Сбер представил GigaChat 3.5 Ultra — модель вдвое компактнее предыдущей, но работающую с документами в четыре раза быстрее: gigachat от сбера

Если ты пришёл сюда за одним ответом: да, 6 июля 2026 года Сбер выложил новую флагманскую модель, она заявлена как почти вдвое компактнее прошлой версии и работает с большими документами до четырёх раз быстрее. Веса открыты и лежат на Hugging Face. Всё остальное в этой статье - как это проверить руками, где легко ошибиться и чего этот релиз не решает.

Сразу оговорюсь про частую путаницу. gigachat от сбера - это не один продукт, а два разных входа: ассистент ГигаЧат, которым пользуются как чат-ботом, и сама модель, которую теперь можно скачать и запускать у себя. GigaChat 3.5 Ultra - именно про второе. Если ты искал «где нажать кнопку и спросить», тебе в ассистент. Если ищешь веса и API для своего агента - читай про открытый код ниже.

Подключите модели для поиска и баз знаний с оплатой в рублях на provod.ai

Что именно изменилось 6 июля

Главное: появилась новая версия флагманской модели, её отдали и обычным пользователям бесплатно, и разработчикам в виде открытого исходного кода. Технически ключевое слово релиза - linear attention.

По данным анонса, который 6 июля 2026 года разошёлся через iXBT и подтверждается карточкой модели команды GigaChat на Hugging Face, изменилось следующее:

• Модель почти в два раза компактнее предыдущей версии и требует меньше вычислительных ресурсов (Сбер, через iXBT, 6 июля 2026).
• С большими документами она работает до четырёх раз быстрее прошлой версии (там же).
• Заявлены улучшения в программировании, математике и анализе документов, плюс поддержка многошаговых агентных сценариев (Сбер, через iXBT).
• Под капотом - технология linear attention (карточка модели на Hugging Face, ai-sage/GigaChat3.5-432B-A28B-bf16).
• GigaChat 3.5 Ultra доступна бесплатно пользователям ассистента ГигаЧат для личных и рабочих задач.
• Открытый исходный код модели бесплатно доступен разработчикам для своих сервисов и ИИ-агентов.

Что важно не додумать. Точное число параметров и размер контекстного окна в самом анонсе не раскрыты. Имя репозитория GigaChat3.5-432B-A28B-bf16 намекает на разреженную MoE-архитектуру с 432 млрд параметров и примерно 28 млрд активных, но официально Сбер эту цифру в анонсе не называл - это моя догадка по названию, и её стоит перепроверить в официальном блоге и в конфиге модели, прежде чем закладывать в расчёты памяти.

Пока ты прикидываешь, стоит ли гонять свои документы через ещё одну модель, держи в голове простой приём: чтобы понять, насколько gigachat от сбера хорош на твоих данных, полезно сравнить его ответы с зарубежными моделями на том же промпте - и такой прогон удобно делать через один совместимый API без VPN.

Что linear attention значит для агентов

Главное: обычное внимание в трансформере растёт квадратично от длины входа, linear attention - линейно. Для длинных документов это и есть источник заявленного ускорения.

Классический self-attention на входе из N токенов считает матрицу N×N. Удвоил документ - вычислений стало вчетверо больше. На договоре, логах или большом своде регламентов это упирается и в скорость, и в память. Linear attention переписывает операцию так, что стоимость растёт примерно линейно с длиной. Отсюда и логика заявления «до четырёх раз быстрее с большими документами» (Сбер, через iXBT): чем длиннее вход, тем заметнее выигрыш, а на коротком чате разницу ты можешь и не почувствовать.

Почему это важно именно для агентов. Многошаговый сценарий - это не один запрос, а цепочка: прочитать документ, вызвать инструмент, получить результат, снова подумать. Каждый шаг тащит за собой растущий контекст. Если обработка длинного контекста дешевле, агент дешевле и быстрее на каждом витке. Сбер прямо заявляет поддержку многошаговых агентных сценариев как одну из целей релиза - и архитектурный выбор с этим согласуется.

Честная оговорка от меня, не от Сбера: linear attention - это компромисс. Такие схемы исторически экономят на «дальнобойности» точных зависимостей ради скорости. Хорошо ли конкретно эта реализация держит длинный контекст на твоих задачах - независимыми замерами на 6 июля я не располагаю. Проверяй на своих документах, а не на демо.

Как попробовать GigaChat 3.5 Ultra прямо сейчас

Главное: есть два пути - нажать и спросить в ассистенте либо скачать веса. Начни с первого, чтобы понять, нужен ли второй.

1. Через ассистент, бесплатно. Модель доступна пользователям ГигаЧата для личных и рабочих задач (Сбер, 6 июля 2026). Это самый быстрый способ увидеть поведение на своих текстах, без железа и без кода.
2. Через открытые веса. Разработчикам отдан открытый исходный код для собственных сервисов и агентов. Это путь для тех, кому нужен контроль, приватность данных и запуск в своём контуре.

Прежде чем тянуть десятки гигабайт весов, ответь себе на три вопроса: хватит ли у меня видеопамяти под MoE такого размера, нужен ли мне self-hosted из-за требований к данным, и не решается ли задача обычным доступом к ассистенту. Если на все три «нет» - оставайся в ассистенте.

Открытый код: что реально лежит на Hugging Face

Главное: веса опубликованы командой GigaChat в репозитории ai-sage/GigaChat3.5-432B-A28B-bf16. Это первичный источник, его и стоит открыть перед любым продакшеном.

Формат bf16 в имени означает веса в bfloat16 - то есть без квантизации, «полный» вес. Под инференс на скромном железе тебе, скорее всего, понадобится квантованная сборка или несколько ускорителей; в bf16 модель такого класса требует много видеопамяти. Точные требования смотри в конфиге репозитория, а не в этой статье - я их не выдумываю.

Базовая загрузка весов через официальный клиент Hugging Face выглядит так. Токен нужен, если репозиторий попросит принять условия использования; храни его в переменной окружения, а не в коде.

import os from huggingface\_hub import snapshot\_download

# HF\_TOKEN - секрет, задай через переменную окружения, не коммить в git snapshot\_download( repo\_id="ai-sage/GigaChat3.5-432B-A28B-bf16", token=os.environ.get("HF\_TOKEN"),  # placeholder: подставь свой токен local\_dir="./gigachat-3-5-ultra", )

Дальше запуск зависит от твоего стека - transformers, vLLM или другой сервер инференса. Здесь я намеренно не привожу «магической» команды загрузки: конкретный класс модели, trust_remote_code и параметры зависят от того, что лежит в репозитории на день, когда ты это читаешь. Открой карточку модели, прочитай README и config.json - там официальные инструкции. Всё, что важно знать заранее: это открытые веса под свой запуск, а не готовый управляемый сервис.

⚠️ Предупреждение: не вставляй токены Hugging Face и любые ключи прямо в скрипт или в блокнот, который потом уйдёт в репозиторий. Утёкший токен - это чужой доступ к твоим приватным репозиториям и квотам. Используй переменные окружения или секрет-менеджер.

Сколько это стоит и какую модель выбрать

Главное: в ассистенте GigaChat 3.5 Ultra заявлена бесплатной для личных и рабочих задач; открытые веса тоже бесплатны, но платить придётся за железо и его обслуживание. Прямой прайс инференса в источнике не приводится, поэтому цифр за токен я не называю.

Выбор модели под задачу - это не про «какая лучше вообще», а про то, что у тебя за данные и где они должны оставаться. Ниже компактная таблица-ориентир. Она про способ доступа, а не про рейтинг качества - бенчмарков на 6 июля у меня нет, качество меряй сам.

Отдельно про сравнение. Чтобы честно понять, где gigachat от сбера выигрывает, а где нет, нужен второй игрок на том же промпте. Держать под это отдельные зарубежные аккаунты, карты и VPN - лишняя возня. Здесь пригождается доступ к Claude, GPT, Gemini, DeepSeek и Qwen через один API, совместимый с SDK OpenAI и Anthropic: меняешь ключ и base_url, платишь рублями с российской карты, по СБП или по счёту, работаешь без VPN и без иностранных карт. GigaChat через него не идёт - это отечественная модель со своим доступом; сервис закрывает ровно вторую половину сравнения, зарубежные модели, чтобы было с чем сопоставлять.

Минимальный прогон второй модели на том же запросе выглядит так - это обычный клиент OpenAI с другим адресом:

from openai import OpenAI

client = OpenAI( api\_key="PROVOD\_API\_KEY",              # placeholder: секрет, из переменной окружения base\_url="https://api.provod.ai/v1",   # единый совместимый эндпоинт )

resp = client.chat.completions.create( model="claude-opus-4-8",               # или gpt/gemini/deepseek/qwen messages=[{"role": "user", "content": "Суммируй договор ниже: ..."}], ) print(resp.choices[0].message.content)

Тот же промпт отправляешь в ГигаЧат, кладёшь два ответа рядом и смотришь на свои критерии: где точнее по фактам договора, где меньше выдумок, где формат ответа удобнее. Это скучная ручная работа, но именно она заменяет веру в пресс-релиз на собственные данные.

Где ты споткнёшься при встраивании в n8n и агентов

Главное: большинство проблем при интеграции - не про модель, а про формат ответа, длину контекста и ретраи. Разбери их заранее, и агент перестанет «падать без причины».

Частые грабли, отсортированные по тому, как часто на них наступают:

1. Ожидаешь строгий JSON - получаешь текст с пояснением. Любая модель иногда оборачивает JSON в фразу «вот ваш результат». В n8n это ломает следующий узел. Лечится явной инструкцией «ответь только JSON» и узлом-парсером, который отбрасывает всё до первой {.
2. Слишком длинный вход. Даже с linear attention контекст не бесконечен, а его точный размер в анонсе не назван. Если суёшь весь документ целиком, режь на части и собирай ответ. Не полагайся на «модель же быстрая с документами» как на «модель проглотит любой объём».
3. Нет ретраев и таймаутов. Агент делает пять шагов, на третьем сеть моргнула - вся цепочка встала. Оборачивай вызовы в повтор с экспоненциальной задержкой и разумным таймаутом на шаг.
4. Смешиваешь роли в диалоге. Для агентных сценариев следи за порядком system/user/assistant и за тем, куда кладёшь результаты вызванных инструментов. Каша в ролях - главная причина, почему многошаговый сценарий «тупеет» к концу.
5. Тестируешь на демо-примере, катишь на боевых данных. Красивый пример из анонса и твой реальный договор с таблицами и сносками - разные миры. Собери десяток настоящих документов и гоняй регресс на них.

Для n8n практический скелет один и тот же: HTTP-узел на эндпоинт модели, узел-валидатор ответа, ветка на ошибку с ретраем, и только потом бизнес-логика. Если строишь агента на открытых весах GigaChat 3.5 Ultra - добавь мониторинг видеопамяти и очередь запросов, иначе первый же всплеск нагрузки уронит инференс-сервер.

Чего этот релиз не решает

Честный список, чтобы не было завышенных ожиданий.

• Он не отменяет твою инженерную работу. Открытые веса - это старт, а не готовый сервис. Разворачивание, мониторинг, безопасность и обновления остаются на тебе.
• Он не даёт официальных цифр по параметрам и контексту. В анонсе их нет; название репозитория - это подсказка, а не спецификация. Не строй расчёты памяти на догадке.
• Заявления о скорости - от вендора. «До четырёх раз быстрее с большими документами» и «вдвое компактнее» - это слова Сбера через iXBT, не независимый бенчмарк. Активное обсуждение в iXBT, Sostav и vc.ru 6 июля - это внимание к анонсу, а не доказательство качества.
• provod.ai не заменяет GigaChat. Сервис не предоставляет ГигаЧат и не подменяет платформы автоматизации, приватную и on-prem инфраструктуру, функции, доступные только по подписке вендора, и работу по внедрению. Его роль в этой теме узкая: дать зарубежные модели через совместимый API, когда нужно сравнить или маршрутизировать между семействами.
• Он не отвечает на вопрос «а точно ли лучше для меня». На это отвечает только прогон на твоих документах.

Что делать дальше, по шагам

1. Открой ассистент ГигаЧат и прогони пять своих реальных запросов.
2. Параллельно отправь те же пять запросов в одну зарубежную модель и сравни.
3. Если данные нельзя отдавать наружу - иди в репозиторий ai-sage/GigaChat3.5-432B-A28B-bf16, читай README и прикидывай железо.
4. Собери мини-регресс из настоящих документов и меряй скорость и точность сам.
5. Решение о продакшене принимай по своим числам, а не по пресс-релизу.

Как использовать модели для поиска и баз знаний для бизнеса через provod.ai

• Один API. provod.ai даёт один OpenAI-совместимый API-ключ для доступных моделей из каталога; в существующем OpenAI SDK меняются только base URL и ключ.
• Оплата в рублях. Баланс provod.ai пополняется в рублях, а стоимость списывается за фактические запросы к выбранной модели.
• Прозрачная цена. Цены токенов в provod.ai указаны без наценки; при пополнении баланса действует отдельный сервисный сбор 5%.
• Доступ из России. Доступ к provod.ai работает из России без VPN и без зарубежной банковской карты.
• Документы для бизнеса. Для компаний provod.ai поддерживает рублёвую оплату, договор, счёт и закрывающие документы; текущая продуктовая справка также указывает ЭДО.

Встройте модели для поиска и баз знаний в бизнес-процессы через единый API provod.ai

Источники

• iXBT, 6 июля 2026 (вторичный): анонс GigaChat 3.5 Ultra, компактность, ускорение с документами, linear attention, бесплатный доступ в ассистенте, открытый код - https://www.ixbt.com/news/2026/07/06/420767-dostupna-v-gigacate-sber-predstavil-flagmanskuiu-ii-model-gigachat-35-ultra.amp.html
• Команда GigaChat на Hugging Face, 6 июля 2026 (первичный): веса модели ai-sage/GigaChat3.5-432B-A28B-bf16, linear attention, открытый доступ - https://huggingface.co/ai-sage/GigaChat3.5-432B-A28B-bf16
• Точное число параметров и размер контекста официально не раскрыты в анонсе - проверяй в блоге Сбера и в конфиге репозитория.