GigaChat: séptimo en el ranking ciego en ruso, pero 78 puntos Elo por detrás del líder
Putin afirmó que dos modelos rusos están entre los mejores del mundo, y esto se puede comprobar: en llmarena.ru, las personas eligen a ciegas la mejor de dos respuestas, y las puntuaciones Elo se calculan como en el ajedrez. GigaChat 3.5 obtuvo 1121 puntos y quedó séptimo de 112 modelos, mientras que el líder, Gemini 3 Pro Preview, tiene 1199, es decir, 78 puntos más. Alice AI LLM ocupa el puesto veinte, con 1069. Para tareas en ruso, ambos modelos sirven; en agentes complejos, los líderes siguen siendo occidentales.
Procesado por IA desde Habr AI; editado por Hamidun News
El 18 de noviembre, en la cumbre del APEC en Shenzhen, Vladímir Putin dijo: «Nuestros dos modelos de lenguaje insignia están entre los mejores del mundo». Esta afirmación puede comprobarse en el ranking público llmarena.ru.
Allí, el usuario hace una pregunta, dos modelos anónimos responden y una persona vota por la respuesta que considera mejor; solo después ve los nombres. Los votos se convierten en puntuaciones Elo, como las de los ajedrecistas: cuanto más se gana, más alta es la puntuación. En el corte de noviembre de 2026, GigaChat 3.
5 es séptimo en el mundo con 1121 puntos, mientras que el líder, Gemini 3 Pro Preview, alcanzó 1199. La diferencia es de 78 puntos. En la práctica, esto significa que para tareas en ruso GigaChat es una opción funcional, pero para agentes complejos conviene probar primero los modelos occidentales.
El autor del material en Habr no es ingeniero de ML, sino un usuario común que necesita una respuesta en ruso sin VPN. Reunió datos de las cuatro familias rusas de modelos y los contrastó con las declaraciones de los desarrolladores.
Cómo funciona el ranking y en qué se le puede creer
LLM Arena funciona como una cata a ciegas. A partir de millones de duelos por pares y con el modelo Bradley-Terry, la misma matemática que sustenta el Elo del ajedrez, se calcula la puntuación final. El ranking incluye 112 modelos, y el corte del autor recoge los votos hasta el 9 de noviembre de 2026.
El método tiene un límite. Muestra qué respuesta gustó más a las personas, pero no indica qué modelo resolverá un problema de olimpiada o diseñará un proyecto complejo. Eso sí, los desarrolladores no pueden ajustar el resultado para un benchmark. Como el ranking está vivo, las cifras deben leerse junto con la fecha del corte: en septiembre, por ejemplo, Alice ocupaba el puesto 19 con los mismos 1069 puntos.
Cuatro familias: quién es quién
GigaChat (Sber). El modelo insignia es GigaChat 3.5 Ultra, lanzado en julio de 2026: arquitectura MoE, 432 mil millones de parámetros (28 mil millones activos) y una ventana de contexto de 262 mil tokens. Los pesos están abiertos bajo licencia MIT, por lo que el modelo puede descargarse, ajustarse y ejecutarse en hardware propio. En el ranking ocupa el séptimo lugar con 1121 puntos. Junto a él aparecen GPT-5.2 con 1122 y DeepSeek V3.2 con 1119, así que en ruso GigaChat compite prácticamente al mismo nivel que ambos.
Alice AI LLM (Yandex). El modelo insignia, de 235 mil millones de parámetros (MoE), se entrenó desde cero con datos en ruso. Es un modelo cerrado, pero está integrado a fondo en los servicios de la compañía: búsqueda, navegador, altavoces y, a través de la API, puede reservar una mesa o hacer un pedido en Taxi y Eda. El 21 de septiembre, Yandex publicó Alice AI Foundation, una versión preentrenada de 80 mil millones de parámetros con licencia para uso comercial. En el leaderboard, Alice está en el puesto 20 con 1069 puntos, junto a Gemma 3 27B y Claude Sonnet 4.
T-Pro y T-Lite (T-Technologies). La familia Gen-T se basa en Qwen y se ajustó con un corpus en ruso. Según el desarrollador, esto redujo los costes en torno a un 90 % frente al entrenamiento desde cero. Las versiones vigentes, T-pro-it-2.0 y 2.1, funcionan sobre Qwen 3 de 32 mil millones de parámetros y están orientadas al seguimiento de instrucciones y a la invocación de herramientas. El modelo ligero T-Lite, de 7 mil millones, está pensado para chatbots rápidos. Los pesos están abiertos bajo Apache 2.0. En el corte de septiembre, T-pro-it-2.0 ocupa el puesto 36 con 1024 puntos.
Cotype (MWS, ecosistema de MTS). No es un asistente general, sino un conjunto de modelos para empresas, entrenados con correspondencia comercial y documentos. Pro 3, de 27 mil millones de parámetros, maneja 262 mil tokens de contexto, lo que equivale aproximadamente a un informe anual completo. Light 3, de 9 mil millones, está destinado a procesos habituales; la versión multimodal VL, de 32 mil millones, lee texto manuscrito en escaneos, y la abierta Nano, de 1500 millones, sirve para borradores. En el benchmark independiente MERA, Pro 3 ocupó el tercer lugar. Cotype no está en el ranking público de llmarena.ru, así que no puede compararse con el resto en esa escala.
Conclusión
El líder del corte es Gemini 3 Pro Preview con 1199 puntos, seguido de Qwen3.6 Max (1165), GPT-5.4 (1161) y Claude Opus 4.7 (1149). La distancia de GigaChat con el primer puesto es de 78 puntos, la de Alice de 130 y la de T-pro de 175. Así, según este ranking, solo un modelo ruso entra en el top 10 mundial, no dos, y el segundo queda entre los veinte primeros.
El autor sitúa de forma honesta a ambos modelos insignia en un segundo escalón. Los líderes mundiales, así como DeepSeek y Qwen, de China, son claramente más fuertes en cadenas de agentes largas, programación compleja y lógica de varios pasos. Sin embargo, en tareas en ruso como redactar, traducir o resumir un documento, la diferencia apenas se nota en la práctica. A ello se suman los pesos abiertos de GigaChat, T-Pro y Alice Foundation, que los grandes modelos occidentales no ofrecen, y la integración en banca, búsqueda y marketplaces.
La conclusión práctica para desarrolladores y product managers es la siguiente. Si la tarea es en ruso y son importantes la ejecución local o que los datos permanezcan en el país, GigaChat y T-Pro son opciones perfectamente válidas. Si se construye un agente de programación complejo, conviene probar primero Gemini, GPT o Claude con las tareas propias. La limitación de toda esta evaluación es una: se trata de un ranking de preferencias en ruso, no de un examen universal, y dentro de un mes las posiciones podrían cambiar.
- 21 nov 2026Anthropic y Claude afirman haber demostrado la hipótesis de Riemann; Stanford responde sin IA
- 21 nov 2026Cuatro reglas de Karpathy en un solo archivo para agentes de programación suman 232 000 estrellas en GitHub
- 21 nov 2026Un hotel avisó de un hackeo 9 días después, y el autor encargó a Claude y Codex cazar vulnerabilidades
- 21 nov 2026Amazon ofrece gratis el agente de IA AWS Quick con Claude; el plan Plus cuesta $25 al mes
Preguntas frecuentes sobre la noticia
Cómo funciona el ranking y en qué se le puede creer?
LLM Arena funciona como una cata a ciegas. A partir de millones de duelos por pares y con el modelo Bradley-Terry, la misma matemática que sustenta el Elo del ajedrez, se calcula la puntuación final. El ranking incluye 112 modelos, y el corte del autor recoge los votos hasta el 9 de noviembre de 2026. El método tiene un límite. Muestra qué respuesta gustó más a las personas, pero no indica qué modelo resolverá un problema de olimpiada o diseñará un proyecto complejo.
¿Qué se sabe sobre Cuatro familias: quién es quién?
GigaChat (Sber). El modelo insignia es GigaChat 3.5 Ultra, lanzado en julio de 2026: arquitectura MoE, 432 mil millones de parámetros (28 mil millones activos) y una ventana de contexto de 262 mil tokens. Los pesos están abiertos bajo licencia MIT, por lo que el modelo puede descargarse, ajustarse y ejecutarse en hardware propio. En el ranking ocupa el séptimo lugar con 1121 puntos.
¿Qué se sabe sobre Conclusión?
El líder del corte es Gemini 3 Pro Preview con 1199 puntos, seguido de Qwen3.6 Max (1165), GPT-5.4 (1161) y Claude Opus 4.7 (1149). La distancia de GigaChat con el primer puesto es de 78 puntos, la de Alice de 130 y la de T-pro de 175. Así, según este ranking, solo un modelo ruso entra en el top 10 mundial, no dos, y el segundo queda entre los veinte primeros. El autor sitúa de forma honesta a ambos modelos insignia en un segundo escalón.
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.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.