Модель демонстрирует высокую эффективность в тестах, опережая DeepSeek-V4-Flash-Base и другие решения. В частности, на LiveCodeBench v5-6 система набрала 50,5 балла, а в олимпиадных задачах HMMT Feb 2026 показала результат 96,9 против 87,9 у конкурентов. Новинка оказалась результативнее предыдущей закрытой разработки Яндекса Alice AI LLM 235B в 75% случаев, несмотря на то что общая емкость параметров у предшественницы была в три раза выше.
Технический отчет раскрывает детали четырехстадийного обучения, включившего обработку 17,5 трлн токенов и расширение контекста до 256K. Особое внимание уделили блоку рассуждений и математическому корпусу MaRS. Разработчики также открыли доступ к двум новым бенчмаркам — WikiWebFacts и HardMultiQA, ориентированным на проверку фактологических знаний и качество ответов на реальные поисковые запросы пользователей. Веса модели и полная документация уже опубликованы на платформе Hugging Face.
Комментарии (0)
Пока нет комментариев. Будьте первым!