LLMs russos ocupam os 6 primeiros lugares no teste SLAVA, mas precisam de dados globais
No início de 2026, os LLMs russos ocuparam os 6 primeiros lugares no teste SLAVA, com 14 mil perguntas sobre história e geografia da Rússia. Em novembro de 2024, os líderes eram modelos americanos e chineses. Mas a internet em russo é de 10 a 20 vezes menor que a mundial e, segundo a estimativa da ITMO, os textos em russo devem representar apenas 5–30% do treinamento. Sem dados internacionais, os modelos tendem a ficar atrás dos equivalentes estrangeiros. Por isso, ao escolher um modelo, teste-o nas suas próprias tarefas.
Processado por IA de Habr AI; editado por Hamidun News
Imagine que você está criando um assistente para advogados. Primeiro, pergunta à rede neural sobre uma lei russa; depois, pede que ela analise um artigo científico recente em inglês. Na primeira pergunta, tende a se sair melhor o modelo que leu muitos textos em russo.
Na segunda, aquele treinado em um corpus mundial. É esse o tema do estudo do Instituto de IA da ITMO, preparado com especialistas da Universidade Estatal de Moscou (MGU), RANEPA, HSE, AIRI, Yandex, Sber, T-Bank e VK. No início de 2026, os LLMs russos (grandes modelos de linguagem) ocuparam os 6 primeiros lugares no ranking SLAVA, um teste de conhecimento sobre história, direito e cultura da Rússia.
Para que essa vantagem não se perca, porém, os modelos precisam de amplo acesso a dados, tanto russos quanto internacionais. Se você está escolhendo um modelo para um produto, isso influencia diretamente a sua decisão.
O que o teste SLAVA mostrou
O SLAVA avalia os modelos com 14 mil perguntas sobre história, ciências sociais, sociologia e geografia da Rússia. No início de 2026, os seis primeiros lugares do ranking ficaram com LLMs nacionais. Em novembro de 2024, o top 3 era formado por modelos americanos e chineses. O quadro mudou em menos de um ano e meio.
Os autores atribuem a mudança aos investimentos dos desenvolvedores e também ao aumento da fatia de dados russos nos conjuntos de treinamento. Um modelo que leu mais textos em russo vai além de falar melhor o idioma: ele conhece melhor as realidades russas, o direito e o contexto cultural. Por isso, em tarefas com especificidade local, como consultas sobre normas do país ou trabalho com documentos governamentais, um modelo local pode trazer um ganho considerável.
Por que só o idioma russo não basta
A internet em russo é aproximadamente de 10 a 20 vezes menor que a mundial. Os modelos atuais são pré-treinados em volumes de trilhões de tokens, que incluem páginas da web, livros, publicações científicas, código aberto e enciclopédias. Segundo os pesquisadores, os dados em russo são suficientes para compor uma parte de um corpus multilíngue, mas não para sustentar um modelo universal competitivo treinado apenas em russo.
Os especialistas estimam que a fatia ideal de dados em russo no conjunto de treinamento fique entre 5% e 30%. O restante deve vir de outros idiomas, que trazem informações úteis diferentes, e o corpus em inglês continua sendo o principal repositório de conhecimento científico. Se o modelo se isolar dos dados internacionais, ficará ainda mais atrás dos equivalentes estrangeiros e terá mais dificuldade em tarefas fora do contexto linguístico local.
As equipes russas, além disso, enfrentam um cenário mais difícil que as estrangeiras. Elas dependem mais de fontes abertas, porque têm menos recursos para coletar, comprar e digitalizar dados por conta própria. Qualquer restrição ao corpus disponível as afeta com mais força.
O que os autores propõem
Primeiro, digitalizar dados que ainda não estão na internet aberta: materiais de bibliotecas e arquivos, além de coleções educacionais, científicas, culturais e profissionais. Isso poderia melhorar os modelos em medicina, direito, construção civil, geologia e outras áreas em que o conhecimento e os padrões russos são importantes.
Segundo, parar de duplicar trabalho. Alexander Bukhanovsky, diretor do Instituto de IA da ITMO, observa que hoje cada grande empresa cria modelos para si e mantém seus desenvolvimentos fechados. Em vez de cada uma construir um agente que lê a mesma literatura profissional, seria possível trocar esses agentes ou oferecê-los em bases comerciais. Com soluções prontas, as empresas poderiam montar sistemas para as próprias tarefas.
Terceiro, regular os direitos autorais com cuidado: as regras devem proteger os detentores dos direitos, mas sem reduzir o volume de informação disponível para treinamento.
Como interpretar isso na prática
Trata-se de um estudo do setor, e não de um experimento independente: os autores são participantes do mercado e organizações científicas interessadas em acesso a dados. O benchmark SLAVA mede o conhecimento do contexto russo, e não a inteligência geral do modelo nem a qualidade do seu código.
A conclusão prática para desenvolvedores e equipes de produto é simples. Não escolha um modelo com base em um único ranking; teste-o nas suas próprias tarefas. A vantagem local é real, mas aparece onde são necessários o idioma russo e as realidades da Rússia. Corpora fechados, como bases normativas e literatura profissional, podem ser um diferencial seu no fine-tuning ou na construção de busca por documentos. Já o mercado como um todo, na opinião dos autores, terá a chance de se tornar uma camada de infraestrutura plena para a Rússia se adotar a base tecnológica mundial, reforçá-la com dados nacionais e levar os produtos rapidamente à implantação.
- 3 de ago. de 2026Modelos chineses ocupam todo o top 5 da OpenRouter: MiMo-V2.5 lidera com 10,5 trilhões de tokens
- 30 de abr. de 2026BotHub, GPTunnel e ruGPT: como os agregadores russos de IA dividem o mercado em 2026
- 16 de mai. de 2026Kling AI e AI Video chegam ao topo da App Store após o fim do Sora
- 2 de fev. de 2026GPT-4 sem VPN: como os bots do Telegram substituíram os serviços oficiais para os russos
Perguntas frequentes sobre a notícia
O que o teste SLAVA mostrou?
O SLAVA avalia os modelos com 14 mil perguntas sobre história, ciências sociais, sociologia e geografia da Rússia. No início de 2026, os seis primeiros lugares do ranking ficaram com LLMs nacionais. Em novembro de 2024, o top 3 era formado por modelos americanos e chineses. O quadro mudou em menos de um ano e meio. Os autores atribuem a mudança aos investimentos dos desenvolvedores e também ao aumento da fatia de dados russos nos conjuntos de treinamento.
Por que só o idioma russo não basta?
A internet em russo é aproximadamente de 10 a 20 vezes menor que a mundial. Os modelos atuais são pré-treinados em volumes de trilhões de tokens, que incluem páginas da web, livros, publicações científicas, código aberto e enciclopédias. Segundo os pesquisadores, os dados em russo são suficientes para compor uma parte de um corpus multilíngue, mas não para sustentar um modelo universal competitivo treinado apenas em russo.
O que os autores propõem?
Primeiro, digitalizar dados que ainda não estão na internet aberta: materiais de bibliotecas e arquivos, além de coleções educacionais, científicas, culturais e profissionais. Isso poderia melhorar os modelos em medicina, direito, construção civil, geologia e outras áreas em que o conhecimento e os padrões russos são importantes. Segundo, parar de duplicar trabalho.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.