Российские LLM заняли первые 6 мест в тесте SLAVA, но им нужны мировые данные
Российские LLM в начале 2026 года заняли первые 6 мест в тесте SLAVA — 14 тыс. вопросов по истории и географии России; в ноябре 2024-го лидировали американские и китайские модели. Но русскоязычный интернет в 10–20 раз меньше мирового, и по оценке ИТМО русских текстов в обучении нужно лишь 5–30%. Без международных данных модели начнут отставать от зарубежных аналогов, поэтому выбирайте модель, проверяя её на своих задачах.
AI-обработка оригинала Habr AI; редакция Hamidun News
Представьте, что вы делаете помощника для юристов и спрашиваете у нейросети про российский закон, а потом просите разобрать свежую англоязычную научную статью. На первом вопросе лучше справится модель, которая читала много русских текстов, на втором — та, что училась на мировом корпусе. Именно об этом исследование Института ИИ ИТМО, подготовленное с экспертами МГУ, РАНХиГС, ВШЭ, AIRI, Яндекса, Сбера, Т-Банка и VK. LLM, то есть большие языковые модели, в начале 2026 года заняли первые 6 мест в рейтинге SLAVA — теста на знание российской истории, права и культуры. Но чтобы это преимущество не пропало, моделям нужен широкий доступ к данным: и русским, и международным. Если вы выбираете модель для продукта, это прямо влияет на ваш выбор.
Что показал тест SLAVA
SLAVA проверяет модели на 14 тысячах вопросов по истории, обществознанию, социологии и географии России. В начале 2026 года первые шесть мест в рейтинге заняли отечественные LLM. А ещё в ноябре 2024 года в тройке лидеров находились американские и китайские модели. Картина изменилась меньше чем за полтора года.
Авторы связывают это не только с инвестициями разработчиков, но и с тем, что в обучающих наборах выросла доля российских данных. Модель, которая читала больше русских текстов, не просто лучше говорит по-русски. Она лучше знает российские реалии, право и культурный контекст. Поэтому для задач с российской спецификой, например консультаций по местным нормам или работы с госдокументами, локальная модель может дать заметный выигрыш.
Почему одного русского языка мало
Русскоязычный интернет примерно в 10–20 раз меньше мирового. Современные модели предобучают на массивах в триллионы токенов: это веб-страницы, книги, научные публикации, открытый код и энциклопедии. По словам исследователей, русских данных хватает на часть многоязычного корпуса, но не на конкурентоспособную универсальную модель только на русском.
Оптимальную долю русскоязычных данных в обучающем массиве эксперты оценивают в 5–30%. Остальное должны дать другие языки: они содержат разную полезную информацию, а английский корпус остаётся ключевым носителем научного знания. Если изолироваться от международных данных, модель будет сильнее отставать от зарубежных аналогов и хуже справляться с задачами за пределами локального языкового контекста.
Российским командам при этом сложнее, чем иностранным: они сильнее зависят от открытых источников, потому что у них меньше ресурсов, чтобы самим собирать, покупать и оцифровывать данные. Любое ограничение доступного корпуса бьёт по ним заметнее.
Что предлагают авторы
Во-первых, оцифровать данные, которых пока нет в открытом интернете: материалы библиотек и архивов, образовательные, научные, культурные и профессиональные коллекции. Это могло бы улучшить модели в медицине, праве, строительстве, геологии и других областях, где важны российские знания и стандарты.
Во-вторых, перестать дублировать работу. Директор Института ИИ ИТМО Александр Бухановский отмечает, что сейчас каждая крупная компания делает модели для себя и закрывает разработки. Вместо того чтобы каждому создавать агента, который читает одну и ту же профессиональную литературу, можно обмениваться такими агентами или предоставлять их на коммерческой основе. Из готовых решений компании смогут собирать системы под свои задачи.
В-третьих, аккуратно регулировать авторское право: правила должны защищать правообладателей, но не сокращать массив информации, доступный для обучения.
Как это читать на практике
Это отраслевое исследование, а не независимый эксперимент: его авторы — участники рынка и научные организации, которым важен доступ к данным. Бенчмарк SLAVA измеряет знание российского контекста, а не общий интеллект модели или качество её кода.
Практический вывод для разработчиков и продуктовых команд простой. Не выбирайте модель по одному рейтингу, а проверяйте её на собственных задачах: локальное преимущество реально, но проявляется там, где нужны русский язык и российские реалии. Закрытые корпуса вроде нормативных баз и профессиональной литературы могут стать вашим преимуществом при дообучении или построении поиска по документам. А рынок в целом, по мнению авторов, получит шанс стать полноценным инфраструктурным слоем для России, если будет брать мировую технологическую базу, усиливать её отечественными данными и быстро доводить продукты до внедрения.
- 19 нояб. 2026 г.Агенты AWS AgentCore теперь ходят к закрытому Keycloak с корпоративным CA
- 19 нояб. 2026 г.95% ИИ-пилотов не дают прибыли: Европа застревает в согласованиях, Россия — во внедрении
- 19 нояб. 2026 г.Salesforce через роутер SageMaker за 3 минуты перевела 78% трафика в другой регион
- 18 нояб. 2026 г.Создатель Digg выпустил открытый аналог DocuSign: $240 в год вместо $8 100
Вопросы и ответы по материалу
Что известно по теме: что показал тест SLAVA?
SLAVA проверяет модели на 14 тысячах вопросов по истории, обществознанию, социологии и географии России. В начале 2026 года первые шесть мест в рейтинге заняли отечественные LLM. А ещё в ноябре 2024 года в тройке лидеров находились американские и китайские модели. Картина изменилась меньше чем за полтора года. Авторы связывают это не только с инвестициями разработчиков, но и с тем, что в обучающих наборах выросла доля российских данных.
Что известно по теме: почему одного русского языка мало?
Русскоязычный интернет примерно в 10–20 раз меньше мирового. Современные модели предобучают на массивах в триллионы токенов: это веб-страницы, книги, научные публикации, открытый код и энциклопедии. По словам исследователей, русских данных хватает на часть многоязычного корпуса, но не на конкурентоспособную универсальную модель только на русском. Оптимальную долю русскоязычных данных в обучающем массиве эксперты оценивают в 5–30%.
Что известно по теме: что предлагают авторы?
Во-первых, оцифровать данные, которых пока нет в открытом интернете: материалы библиотек и архивов, образовательные, научные, культурные и профессиональные коллекции. Это могло бы улучшить модели в медицине, праве, строительстве, геологии и других областях, где важны российские знания и стандарты. Во-вторых, перестать дублировать работу. Директор Института ИИ ИТМО Александр Бухановский отмечает, что сейчас каждая крупная компания делает модели для себя и закрывает разработки.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.