#gigachat — Public Fediverse posts

Почему Алиса AI и ГигаЧат отвечают по-разному и как помочь ИИ понять ваш сайт

Я попросила Алису AI и ГигаЧат настроить lifecycle-политику объектного хранилища в одном конкретном облаке. Ответы выглядели убедительно, пока я не сверила их с документацией и не нашла расхождения. Почему так получилось? А главное, что с этим делать SEO-специалисту и техническому писателю?

https://habr.com/ru/companies/cloud_ru/articles/1075780/

#ИИ #seo #geo #ai #giga #gigachat

Провожу тест‑драйв GigaChat Audio в рабочих условиях

Привет, Хабр! Сбер недавно выкатил новую модель, GigaChat Audio. Сейчас я надиктовываю модели этот текст голосом — финальный штрих в истории о том, как я проводил её тест‑драйв. Когда прочитал, что GigaChat Audio запоминает контекст, ориентируется в больших аудиозаписях и даже чувствует эмоции говорящего, сразу захотел проверить. Я задеплоил эту модель локально на рабочем компьютере и целый день проверял на рабочих задачах. Результат — в этой статье. Меня зовут Данила @pushnoydan , я мидл‑разработчик и занимаюсь бэкендом микросервисов. А параллельно — большой любитель ИИ‑моделей: в свободное время копаюсь в них, чтобы лучше понимать возможности свежих релизов, стараюсь применять на работе, чтобы упростить рутинные задачи. GigaChat Audio — audio‑native LLM. В течение дня я поручал ей разбирать голосовые коммуникации от коллег, составлять саммари по аудиозаписям и выводить ключевой контекст из записей различных встреч. Давайте посмотрим, как модель показала на реальных задачах.

https://habr.com/ru/specials/1072222/

#тестдрайв #иимодель #gigachat #транскрибация #распознавание_речи #автоматизация_рутины #транскрипция

Как мы настраивали обвязку (harness) под модель: профиль GigaChat для Deep Agents

Привет, Хабр! На связи команда GigaChain. В этой статье мы расскажем, как итеративно настраивали обвязку (harness) Deep Agents под особенности GigaChat: правили промпты и описания инструментов, а часть правил зашивали прямо в код, и как сделали для этого открытый бенчмарк harness-bench-fast , чтобы измерять прогресс. На зафиксированном сете из 391 задачи подключение профиля подняло долю решённых задач с 77,2% до 87,0% , а расход токенов сократило практически вдвое .

https://habr.com/ru/companies/sberbank/articles/1073668/

#harness #harness_engineering #агенты #gigachat #gigachain #langchain #langgraph

RAG‑система для анализа новостей с позиций исторической личности на основе литературных источников «АЙ_Ленин»

Широкое распространение СМИ в сети привело к формированию группы тематических экспертов — лидеров общественного мнения — блогеров. Их задача — оценка и анализ фактов, подача информации через призму собственного мнения. Закономерно, мысленное упражнение, как человек, оставивший след в истории, оценил бы тот или иной современный факт.

https://habr.com/ru/articles/1073830/

#RAG #gigachat #python #llm

GigaChat 2 Max с памятью на связях обходит Claude Opus 5 без неё: замер семи моделей

На классе задач «в работе всплыла проблема — каким изменением её уже чинили» GigaChat 2 Max с памятью на связях отвечает верно в 57% случаев, YandexGPT Pro 5.1 — в 61%, а Claude Opus 5 с обычным поиском — в 41% . Модели никто не трогал: разница целиком в том, доехал ли до модели нужный факт в контексте. В статье приведены замеры, рассуждения, направления применения и выводы со ссылками на проверочные и связанные материалы.

https://habr.com/ru/articles/1073448/

#GigaChat #YandexGPT #Claude #LLM #RAG #векторный_поиск #эмбеддинги #ИИагенты #память_ИИагента #opus

Как ИИ-агенты воюют, мирятся и пишут извинительные коммиты: 5 важных экспериментов

Мы привыкли считать нейросети просто статистическими попугаями. Но последние работы – от пермских экономистов до Anthropic – показывают: в группах эти “попугаи” порождают поведение, которое невозможно предсказать по отдельным особям. Появляются культура, конформизм и даже альтруизм, которого не хватает людям. Эта статья – попытка разобраться, что происходит, когда за агентами никто не следит. Под катом цифры, скриншоты, гифки и немного неуютные выводы.

https://habr.com/ru/companies/gptunnel/articles/1073302/

#Anthropic #Claude #GigaChat #YandexGPT #ВШЭ #диктатор #ииагенты #reward_hacking #поведенческая_экономика #конформизм

Deep Agents: open source-обвязка на LangGraph

Привет, на связи команда GigaChain! Мы занимаемся агентными системами и развиваем набор open source-решений для подключения агентов к GigaChat API. LangChain развивается с 2022 года и выросла в одну из самых популярных экосистем для агентов: у основной библиотеки более 140 тысяч звёзд на GitHub. Благодаря LangGraph — движку, который исполняет агента как граф с состоянием, — с её помощью собирают и простые цепочки вызовов, и сложные автономные агенты, ведущие задачу на сотни шагов. Поверх этого стека команда LangChain выпустила Deep Agents — готовую агентную обвязку (agent harness): рабочую среду с файловой системой, оболочкой, планировщиком, субагентами и памятью, в которую остаётся лишь поместить модель. Сегодня мы подробно разберём эту обвязку: из чего она состоит и как собрать на ней агента, работающего на GigaChat.

https://habr.com/ru/companies/sberbank/articles/1071036/

#агенты #harness #harness_engineering #gigachat #gigachain #langgraph #langchain

2 рубля за сказку с озвучкой: как я считал юнит‑экономику AI‑продукта на коленке

Идея была простая: сделать что‑то небольшое в свободное время, что может превратится в параллельный источник дохода, не требуя от меня много личных часов. Остановился на Telegram‑боте, который генерирует персонализированные сказки на ночь: родитель задаёт участников, обстановку, тему — бот пишет сказку, при желании озвучивает.

https://habr.com/ru/articles/1069592/

#GigaChat #Yandex_SpeechKit #TG_bot

Как я искал идеальный промпт для сопроводительных писем (и что оказалось важнее модели)

Хотел понять, потянет ли маленькая локальная модель сопроводительные письма или без облака никак. Оказалось, главный рычаг не модель, а промпт: переписал инструкцию, и отправляемость прыгнула с 0% до 88%, а рекрутёр вслепую принял 6 писем-генераций из 8 за живые.

https://habr.com/ru/articles/1063388/

#поиск_работы #hhru #сопроводительное_письмо #промптинжиниринг #Otklik #нейросети #ollama #локальные_llm #gigachat #open_source

Европейский ИИ: что там вообще происходит?

Не только лишь Mistral Что первое приходит вам в голову, когда вы слышите фразу «европейские LLM»? Опытный читатель наверняка вспомнит про французскую Mistral и... в целом, на этом всё.

https://habr.com/ru/articles/1059944/

#языковые_модели_ЕС #Mistral_AI #SAP_Joule #Claude_API #Teuken7B #OpenGPTX #Bielik_LLM #MMLU #MMLUPro #GigaChat

Сравниваем LLM, 12 тестов для среднего класса: три Sonnet против GigaChat 2 MAX и YandexGPT Pro 5.1

В первой статье цикла мы гоняли по 12 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro. В комментариях нас несколько раз спросили: а что там у моделей попроще и, главное, у отечественных? Спрашивали — отвечаем. Сегодня на ринге средний класс: три поколения рабочей серии Anthropic — Claude Sonnet 4.5, Sonnet 4.6 и свежий Sonnet 5 — против старших отечественных моделей: GigaChat-2 MAX от Сбера и YandexGPT Pro от Яндекса. Сразу о главном: почему такой состав. Мы долго думали, по какому принципу собрать пятерку, чтобы сравнение не превратилось в избиение младенцев, и остановились на цене. Fable 5 и GPT 5.5 Pro из прошлой статьи — это «Формула-1»: один запрос с большим вложением у них стоил сотни, а то и тысячи рублей. Сегодняшние участники — то, чем реально возят грузы: Sonnet у Anthropic — массовая серия, в разы дешевле Opus, а GigaChat-2 MAX и YandexGPT Pro хоть и старшие модели своих экосистем, но по цене токена играют в той же лиге, что и Sonnet, а не в лиге западных флагманов. Забегая вперед: по нашим же чекам типовой запрос без вложений у всей пятерки стоит единицы рублей. Один ценовой класс — значит, сравнение равных. А вот внутри класса, как выяснится, разброс возможностей огромный. Методика не меняется. Никаких бенчмарков и маркетинга — только реальные будничные задачи. Тестируем через агрегатор нейросетей BotHub: он работает по API, а этот метод избавлен от подпорок и костылей, которые неявно помогают моделям в их веб-интерфейсах. Заодно сразу видим, во сколько каждое решение обходится по деньгам. Затраты по-прежнему измеряем в CAPS — внутренней валюте BotHub, привязанной к числу затрачиваемых токенов. Напомним, за рубль можно купить от 4000 до 6500 CAPS в зависимости от объема покупки, считаем по курсу примерно 1 рубль = 6370 CAPS.

https://habr.com/ru/companies/bothub/articles/1059198/

#сравнение_нейросетей #LLM #Claude_Sonnet #GigaChat #YandexGPT #тестирование_ИИ #искусственный_интеллект #языковые_модели #российские_нейросети #бенчмарки

Giga4DQM: мультиагентный подход к расследованию качества данных на базе GigaChat

Giga4DQM — открытый проект, реализующий концепцию ИИ-агентов для автоматизированного расследования инцидентов с данными и построения целостной картины зависимостей в существующей БД. Система понимает вопросы на естественном языке, самостоятельно анализирует структуру базы, строит граф зависимостей и формирует диагностические запросы. Архитектура не привязана к одной СУБД: в качестве примера взята PostgreSQL , но подход может быть адаптирован к любой системе с развитым каталогом метаданных. В основе — мультиагентная архитектура на основе GigaChat и LangGraph. Код открыт, доступен для тестирования и внедрения.

https://habr.com/ru/companies/sberbank/articles/1058968/

#llm #gigachat

Окупаемость ИИ: сколько малый бизнес теряет на рутине

Первая ошибка в разговоре про нейросети – считать только расход. Подписка стоит столько-то, значит, это статья затрат. Но у любой рутины уже есть цена, просто она спрятана в зарплатах, в упущенных заявках и в вечерах, которые вы досиживаете с отчётами вместо семьи. Посчитайте грубо. Если на ручную обработку заявок, переписку, счета и отчёты у вас и сотрудников уходит полтора часа в день, за месяц это больше тридцати часов. По отраслевым данным малый бизнес теряет на одной только финансовой рутине порядка двадцати четырёх рабочих дней в год – фактически вы работаете тринадцать месяцев, а платите за двенадцать. Это и есть та сумма, против которой считается окупаемость ИИ. И вот что важно понять сразу: внедрившие нейросети возвращают по отраслевым данным двадцать и больше часов в месяц. Federal Reserve в своём исследовании оценил экономию от генеративного ИИ примерно в два часа рабочего времени в неделю на сотрудника – почти полный рабочий день каждый месяц, который раньше уходил в никуда.

https://habr.com/ru/articles/1055020/

#нейросети_для_бизнеса #искусственный_интеллект #автоматизация #окупаемость_ИИ #малый_бизнес #внедрение_нейросетей #GigaChat #YandexGPT #ROI #чатботы

Автоматизация рутины нейросетями: как поручить ИИ повторяющиеся задачи

Каждый владелец бизнеса делает десятки одинаковых действий в день. Отвечает на одни и те же вопросы клиентов. Переносит заявки в таблицу. Собирает отчёт из пяти источников. Пишет посты, которые откладываются, потому что «нет времени». По оценкам отраслевых исследований, около 84% компаний тратят минимум четверть рабочего времени на повторяющиеся задачи. Для малого бизнеса это особенно дорого: штат маленький, размазать рутину не на кого, и нанимать ещё одного человека ради механической работы невыгодно. В 2026 году у этой проблемы появилось решение, до которого дотягивается обычный предприниматель без программиста. Автоматизация рутины нейросетями перестала быть историей про «дорогое внедрение за миллионы». Нейросети научились работать сами: по расписанию, по событию, без вашей команды каждый раз. Ниже разберём, что именно поменялось, какие задачи уже можно отдать ИИ, сколько это стоит в рублях, за сколько окупается и где новичок чаще всего теряет деньги.

https://habr.com/ru/articles/1052074/

#нейросети #искусственный_интеллект #автоматизация #ИИагенты #автоматизация_бизнеса #GigaChat #n8n #нейросети_для_бизнеса #малый_бизнес #ИИ_для_бизнеса

ИИ-ассистент с долговременной памятью, агентами и vision. Проблемы с Персональными Данными

ИИ-ассистент с долговременной памятью, агентами и vision - делал для себя. Память с весами и забыванием, разные модели под задачу, поиск по маркетплейсам с инъекцией профиля. Технически готов, но упёрся в 152-ФЗ: данные уезжают за рубеж, а GigaChat не может. История проекта + опрос что с ним делать.

https://habr.com/ru/articles/1050300/

#ии #ииассистент #ии_чатбот #ии_помощник #llm #llmмодели #rag #gigachat #go #152фз

Deep Research как управляемый исследовательский контур

Deep Research часто описывают как «LLM с интернет-поиском». Однако если система просто делает несколько поисковых запросов, читает часть выдачи и пишет ответ, то она упускает несколько важных аспектов, без которых невозможно полноценное исследование. В настоящем глубоком исследовании, помимо доступа к актуальным источникам, важен и сам исследовательский процесс : понять исходный вопрос, не потерять ограничения, разложить задачу на проверяемые части, собрать доказательную базу, отличить найденные факты от выводов модели, зафиксировать пробелы и собрать итоговый отчёт. В этой статье мы расскажем о том, как решили задачу построения системы B2C Deep Research на основе Instruct-модели (GigaChat Ultra 3.1), в которой модель выполняет специфицированные задачи, а логика исследования реализована с помощью конвейера из набора ролей, условий завершения, циклов поиска и постепенного накопления контекста, подкреплённого цитатами. Так Deep Research становится не просто набором промптов с доступом к источникам в интернете, а управляемым исследовательским контуром .

https://habr.com/ru/companies/sberbank/articles/1048028/

#глубокое_исследование #агентный_пайплайн #gigachat #deep_research #llm

GigaChat vs Opus в агентском аудите файрвола: попытка сравнения

Взяли один агент, один навык и одну выгрузку правил Ideco NGFW – и прогнали её через GigaChat Max и Claude Opus 4.8. Рассказываем, что из этого получилось, почему «настоящего» агентского теста не вышло и сколько всё это стоило в токенах и рублях. Зачем мы это затеяли В прошлой статье – «Пещера Аладдина для безопасника» – мы показывали, как автономный агент Hermes с открытой библиотекой Agent Skills разбирает IPS-логи и проводит аудит правил межсетевого экрана Ideco NGFW. Тогда мы сравнивали бесплатную фронтир-модель и платную Claude Opus и сделали осторожный вывод: для первичного triage хватает дешёвой модели, а для глубокого расследования лучше брать сильную. Тот эксперимент оставил открытым один очевидный вопрос. Все «сильные» модели в нём были западными. А что покажет российская LLM на той же задаче? Вопрос не праздный. Если вы – банк, госкомпания или объект КИИ, отправлять выгрузку правил вашего боевого файрвола в облако Anthropic – это в лучшем случае разговор с юристами, в худшем – прямое нарушение. GigaChat от Сбера работает в российском контуре, и если он справляется с аудитом конфигураций на приемлемом уровне, это меняет картину для целого класса заказчиков. Поэтому мы взяли один и тот же агент (Hermes), один и тот же навык аудита и одинаковые входные данные – и подставили под него две модели: GigaChat Max и Claude Opus 4.8 ( задумку с тестированием Claude Fable 5 для этой же задачи реализовать не удалось, со всеми нашими ИБ-скиллами он работать отказался, даже когда был доступен).

https://habr.com/ru/companies/ideco/articles/1047692/

#ngfw #Ideco #ideco_ngfw_novum #LLm #Opus #gigachat #Firewall

Искусственный интеллект с LangChain. Разработка ИИ-агентов на Python

Представляем новый

https://habr.com/ru/companies/bhv_publishing/articles/1047522/

#langchain #ии #llm #python #нейросети #программирование #rag #gigachat #yandexgpt #ollama

Как я прикрутил GigaChat к OpenCode и что из этого понял

Мне было интересно проверить GigaChat/GigaCode не в обычном чате, а в нормальной агентной среде разработки. То есть не “ответь на вопрос”, а вот это всё: tools , function calling , streaming , MCP-инструменты , история диалога и работа внутри реального проекта. Для проверки я подключил GigaChat к OpenCode через TypeScript-плагин. Простой текстовый запрос завёлся быстро, а дальше началось самое интересное: OpenAI-like API оказался похожим на совместимый агентный протокол только снаружи. Внутри пришлось собирать отдельный слой совместимости.

https://habr.com/ru/articles/1046321/

#GigaChat #GigaCode #OpenCode #ИИагенты #агентная_разработка #function_calling #MCP #OpenAI_API #OpenAPI

Системный промпт или галлюцинация: как я проверял AI-ассистентов и что ответили bug bounty-команды

В марте я проверял, можно ли уговорить AI-ассистентов выдать что-то похожее на системный промпт. Ответы выглядели убедительно: внутренние правила, технические “дампы”, отчёты, почти готовые кейсы для bug bounty. Но ответы команд безопасности приземлили эксперимент: часть результатов оказалась галлюцинациями, часть — обходами ограничений, а не подтверждёнными уязвимостями. Читать разбор

https://habr.com/ru/articles/1043618/

#AIассистенты #системный_промпт #галлюцинации #bug_bounty #обход_ограничений #уязвимости #информационная_безопасность #языковые_модели #Алиса #GigaChat

ИИ‑спасатель в кармане: как мы сделали агента для помощи при ЧС, который работает без интернета

Представьте: вы в офисе, срабатывает пожарная сигнализация. Что вы делаете? Идёте к эвакуационному плану на стене? Пытаетесь вспомнить, что показывали на последнем инструктаже? Или просто идёте за толпой, надеясь, что все знают, куда бежать? Наша команда столкнулись с этим вопросом, когда начала работать над проектом для «Просоюза», профсоюзной организации «Сбера». Задача звучала просто: «Помочь людям не растеряться в чрезвычайной ситуации». Но когда мы начали погружаться в тему, оказалось, что не всё так однозначно.

https://habr.com/ru/articles/1038384/

#ииагенты #flutter #gigachat #сбер #qwen

Russia hopes to power its flagship GigaChat AI model with Chinese-made ​chips, #Sberbank's CEO said during President ‌Vladimir Putin's visit to China, as Western sanctions continue to block the country's access to advanced ​hardware abroad.

https://www.reuters.com/business/finance/sberbank-seeks-chinese-chips-power-russias-gigachat-ai-model-2026-05-20/

#Ukraine #Russia #China #GigaChat

От LLM к агенту: Как заставить Go приложение думать и действовать

Всё началось с доклада про AI-агентов. Заинтересовало настолько, что решил написать своего на Go. Было сложно, но получилось! Делюсь опытом: LangChainGo, инструменты, цепочки, MCP и интеграция с GigaChat.

https://habr.com/ru/articles/1033718/

#go #golang #ai #исскуственный_интеллект #gigachat #langchain #голанг

Кириллица в LLM: почему русский язык в нейросетях стоит дороже и работает медленнее

Когда вы пишете запрос в ChatGPT или другую нейросеть, она не работает с буквами или словами — она режет ваш текст на маленькие кусочки. Эти кусочки называются токенами, и от того, как именно нейросеть режет текст, зависит цена ответа, скорость, и сколько информации в неё помещается за раз. С английским это работает хорошо: одно слово — обычно один‑два кусочка. С русским всё хуже: то же самое слово часто превращается в три‑четыре обрывка. Английское «contract» — один токен. Русское «разработка» — два‑три. «Программирование» — три‑четыре. Из‑за этого русский текст в облачных сервисах вроде OpenAI обходится примерно в 2 раза дороже английского, медленнее обрабатывается, и в одно «контекстное окно» нейросети помещается заметно меньше реального содержания. Эта статья — про то, откуда берётся разница, как её измерить на ваших данных и какие модели лучше работают с русским языком.

https://habr.com/ru/articles/1032610/

#llm #токенизация #нейросети #локальный_ии #selfhosted #кириллица #qwen #gigachat #llama #yandexgpt

Open source-экосистемы — как Сбер развивает GigaChain

Мне удалось пообщаться с Константином Крестниковым @Rai220 , управляющим директором и техлидом команды GigaChain , которая занимается агентными системами и разработкой SDK для GigaChat в Сбере. Константин глубоко погружен в развитие экосистемы вокруг GigaChat, поэтому разговор получился подробным, богатым на примеры и управленческие инсайты.

https://habr.com/ru/articles/1028688/

#open_sourceэкосистемы #Сбер #GigaChain #GigaChat #GigaAgent #LangChain #опенсорс

LLM бенчмарк «Испытание Дали»

Выбирая LLM для своего первого пет-проекта, я случайно создал бенчмарк для LLM "Испытание Дали" по трем параметрам: качество, скорость и стоимость. Этот бенчмарк позволил мне найти оптимальную LLM для встраивания в продукты моей компании Флаг Софт. Возможно, вас тоже заинтересуют его результаты.

https://habr.com/ru/articles/1028396/

#искусственный_интеллект #llm #бенчмарки #promptengineering #gpt5 #claude #gemini #gigachat #yandexgpt_5 #deepseek_v4