Python и JavaScript. А миллионы строк на 1С — без объективного замера. Теперь есть. В бенчмарке 20 задач трёх уровней сложности — от базового синтаксиса до сложных запросов с виртуальными таблицами регистров. Результаты (по данным авторов): Claude Sonnet 4 справляется с 70% задач, Gemini 3 Pro Preview — тоже 70%, а GPT-5.2 — всего 30%. Важный контекст: 1С — узкоспецифичный язык, модели обучались преимущественно на Python и JavaScript. Это не общий IQ-бенчмарк, а специализированный замер в определённом домене. Кроме того, Gemini 3 Pro Preview — это preview-версия, результат которой может измениться в стабильном релизе. Бенчмарк открыт для сообщества — 1С-разработчики могут добавлять задачи через GitHub. Итог: Сбер последовательно закрывает ниши, где зарубежные вендоры не представлены, — от генерации изображений с отечественным культурным кодом до специфичных бенчмарков для 1С. И делится не только победами, но и провальными пилотами — для enterprise-сегмента это действительно редкость. Делитесь мнением ниже 👇 Пишите в комментариях, что думаете.