T-Bank lança o T-Search: agente open source para busca em várias etapas em russo

Em julho de 2026, o T-Bank lançou o T-Search, um agente de recuperação (retriever) aberto para buscas complexas em várias etapas, construído sobre o Qwen3.6-35B-A3B e treinado inteiramente com dados sintéticos. Trata-se de uma nova classe de modelos na linha aberta Gen-T, que já inclui as famílias em russo T-Lite e T-Pro.

Como o T-Search difere de uma busca comum

O T-Search não escreve a resposta final, mas devolve uma lista ranqueada de chunks relevantes, ou seja, fragmentos de texto. A geração da resposta final a partir dessa lista pode ficar a cargo de qualquer modelo, de acordo com os requisitos de cada produto. Essa é a decisão de arquitetura central: retriever e gerador são separados, e o desenvolvedor escolhe qual LLM formula a resposta ao usuário.

O modelo é voltado para busca em várias etapas, quando a resposta não pode ser encontrada com uma única consulta e é preciso refinar a pesquisa em sequência, combinar fontes e descartar o que não importa.

• Modelo base: Qwen3.6-35B-A3B (arquitetura MoE)
• Treinamento: inteiramente com dados sintéticos, para o harness próprio do T-Bank
• Saída do modelo: lista ranqueada de chunks, e não um texto pronto
• Parte da linha aberta Gen-T (depois de T-Lite e T-Pro)
• Junto com o modelo, em open source: dois benchmarks, TRuST e SynthComp

Como o modelo foi treinado

O T-Search foi treinado em duas etapas, SFT (supervised fine-tuning) e RL (aprendizado por reforço), com dados gerados pelo próprio T-Bank. Para isso, a equipe montou uma "fábrica" de tarefas de busca sintéticas com um ciclo adversarial de verificações: as tarefas são criadas e imediatamente avaliadas quanto à qualidade, para que dados de baixa qualidade não entrem no conjunto de treinamento.

A abordagem sintética aqui é uma questão de princípio: praticamente não existem datasets reais anotados para busca agêntica complexa em russo, então foi preciso gerar os dados de treinamento para um harness específico, em vez de coletá-los manualmente.

"O T-Search não escreve a resposta final, mas devolve uma lista ranqueada de chunks; a geração pode ficar a cargo de qualquer modelo, conforme os requisitos de cada produto", afirma

Tolya Potapov, MLE do T-Bank, no blog da empresa no Habr.

Para que servem os benchmarks TRuST e SynthComp

Junto com o modelo, o T-Bank abriu dois benchmarks para medir a qualidade da busca agêntica. O TRuST, segundo a descrição da equipe, é o primeiro benchmark de busca agêntica complexa em russo. O SynthComp é um benchmark sintético em russo e inglês com índices fixos, o que permite comparar diferentes retrievers de forma reprodutível, sobre os mesmos dados.

Benchmarks abertos em russo têm importância própria: a maioria das métricas de retrieval e RAG foi historicamente criada para o inglês, e antes havia muito pouco com que medir objetivamente a qualidade da busca em russo.

O que isso significa

O T-Bank segue ampliando o ecossistema aberto de IA russo: depois dos modelos de linguagem T-Lite e T-Pro, surge um retriever especializado, acompanhado de ferramentas para avaliá-lo. Para equipes que constroem RAG e agentes de busca em russo, isso significa um componente open source pronto e uma forma de medir sua qualidade com rigor.

Perguntas frequentes

O que é o T-Search?

O T-Search é o agente de recuperação aberto do T-Bank para buscas complexas em várias etapas, baseado no Qwen3.6-35B-A3B. Ele não gera a resposta final, mas devolve uma lista ranqueada de fragmentos de texto relevantes, a partir dos quais qualquer modelo escolhido formula a resposta.

Com quais dados o T-Search foi treinado?

O modelo foi treinado inteiramente com dados sintéticos, que o T-Bank gerou para seu próprio harness por meio de uma "fábrica" de tarefas de busca com ciclo adversarial de verificações. O treinamento ocorreu em duas etapas: SFT e RL.

Quais benchmarks o T-Bank publicou?

Junto com o modelo, foram lançados em open source dois benchmarks: o TRuST, o primeiro benchmark de busca agêntica complexa em russo, e o SynthComp, um benchmark sintético em russo e inglês com índices fixos.