Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизОткрытые веса · В работуHabr AI→ оригинал

GigaChat — 7-й в мире в слепом рейтинге на русском, но на 78 баллов Elo позади лидера

Путин заявил, что две российские модели — в числе лучших в мире, и это можно проверить: на llmarena.ru люди вслепую выбирают лучший из двух ответов, а баллы Elo считаются как в шахматах. GigaChat 3.5 набрал 1121 балл и стал седьмым из 112 моделей, лидер Gemini 3 Pro Preview — 1199, то есть на 78 баллов больше. Alice AI LLM — двадцатая, 1069. Для задач на русском обе модели годятся, для сложных агентов лидеры пока западные.

AI-обработка оригинала Habr AI; редакция Hamidun News
GigaChat — 7-й в мире в слепом рейтинге на русском, но на 78 баллов Elo позади лидера
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
GigaChat 3.5 Ultra432 млрд параметров, веса открыты под MIT
Ключевой факт #2T-pro-it-2.0 — 36-е место (1024 балла), Cotype в рейтинге нет
Разрыв с лидерому Alice 130 баллов, у T-pro 175

18 ноября на саммите АТЭС в Шэньчжэне Владимир Путин сказал: «Наши две флагманские языковые модели входят в число лучших в мире». Эту фразу можно проверить по открытому рейтингу llmarena.ru. Там пользователь задаёт вопрос, две анонимные модели отвечают, а человек голосует за ответ получше и только потом видит названия. Из голосов считаются баллы Elo, как у шахматистов: чаще выигрываешь — балл выше. В срезе ноября 2026 года GigaChat 3.5 седьмой в мире с 1121 баллом, а лидер, Gemini 3 Pro Preview, набрал 1199. Разрыв — 78 баллов. На практике это значит, что для русскоязычных задач GigaChat рабочий вариант, а для сложных агентов стоит сначала проверить западные модели.

Автор материала на Хабре не ML-инженер, а обычный пользователь, которому нужен ответ на русском без VPN. Он собрал данные по всем четырём российским семействам моделей и сверил их с заявлениями разработчиков.

Как устроен рейтинг и чему ему можно верить

LLM Arena работает как слепая дегустация. Из миллионов парных дуэлей по модели Брэдли-Терри, той же математике, что стоит за шахматным Эло, считается итоговый балл. В рейтинге 112 моделей, в срез автора вошли голоса до 9 ноября 2026 года.

У метода есть граница. Он показывает, какой ответ людям понравился чаще, и не показывает, какая модель решит олимпиадную задачу или соберёт сложный проект. Зато разработчики не могут подкрутить результат под бенчмарк. А раз рейтинг живой, цифры нужно читать вместе с датой среза: в сентябре Alice, например, была девятнадцатой при тех же 1069 баллах.

Четыре семейства: кто есть кто

GigaChat (Сбер). Флагман — GigaChat 3.5 Ultra, вышедший в июле 2026 года: архитектура MoE, 432 млрд параметров (28 млрд активных), контекст 262 тысячи токенов. Веса открыты под лицензией MIT, то есть модель можно скачать, дообучить и запускать на своём железе. В рейтинге это седьмое место с 1121 баллом. Рядом GPT-5.2 с 1122 и DeepSeek V3.2 с 1119, то есть на русском GigaChat идёт практически вровень с ними.

Alice AI LLM (Яндекс). Флагман на 235 млрд параметров (MoE) обучен с нуля на русскоязычных данных. Модель закрытая, зато глубоко встроена в сервисы: поиск, браузер, колонки, а через API она может забронировать столик или оформить заказ в «Такси» и «Еде». 21 сентября Яндекс открыл претрейн-версию Alice AI Foundation на 80 млрд параметров с разрешением на коммерческое использование. В лидерборде Alice на двадцатом месте с 1069 баллами, рядом Gemma 3 27B и Claude Sonnet 4.

T-Pro и T-Lite (Т-Технологии). Семейство Gen-T построено на Qwen и дообучено на русском корпусе. По словам разработчика, это сократило расходы примерно на 90% по сравнению с обучением с нуля. Актуальные T-pro-it-2.0 и 2.1 работают на Qwen 3 с 32 млрд параметров, заточены под следование инструкциям и вызов инструментов. Лёгкая T-Lite на 7 млрд рассчитана на быстрых чат-ботов. Веса открыты под Apache 2.0. По срезу сентября T-pro-it-2.0 занимает 36-е место с 1024 баллами.

Cotype (MWS, экосистема МТС). Это не универсальный ассистент, а набор моделей для бизнеса, обученных на деловой переписке и документах. Pro 3 на 27 млрд параметров держит 262 тысячи токенов контекста, что примерно соответствует годовому отчёту целиком. Light 3 на 9 млрд предназначена для типовых процессов, мультимодальная VL на 32 млрд читает рукописный текст со сканов, а открытая Nano на 1,5 млрд подходит для черновиков. В независимом бенчмарке MERA Pro 3 заняла третье место. В публичном лидерборде llmarena.ru Cotype нет, поэтому сравнить её с остальными по этой шкале нельзя.

Что в итоге

Лидер среза — Gemini 3 Pro Preview с 1199 баллами, дальше Qwen3.6 Max (1165), GPT-5.4 (1161) и Claude Opus 4.7 (1149). Отставание GigaChat от первого места — 78 баллов, Alice — 130, T-pro — 175. Выходит, что в мировую десятку по этому рейтингу попадает одна российская модель, а не две, и вторая оказывается в двадцатке.

Автор честно относит обе флагманские модели ко второму эшелону. Мировые лидеры, а также китайские DeepSeek и Qwen, заметно сильнее в длинных агентных цепочках, сложном программировании и многошаговой логике. Зато для русскоязычных задач вроде письма, перевода или краткого пересказа документа разрыв на практике малозаметен. К этому добавляются открытые веса GigaChat, T-Pro и Alice Foundation, которых западные флагманы не предлагают, и интеграция в банк, поиск и маркетплейсы.

Практический вывод для разработчиков и продактов такой. Если задача на русском языке и важны локальный запуск или данные внутри страны, GigaChat и T-Pro вполне рабочие варианты. Если вы строите сложного кодового агента, сначала проверьте на своих задачах Gemini, GPT или Claude. Ограничение у всей оценки одно: это рейтинг предпочтений на русском, а не универсальный экзамен, и через месяц места могут сдвинуться.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как устроен рейтинг и чему ему можно верить?

LLM Arena работает как слепая дегустация. Из миллионов парных дуэлей по модели Брэдли-Терри, той же математике, что стоит за шахматным Эло, считается итоговый балл. В рейтинге 112 моделей, в срез автора вошли голоса до 9 ноября 2026 года. У метода есть граница. Он показывает, какой ответ людям понравился чаще, и не показывает, какая модель решит олимпиадную задачу или соберёт сложный проект. Зато разработчики не могут подкрутить результат под бенчмарк.

Что известно по теме: четыре семейства: кто есть кто?

GigaChat (Сбер). Флагман — GigaChat 3.5 Ultra, вышедший в июле 2026 года: архитектура MoE, 432 млрд параметров (28 млрд активных), контекст 262 тысячи токенов. Веса открыты под лицензией MIT, то есть модель можно скачать, дообучить и запускать на своём железе. В рейтинге это седьмое место с 1121 баллом. Рядом GPT-5.2 с 1122 и DeepSeek V3.2 с 1119, то есть на русском GigaChat идёт практически вровень с ними. Alice AI LLM (Яндекс). Флагман на 235 млрд параметров (MoE) обучен с нуля на русскоязычных данных.

Что известно по теме: что в итоге?

Лидер среза — Gemini 3 Pro Preview с 1199 баллами, дальше Qwen3.6 Max (1165), GPT-5.4 (1161) и Claude Opus 4.7 (1149). Отставание GigaChat от первого места — 78 баллов, Alice — 130, T-pro — 175. Выходит, что в мировую десятку по этому рейтингу попадает одна российская модель, а не две, и вторая оказывается в двадцатке. Автор честно относит обе флагманские модели ко второму эшелону.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

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.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…