Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Los LLM rusos ocupan los 6 primeros puestos en la prueba SLAVA, pero necesitan datos de todo el mundo

A comienzos de 2026, los LLM rusos ocuparon los 6 primeros puestos de la prueba SLAVA, un test de 14 mil preguntas sobre historia y geografía de Rusia. En noviembre de 2024 lideraban los modelos estadounidenses y chinos. Sin embargo, el internet en ruso es entre 10 y 20 veces menor que el mundial y, según ITMO, los textos en ruso deberían suponer solo entre el 5% y el 30% del entrenamiento. Sin datos internacionales, los modelos empezarán a quedarse por detrás de sus equivalentes extranjeros. Por eso conviene elegir un modelo probándolo con las tareas propias.

Procesado por IA desde Habr AI; editado por Hamidun News
Los LLM rusos ocupan los 6 primeros puestos en la prueba SLAVA, pero necesitan datos de todo el mundo
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
SLAVA14 mil preguntas de historia, ciencias sociales, sociología y geografía
Dato clave #2El corpus en inglés sigue siendo el principal portador del conocimiento científico
Dato clave #3Los autores proponen digitalizar archivos y bibliotecas para medicina, derecho y geología

Imagine que desarrolla un asistente para abogados. Primero le pregunta a la red neuronal por una ley rusa y después le pide que analice un artículo científico reciente en inglés. En la primera pregunta funcionará mejor un modelo que haya leído muchos textos en ruso; en la segunda, uno entrenado con un corpus mundial.

De eso trata el estudio del Instituto de IA de ITMO, elaborado con expertos de MGU, RANEPA, HSE, AIRI, Yandex, Sber, T-Bank y VK. A comienzos de 2026, los LLM (los grandes modelos de lenguaje) ocuparon los 6 primeros puestos del ranking SLAVA, una prueba que mide el conocimiento de historia, derecho y cultura de Rusia. Pero para que esa ventaja no se pierda, los modelos necesitan un acceso amplio a datos, tanto rusos como internacionales.

Si está eligiendo un modelo para un producto, esto influye directamente en su decisión.

Qué mostró la prueba SLAVA

SLAVA evalúa los modelos con 14 mil preguntas de historia, ciencias sociales, sociología y geografía de Rusia. A comienzos de 2026, los seis primeros puestos del ranking fueron para LLM nacionales. En noviembre de 2024, en cambio, el podio lo ocupaban modelos estadounidenses y chinos. El panorama cambió en menos de año y medio.

Los autores lo atribuyen no solo a las inversiones de los desarrolladores, sino también a que ha aumentado la proporción de datos rusos en los conjuntos de entrenamiento. Un modelo que ha leído más textos en ruso no se limita a expresarse mejor en ese idioma: también conoce mejor la realidad rusa, su derecho y su contexto cultural. Por eso, en tareas con especificidad rusa, como las consultas sobre normativa local o el trabajo con documentos oficiales, un modelo local puede ofrecer una ventaja notable.

Por qué no basta con el ruso

El internet en ruso es aproximadamente entre 10 y 20 veces menor que el mundial. Los modelos actuales se preentrenan con conjuntos de billones de tokens: páginas web, libros, publicaciones científicas, código abierto y enciclopedias. Según los investigadores, los datos en ruso bastan para formar una parte de un corpus multilingüe, pero no para un modelo universal competitivo entrenado solo en ruso.

Los expertos estiman que la proporción óptima de datos en ruso en el conjunto de entrenamiento es del 5–30%. El resto deben aportarlo otros idiomas, que contienen información útil diversa, mientras que el corpus en inglés sigue siendo el principal portador del conocimiento científico. Si un modelo se aísla de los datos internacionales, se quedará más rezagado respecto a sus equivalentes extranjeros y resolverá peor las tareas que salgan del contexto lingüístico local.

Además, a los equipos rusos les resulta más difícil que a los extranjeros: dependen más de las fuentes abiertas porque tienen menos recursos para recopilar, comprar y digitalizar datos por su cuenta. Cualquier restricción del corpus disponible les afecta con más fuerza.

Qué proponen los autores

En primer lugar, digitalizar datos que todavía no están en el internet abierto: materiales de bibliotecas y archivos, y colecciones educativas, científicas, culturales y profesionales. Esto podría mejorar los modelos en medicina, derecho, construcción, geología y otros ámbitos en los que importan el conocimiento y los estándares rusos.

En segundo lugar, dejar de duplicar el trabajo. Aleksandr Bujanovski, director del Instituto de IA de ITMO, señala que ahora cada gran empresa desarrolla modelos para sí misma y mantiene cerrados sus desarrollos. En lugar de que cada una cree un agente que lea la misma literatura profesional, se podrían intercambiar esos agentes o ofrecerlos de forma comercial. Con soluciones ya listas, las empresas podrían montar sistemas para sus propias tareas.

En tercer lugar, regular con cuidado los derechos de autor: las normas deben proteger a los titulares de derechos, pero sin reducir el volumen de información disponible para el entrenamiento.

Cómo interpretarlo en la práctica

Se trata de un estudio sectorial, no de un experimento independiente: sus autores son actores del mercado y organizaciones científicas interesadas en el acceso a los datos. El benchmark SLAVA mide el conocimiento del contexto ruso, no la inteligencia general de un modelo ni la calidad de su código.

La conclusión práctica para desarrolladores y equipos de producto es sencilla. No elija un modelo por un solo ranking: pruébelo con sus propias tareas. La ventaja local existe, pero se manifiesta donde hacen falta el idioma ruso y las realidades de Rusia. Los corpus cerrados, como las bases normativas y la literatura profesional, pueden convertirse en su ventaja al hacer fine-tuning o al construir una búsqueda sobre documentos. Y el mercado en conjunto, en opinión de los autores, tendrá la oportunidad de convertirse en una capa de infraestructura de pleno derecho para Rusia si toma la base tecnológica mundial, la refuerza con datos nacionales y lleva rápidamente los productos a su implantación.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué mostró la prueba SLAVA?

SLAVA evalúa los modelos con 14 mil preguntas de historia, ciencias sociales, sociología y geografía de Rusia. A comienzos de 2026, los seis primeros puestos del ranking fueron para LLM nacionales. En noviembre de 2024, en cambio, el podio lo ocupaban modelos estadounidenses y chinos. El panorama cambió en menos de año y medio. Los autores lo atribuyen no solo a las inversiones de los desarrolladores, sino también a que ha aumentado la proporción de datos rusos en los conjuntos de entrenamiento.

¿Qué se sabe sobre Por qué no basta con el ruso?

El internet en ruso es aproximadamente entre 10 y 20 veces menor que el mundial. Los modelos actuales se preentrenan con conjuntos de billones de tokens: páginas web, libros, publicaciones científicas, código abierto y enciclopedias. Según los investigadores, los datos en ruso bastan para formar una parte de un corpus multilingüe, pero no para un modelo universal competitivo entrenado solo en ruso. Los expertos estiman que la proporción óptima de datos en ruso en el conjunto de entrenamiento es del 5–30%.

¿Qué se sabe sobre Qué proponen los autores?

En primer lugar, digitalizar datos que todavía no están en el internet abierto: materiales de bibliotecas y archivos, y colecciones educativas, científicas, culturales y profesionales. Esto podría mejorar los modelos en medicina, derecho, construcción, geología y otros ámbitos en los que importan el conocimiento y los estándares rusos. En segundo lugar, dejar de duplicar el trabajo.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…