По его словам, Cloud.ru Evolution AI Factory отличается простотой работы с LLM, лёгкой API-интеграцией и возможностью использовать популярные протоколы для взаимодействия AI-систем, такие как MCP и A2A.

Благодаря новым инструментам пользователи смогут ускорить процесс дообучения и развертывания ML-моделей для различных задач, разработку AI-агентов и запуск мультиагентных систем. Кроме того, эти сервисы призваны сократить time to market AI-приложений и упростить их внедрение в бизнес.

Cloud.ru Evolution AI Factory включает несколько ключевых сервисов:

• Evolution Foundation Models предоставляет доступ к популярным AI-моделям через API;
• Evolution ML Inference служит для развёртывания моделей, включая GigaChat и другие из библиотеки Hugging Face;
• также доступны сервисы для адаптации LLM-моделей (Evolution ML Finetuning) интерактивная среда для работы с кодом (Evolution Notebooks);
• исследователям и аналитикам инструменты Cloud.ru Evolution AI Factory позволят быстро прототипировать и тестировать собственные модели;
• Data Science- и ML-специалисты смогут воспользоваться решением для полного цикла ML-задач — от первичной подготовки данных до конечного применения моделей машинного обучения.

Отмечается, что Cloud.ru Evolution AI Factory рассчитана не только на опытных разработчиков — с ней также могут работать и те, у кого нет специальных знаний в ML и навыков программирования.

«Мы стремимся сделать доступ к облакам и AI максимально простым и удобным для каждого пользователя. Запуск Cloud.ru Evolution AI Factory открывает бизнесу и разработчикам новые возможности по работе с AI в облаке. Теперь пользователи могут не только быстро создавать прототипы, но и внедрять GenAI в бизнес-процессы, получая ощутимый экономический эффект и ускоряя запуск новых продуктов. Эти инструменты дополнят линейку AI-решений Cloud.ru и подойдут для любых сценариев: от автоматизации пользовательской поддержки, продаж и маркетинга до оптимизации документооборота и управления цепочками поставок. Мы продолжим развивать Cloud.ru Evolution AI Factory, добавляя функциональные сервисы для всего жизненного цикла ML-проектов», — отметил Владимир Шульга, директор по продуктовой разработке Cloud.ru.

Также на GigaConf 2025 был анонсирован AI-помощник в публичном облаке Cloud.ru Evolution — он уже доступен в режиме Public Preview.

Помимо консультирования пользователей, он призван помочь в управлении облачными ресурсами и инфраструктурой, самостоятельно выполняя конкретные действия.

Например, AI-помощник может подобрать облачные сервисы под задачи пользователя, развернуть виртуальные машины, помочь в работе с консолью в режиме Co-pilot, а также настроить опции мониторинга и алертинга.

«AI-помощник знает все особенности, архитектуру и технические возможности платформы Cloud.ru Evolution. Благодаря ему разработчики стартапов и pet-проектов без глубокого опыта в IT Ops и облачных технологиях, а также администраторы, техлиды, DevOps и SRE-инженеры смогут передать часть рутинных операций искусственному интеллекту, ускорить запуск новых проектов и высвободить время для стратегических и архитектурных задач», — отметили в компании.

Среди основных сценариев применения AI-помощника:

• создание базовой инфраструктуры в облаке: подбор конфигурации, помощь в создании SSH-ключа и развертывание виртуальной машины;
• глубокое знание платформы Cloud.ru Evolution: подбор персонализированных рекомендаций по решениям, которые лучше всего соответствуют бизнес-задачам пользователей;
• визуализация производительности и настройка уведомлений от ресурсов облака Cloud.ru Evolution;
• подсказки команд для работы в серийной консоли виртуальных машин в режиме Co-pilot.

«Мы предлагаем разработчикам и IT-сообществу первый в России инструмент на базе генеративного искусственного интеллекта, который меняет привычный подход к облачным сервисам. Он упрощает и автоматизирует выполнение рутинных DevOps-задач и открывает новые возможности для всех пользователей независимо от уровня технической подготовки. Теперь взаимодействие с облачными сервисами становится проще, технологичнее и удобнее. Мы приглашаем IT-сообщество протестировать AI-помощника в реальных сценариях и внести совместный вклад в развитие рынка облаков в России», — прокомментировал запуск Евгений Колбин, генеральный директор Cloud.ru.

В разговоре с ним обсуждаем, как устроено обучение больших языковых моделей, и в чём особенность подхода GigaChat. Также поговорили о будущем разработчиков, перспективах генеративного ИИ в корпоративной среде и роли нейросетей в жизни обычных пользователей.

Видеоверсия интервью:

— Расскажи, пожалуйста, о процессе обучения GigaChat. Насколько это сложно, долго, муторно? В общем, всё, что знаешь об этом процессе.

— Обучение GigaChat в целом состоит из нескольких стадий. Первая стадия это предобучение, за ней сейчас гонится весь мир, все большие компании Google, OpenAI и, конечно, китайские компании. Это такая фаза, когда мы берём все знания человечества, когда-либо созданные: интернет-страницы, статьи, книги, видео и вот это внедряем в модель. Модель должна выучить только полезную информацию оттуда. И там очень много разной алхимии. А как эту полезную информацию вынуть? Потому что примерно любой человек, который был в интернете, понимает, что это. Суть в том, что его надо очень хорошо профильтровать, не потеряв самую лучшую его часть, и после этого обучить модель.

И вторая фаза — это обучение. Там всё в целом проще. Чем больше модель — тем она в среднем умнее на таком же наборе данных. И её обучают на этом чистом датасете. И получается предобученная модель, это вот основа, база, из которой все произрастает. И дальше эта обученная модель много чего знает, но не совсем настроена под человека. Ты ей задаешь вопрос, она его продолжает скорее — не даёт ответ. Здесь другая фаза, надстройки. Мы называем это alignment в сфере, надстройка нейросети в правильную сферу. Там мы учим её на выверенных диалогах, которые написаны людьми, проверены ими же, профессионалами. Допустим, медицинский вопрос, медицинский ответ, правильный, идеальный, мы точно это знаем. И мы учим нейросеть на такие вопросы отвечать так, ну и вести диалог.

Туда же мы импортируем картинки, аудио, какие-то видео с разных сервисов и вот задаём вопросы по этому контенту, а затем учим модель правильно на них отвечать. Если модель достаточно умная и достаточно хорошо произошло предобучение, то всё будет хорошо и итоговая модель будет очень классной. Будет профессионально отвечать, будет отлично справляться с любыми файлами, с любыми языками и так далее. Если неправильно отфильтровать датасет, то сколько бы видеокарт у тебя ни было, сколько бы ты денег на это ни потратил, получится плохо.

Конечно, чем качественнее датасет, тем лучше модель. Её надо постоянно переобучать, потому что ты сделал датасет лучше — надо модель сделать лучше. Модель стала лучше, теперь пора датасет сделать лучше, добавив, например, её синтетические данные, или профильтровать её, чтобы она мнение выразила, хорошая это статья или нет. Такой бесконечный процесс бесконечного улучшения моделей. Нужны талантливые люди, чтобы это всё делать.

— Ты привёл несколько примеров крупных компаний, которые разрабатывают подобные GigaChat'у модели. Чем принципиально GigaChat отличается от своих аналогов?

— Я бы разделил этот вопрос на две составляющие. Первая — это наши физические клиенты, кто заходит на какой-нибудь сервис с GigaChat. И B2B-клиенты, компании, которые хотят свои процессы улучшить через GigaChat. Что касается наших клиентов, физических лиц, просто обычных людей, то, конечно, мы стараемся максимально сделать упор в русский язык. Например, китайские нейросети иногда переходят на китайский во время разговора, не понимают разные термины русские, «сельдь под шубой» — каноничный пример.

У нас прям фокус на русский язык, на славянскую культуру, соответственно, мы надеемся, что именно в этой сфере мы гораздо лучше понимаем просто русского человека, чем другие нейросети. Но, конечно, мы развиваем и знания, и разные возможности, модальности изображения, аудио и так далее, чтобы быть на нужном уровне по всему. Но я бы скорее сказал, что наше преимущество в том, что у нас есть фокус, и в том, что мы подстраиваемся под клиентов, под наших людей. Скорее всего, когда мы пользуемся какой-нибудь китайской нейросетью или, допустим, ChatGPT, мало кому есть дело там до качества ответов для нашей группы людей, у них другие цели. У нас цель конкретно для русских людей сделать лучшую нейросеть, лучший сервис для использования.

Что касается B2B-сегмента, то платформа, про которую рассказали на конференции с объединением всех сервисов и всех нейросетей Сбера - это такое уникальное предложение. Мало у кого такое есть. Например, есть отдельный DeepSeek, текстовая нейросеть, которая отличная, но у нее нет изображений, аудио, работы с видео и т. д. Конкретно наше предложение для B2B, оно уникальное, потому что содержит в себе целое сочетание: синтез речи, её распознавание, нейросети, выстроенные сервисы, референсы.
Вот мы гайд сделали недавно, как использовать мультиагентные системы — такие как GigaChat — и на других таких же больших языковых моделях в корпоративном сегменте. Потому что мало кто знает, что 60% компаний застревают на этапе прототипа с любой нейросетью. Там важно общее предложение, которое несёт одна компания другой.

— То есть по совокупности факторов B2B и B2C сегмента GigaChat превосходит сейчас все остальные нейросети, я правильно понимаю?

— Я считаю, что где-то он на уровне, где-то он превосходит, где-то он уступает. Нет сейчас прямо выраженного лидера. Гонка такая, что то OpenAI становится чуть лучше, то Google на английском языке, то DeepSeek. Мы постоянно развиваемся, где-то лучше, где-то хуже. Мы постоянно проверяем сотни метрик, с разных сторон смотрим на модель, но и фиксим её слабые стороны. Поэтому мне сложно сказать, кто лучше, но по совокупности факторов это суперклассно.

— Но мы обязательно проверим, какая нейросеть лучше, а сделаем мы это настоящим традиционным русским способом. Мы дадим запрос в каждую из нейросетей, в том числе и в GigaChat, на чём лучше делать окрошку, на квасе или на кефире. И вот посмотрим, как эти нейросети справятся. Я уверен, что GigaChat даст правильный ответ.

Скажи, пожалуйста, вот на ПМФ Сбер представил новую версию, экосистемы GigaChat, GigaChat 2.0, где, не побоюсь этого слова, была представлена функция «глубокого исследования». Расскажи, пожалуйста, о чём это вообще, что это такое и какие дальше перспективы развития у GigaChat? Какие новые функции появятся?

— Вообще, GigaChat это такая диалоговая система, то есть ты задаёшь вопрос, она отвечает, ты корректируешь её постоянно, в диалоге постоянно находишься. Но это не всегда твоя задача. Иногда задача — максимально глубоко изучить какой-то вопрос. И с этим запросом мы идём в интернет и находим там разные источники, разные статьи, причём в разной степени качества. И с помощью GigaChat на мультиагентной системе мы сопоставляем кучу разных источников, разные мнения, специально форсируем поисковые запросы, чтобы были разные мнения, за и против, какие-то исследования. Формируем объективную картинку из этого и составляем большой документ исследования вашего вопроса на основе этой системы. Где там мультиагентность вообще? Когда вы задаете туда вопрос: «Проведи мне исследование, например, на тему применимости нейросетей в бизнесе».

GigaChat порождает много агентов, которые тоже работают на нём. Один ищет информацию, допустим, про Россию, другой про мир, третий там про конкретно США и так далее. Когда они находят информацию, ещё раз итеративно идут в поиск уже с уточнениями. Не нашли ничего, например, про Китай, будут искать на других источниках и так далее. То есть они так глубоко спускаются в тему, потом поднимают все источники, всю свою информацию, и уже другие агенты пытаются из этого сочинить документ. Они сочиняют, опираясь на источники, постоянно подтверждая, то есть постоянно говоря, «вот отсюда взято», «вот отсюда, это я не соврал», «это вот мнение». И с разных сторон проводят исследования, и на выходе получается большой такой файл, уже как будто доклад какой-то или как будто реферат, в котором тема интересующего вас исследования описана подробно. То есть это отдельная система со специальными целями, которая нужна, если нужно провести глубокое исследование точек зрения

— То есть получается, что уже не универсальная нейросеть над этим работает, а конкретно та, которая нужна для этой задачи. Правильно я понимаю?

— Из интересного здесь, что нейросеть одна, это GigaChat, но мы даём ему разные роли и задачи. GigaChat это очень такая гибкая система. Мы можем задать ему так называемую системную инструкцию, где задается вот всё, инстанцируется такой диалог. И там в нашем сегменте для физических лиц, для обычных людей, написано: «Ты GigaChat, вот у тебя такие правила, вот так отвечай, вот у тебя такой стиль и так далее». А можно всё это вообще просто уничтожить и сказать: «Ты специалист-агроном, ты исследуешь вот это, это, с этих точек зрения смотришь и так далее». То есть задать агента, который уже будет смотреть на одну сферу. Дать ему инструменты нужные, поиск в определённых базах данных, в книгах, файлах. И такого агента запустить, и он более вероятно найдет более точный ответ. Мы с разных точек зрения задачи рассматриваем, и получается лучше.

— В этом плане ещё актуальнее становится профессия промпт-инженера, человека, который работает с нейросетью. Мне кажется, что как раз ключевым здесь является правильный запрос. И человек, который хочет получить какой-то ответ от нейросети, должен в первую очередь правильно сформулировать вопрос и задать какие-то ТЗ, промпты. В этом плане, конечно, людям, которые работают с нейросетями, действительно нужно многому поучиться ещё, потому что просто так спросить, «как дела», ну ты получишь ответ «хорошо». Дальше нужно более детально вдаваться в какие-то подробности.

Недавно Сэм Альтман опубликовал эссе, называется оно The Gentle Singularity, о том, что ждёт нас через 5 лет. Расскажи, каково твоё мнение, что дальше будет с нейросетями, с генеративным искусственным интеллектом, как они будут развиваться в ближайшие 5 лет.

— Я очень уважаю таких людей, кто может такое мнение сильное высказать. Я более скромный, у меня нет мнения конкретного, чтобы написать книгу «Что будет через 5 лет». Но что я точно вижу: не использовать искусственный интеллект будет просто невозможно. Без него ты будешь неэффективен в любых сферах жизни. Даже недавно в организации праздников был ведущий, вот он явно написал свою речь с использованием нейросетей. Прекрасная речь, ну просто великолепная. Он заточил её настолько, чтобы я бы такую не написал. И точно через 5 лет те, кто не использует искусственный интеллект или какие-то технологии искусственного интеллекта, они будут меньше цениться, чем те, кто используют. Даже у меня в команде я вижу тех, кто прям активно их использует — у них производительность в десятки раз больше. Я каждый раз нахожу что-то новое, какую-нибудь новую особенность в применении искусственного интеллекта, о которой не знал.

Что касается ещё прогнозов, я не думаю, что будет создан самообучающийся искусственный интеллект, но я верю, что такие системы будут очень высокими. Уже сейчас нейросети во многом умнее меня. Ладно, код они ещё пишут хуже, здесь я могу что-то сделать. Хотя с развитием вайб-кодинга, наверное, скоро об этом можно будет забыть. Но уже сейчас я не могу так хорошо знать обществознание, как GigaChat, он знает лучше меня. И особенность в том, что GigaChat знает много наук лучше меня: медицину лучше меня, агрономию лучше, психологию лучше и т.д. Понятно, что я не специализируюсь в этом, но это уже сейчас реальность. Через 5 лет такие технологии будут гораздо больше знать, гораздо большим уровнем обладать. Хочется больше конкуренции, чтобы не было одной крутой нейросети.

Что касается компаний, они будут переведены на автономных агентов. Я думаю, в горизонте 5 лет мы точно это увидим. То есть какие-то функции, допустим, какие-то анализы Excel, много такой рутинной работы, они будут переведены на агентов, и компании будут вынуждены перестроиться. Вместо того, чтобы сидеть и самому мучиться с Excel, эти вкладки переключать, ты просто задаёшь задание, и всё. Но при этом надо найти свою нишу, потому что если всё, что ты делал, будет заменено, тебе придётся найти что-то новое. Соответственно, будет большой челлендж для людей в том, чтобы изучить эти нейросети и найти применение в своей работе, чтобы быть эффективным.

— Как ты считаешь, искусственный интеллект заменит разработчиков или нет?

Я считаю, что хороших нет. Но уже сейчас неконтролируемый вайб-кодинг может привести к тому, что просто люди не понимают вот эту всю систему, которую они написали. Но это не очень хорошо. И так все борются постоянно с Legacy, с bus factor, где один человек, который знает, все остальные ничего не знают. И когда «навайбкодили», так скажем, будет ещё больше такого Legacy.

Скорее всего, будет какой-то гибрид, без нейросетей будет очень тяжело. Будут максимально их использовать, и будет цениться реально критическое мышление, когда ты можешь понять всю систему, выйти за некоторые границы своей ответственности. Не просто я пишу что-то, а понимать, как это работает и как вообще оценить это. Немножко культура должна измениться будет.

Модерирующий сессию вице-президент по развитию технологического бизнеса Сбербанка Сергей Крылов заявил, что важно понять, как относиться к GenAI — «просто как к модной технологии или как к новой реальности, операционной системе для бизнеса и драйверу финансового результата?».

По его словам, от того, как мы будем подходить к генеративному искусственному интеллекту, будет зависеть скорость развития этой технологии и кейсы её применения.

Среди основных зон развития GenAI эксперты выделили следующее:

• недостроенная инфраструктура — legacy-системы, отсутствие унифицированных API и инструментов для интеграции агентов, необходимость доработки инженерных слоёв для масштабирования решений;

• культурные и организационные ограничения — консервативность мышления, недостаток культуры экспериментов и доверия к новым технологиям, инертность сотрудников, сопротивление изменениям;

• технологическая незрелость и высокая стоимость — существующие модели остаются дорогими в эксплуатации, ограниченная эффективность в ряде сценариев, необходимость баланса между качеством и экономикой.

Кроме того, спикеры отметили важность адаптации законодательства под новые технологии. При этом, по мнению участников сессии, у общества «есть неадекватные ожидания к этой технологии, завышенные требования к надёжности и точности ИИ». Они считают, что ошибки ИИ воспринимаются острее, чем человеческие.

Эксперты уверены, что в ближайший год ключевыми трендами станут удешевление локального инференса, появление первых массовых продуктов с принципиально новым пользовательским опытом и смена парадигмы разработки. Например, программисты будут управлять группами ИИ-агентов, а не писать код вручную.

«Главное ожидание — чтобы ИИ-решения вышли за рамки экспериментов и начали менять повседневную жизнь людей»

Head of Data Science компании Wildberries & Russ Александр Сидоров заявил, что генеративный ИИ — «не просто игрушка для развлечения, а мощный инструмент, который может реально помогать людям и оптимизировать работу»:

«С его помощью можно решать конкретные задачи: автоматизировать HR-процессы, упрощать онбординг, давать ответы на частые вопросы сотрудников. Ключевое — это подход: не обязательно быть «сильным» разработчиком, который всё делает с нуля.

Иногда достаточно быть “ловким” — комбинировать готовые решения и быстро создавать полезные штуки за пару вечеров. Но самое главное — это желание помогать, а не просто гнаться за технологиями ради технологий».

Директор по стратегии цифровой трансформации «Альфа-Банка» Иван Иванов подчеркнул, что за последние годы ИИ кардинально изменил банковскую сферу, «особенно в части клиентского опыта»:

«Сегодня банки переходят от сценарных чат-ботов к интеллектуальным виртуальным ассистентам, способным вести живой контекстный диалог, интегрироваться в CRM и учитывать историю взаимодействий. Это уже не просто автоматизация — это новая парадигма персонального цифрового банкинга.

Искусственный интеллект создаёт новый пользовательский интерфейс — диалоговый, интуитивный, мгновенный, — сокращая цепочки ценности, устраняя посредников и упрощая доступ к продуктам до одного запроса. По сути, в банках сейчас формируется новый стандарт сервиса, радикально меняя саму логику взаимодействия с банком».

Директор по развитию ИИ X5 Tech Михаил Неверов считает, что появление генеративного ИИ «сравнимо по значимости с появлением электричества»:

«Эти технологии трансформируют бизнес-процессы и создают новые возможности. Сегодня наблюдается демократизация доступа к технологиям. Простые инструменты вроде суфлёров (чат-боты для поиска по базам знаний) позволяют любому сотруднику использовать ИИ без специальных навыков.

Офисные копайлоты помогают решать рутинные задачи — это работа с документами, суммаризация, маркетинговые коммуникации и анализ данных. Произошла оптимизация core-бизнеса — ИИ-решения применяются в логистике, ценообразовании и ассортиментной политике, особенно в ретейле. Можно создавать индивидуальные предложения для клиентов».

Неверов назвал особенностью GenAI простоту использования и кумулятивный эффект от массового применения, подчеркнув, что его развитие должно происходить с фокусом на практическую пользу, а не на технологии ради технологий.

Старший директор «Авито» по ИИ Андрей Рыбинцев сравнил развитие GenAI и внедрение ИИ в разные сферы жизни с «переходом на мобильные технологии»:

«Компании, которые адаптируются первыми, получат ключевое преимущество. В “Авито” внедрили ИИ, ориентируясь на реальные потребности пользователей.

Например, сделали продукт, который называется «Подсказки в мессенджере»: можно в один клик отправить одно из трёх сообщений и вести переписку намного быстрее. Для малого и среднего бизнеса сделали ассистента, который ведёт переписку и отвечает на вопросы».

Директор по ИИ Т-Банка Виктор Тарнавский отмечает, что GenAI только начинает раскрывать свой потенциал, а компании, которые уже инвестируют в его освоение, «получат стратегическое преимущество», так как модели с каждым годом становятся в разы мощнее:

«При этом GenAI не создаёт новые потребности, а переизобретает способы их удовлетворения. Те, кто эффективнее интегрируют эти технологии в продукты, смогут перехватить рынки у традиционных игроков.

При этом критически важно сохранять баланс между инновациями и экономической эффективностью — использовать адаптированные open-source модели вместо дорогостоящих разработок с нуля».

В рамках беседы узнали, как генеративный ИИ трансформирует рабочие процессы в российских компаниях, о подходе Сбера к развитию нейросетевой модели GigaChat, её роли в госсекторе, вызовах, внедрении ИИ и будущем инженерных профессий. Также Белевцев поделился мыслями о конкуренции с мировыми лидерами и перспективах для молодых разработчиков.

Видеоверсия интервью:

— Основной темой GigaConf этого года стали генеративные нейросети, генеративный искусственный интеллект и всё, что с этим связано. По твоему мнению, насколько генеративный искусственный интеллект сейчас изменил рабочие процессы в целом в компании?

— Я считаю, что он очень сильно влияет. Два года назад мы делали первые шаги, когда мы внутри компании начали предлагать разработчикам работать вместе с «AI-копайлотами», начиная с самых простых сценариев. И мы видели вот эту кривую обучения и восприятия. Мы, конечно, прям совершенно осознанно никого ни на что не заставляли. Мы предлагали, мы рекламировали, но никакого не было пуша. Прошло где-то 9 месяцев, прежде чем мы увидели, что из экспериментов люди действительно стали это воспринимать серьёзно и активно. А сейчас больше 90% наших разработчиков обязательно работают с использованием моделей GigaCode в своей работе, это стало абсолютным стандартом. Мы их интегрировали в IDE, на которую активно переходим, GigaIDE, тоже доступна сейчас всем компаниям на рынке. По нашим оценкам, порядка 14% российских разработчиков уже на неё перешли и пользуются. И мы ведем её развитие с двумя акцентами. Во-первых, это семейство: чтобы у тебя был облачный IDE и чтобы у тебя был десктопный IDE. Второе, мы активно работаем, чтобы были все нужные корпоративные плагины. И третье, конечно, мы хотим делать её нативной средой для работы с агентами-помощниками. В основе мы используем наиболее популярные в разработке среде open-source проекты, но фокусируемся не на базовой функциональности, а на том, чего сейчас в них не хватает.

— Сегодня GigaChat, нейросеть от Сбера, можно назвать универсальным решением для решения многих задач. Как ты оцениваешь внедрение подобных нейросетей и вообще в целом всех этих технологий в процессы в компании, в государственное управление. Насколько ты видишь перспективы в этом направлении? Считаешь ли ты, что эта история каким-то образом может повлиять на дальнейшее развитие инженерных кадров?

— Во-первых, GigaChat – это не просто нейросеть. На самом деле под словом GigaChat сейчас уже скрывается целое семейство фундаментальных моделей, обладающих широким набором характеристик. Если посмотреть на такие foundation models, наши модели уже сейчас понимают аудио. То есть она не только слышит, о чём мы сейчас с тобой говорим – она в принципе слышит, что происходит вокруг, способна это интерпретировать в комплексе. Это очень сильно отличается от стандартных speech-to-text моделей, которые при переводе звука в речь всю остальную информацию откидывают. Здесь все гораздо шире, она поймет, что разговаривали два человека, сделает предположение о том, кто мы, даже о нашем возрасте, о настроении и т.д. Прямо как мы понимаем кроме аудио, изображение, мы понимаем естественный текст, код.

С другой стороны, сама модель способна с помощью инструментов, она может не только генерировать ответ в виде текста или кода, она способна, используя инструментарий, создавать картинки, использовать инструменты поиска, делать вызовы API других приложений. И все вместе мы сейчас смотрим на неё не просто как на отдельную модель, а как на платформу, на базе которой ты можешь из облака или внутри твоего корпоративного ландшафта on-premise строить сложные кейсы, которые станут частью твоих бизнес-процессов. И для нас это очень важно. С этой точки зрения такое предложение на сегодняшнем российском рынке уникально по сочетанию характеристик.

Дальше вопрос, как это внедряется и что это меняет. Вот сегодня в Сбере мы видим сотни инициатив, которые прорастают по всей компании, потому что, конечно, мы очень стараемся, чтобы весь этот инструментарий был доступен каждой нашей продуктовой команде. Именно она ближе всего к своему клиенту, взаимодействует с ним через свой продукт и понимает, в каких сценариях наиболее приоритетно создавать изменения, внедрять агенты на основе генеративного искусственного интеллекта, которые сделают клиентский опыт лучше или обслуживание интереснее, или предложит клиенту принципиально новый продукт. В этом смысле мы думаем, что не будет ни одного продукта, куда эта технология не придёт.

Человек уже начинает воспринимать GigaChat как своего AI-помощника, у нас сейчас есть наша основная поверхность Giga.chat. Это веб-приложение, которое удобно сделано для того, чтобы организовать работу и с мобильного, и с десктопа, потому что мы видим, что люди идут туда как в регулярных ежедневных сценариях. Например, найти ответ на вопрос, сделать анализ, провести какое-то исследование, так и все больше начинают использовать его в сценариях личной продуктивности. 40% аудитории GigaChat регулярно используют умный редактор, который мы там сделали, для того, чтобы там создавать или анализировать рабочие документы, или проводить исследования вместе со своими AI-агентами.

Теперь переходя к госуправлению. Мне кажется, что будущее госуправления в определенной степени – это когда государство даёт гражданину все услуги государства. И в этом смысле, как мне кажется, человеку все государственные услуги тоже должны быть доступны через его AI-помощника. Мне кажется, что эпоха, когда за каждую услугу надо было мне куда-то сходить, она, конечно, уходит.

— Я как активный пользователь GigaChat могу подтвердить все то, что ты сказал до этого. У меня вопрос следующий: вот ты сказал о преимуществах внедрения подобных технологий и в компаниях, в бизнесе, и в госуправлении, даже для каждого человека в отдельности. Но всё-таки вопрос про вызовы. Какие вызовы стоят перед компаниями, внедряющими подобные технологии. Наверняка же есть и нюансы, и минусы, которые возникают при внедрении таких историй.

— Мне кажется, главный вызов для любой компании, которая внедряет технологию, это как получить из неё практическую пользу, как получить результат. И здесь главное, о чём надо помнить, что с первых же шагов ты закладывать должен некую целевую систему, которую ты строишь. Ты не должен ставить свою задачу – я хочу внедрить нейросеть. Вот так, скорее всего, ничего не получится. Ты должен понять, где, в каком клиентском пути, в каком сценарии, для какого продукта ты хочешь добиться качественно нового результата и проанализировать вместе с партнёром: "Как это сделать?", "Насколько современный уровень развития технологий позволяет это сделать?" Дальше на этапе внедрения очень быстро станет понятно, что кроме выбора самой фундаментальной модели, тебе нужно будет позаботиться о нескольких вещах.

Во-первых, так как это долгосрочное бизнес-сотрудничество, надо выбирать такого партнёра, кто готов в этом пути оказывать тебе поддержку, быть с тобой. Когда тебе предоставляют что-то на условиях «as-is» («как есть» – прим. ред.) – нравится-не нравится, это очень хорошо для эксперимента, это классно, это быстро, бесплатно в конце концов. Но когда у тебя возникнут вопросы в твоих продакшн-кейсах, кому ты их будешь адресовать? – ну можешь поговорить сам с собой. Или если тебе понадобятся какие-то этапы развития модели, например, обновление её знаний или углубление её знаний в твоей предметной области – ты останешься один на один с этой задачей. Я вас уверяю, не все задачи такого рода можно решить, если ты не обладаешь полным циклом разработки фундаментальных моделей.

Следующая история, о которой ты должен позаботиться, это то, что с максимальной долей вероятности ты будешь строить агентную систему. Она будет интегрирована с какими-то твоими системами в ландшафте, с какими-то твоими данными. И здесь нужно подумать о двух вещах. Первое – это гибкость, с помощью которой ты сможешь настраивать, если надо, дообучать базовую модель. Второе – это платформа для разработки агентов, которая надолго с тобой останется. И третье – это о том, а как же интегрировать её в корпоративный ландшафт так, чтобы это было надёжно и так, чтобы заложенный сегодня фундамент рос, и на каком-то этапе ты не пришёл бы к тому, что что-то не то, мне надо все переделать, или появилась какая-то какая-то следующая модель новых классных характеристик, но принести её потом в твою интегрированную систему невозможно, потому что надо, опять же, все сценарии переделать, все перетестировать. Мы очень сильно на этом сфокусированы, потому что это вызов для нас в Сбере, это то, что мы видим как запрос от наших клиентов.

Мы сделали такой White paper, которым мы делимся сейчас со всеми, потому что это такой свод наших на сегодняшний день знаний и практик, и тех ответов, которые мы нашли, к тому, как подойти к внедрению решений, чтобы получить результат. Мы будем этот документ, безусловно, обновлять и развивать по мере того, как сами будем опробовать решения – мы всегда предлагаем и рекомендуем только то, чем пользуемся сами, для нас это принципиально важно.

Ну и ещё один, наверное, сложный такой момент, что любой путь к внедрению генеративного ИИ начинается с измерения. Если ты не знаешь, как измерить результат, ты, скорее всего, ничего не внедришь. Ты получишь какое-то количество интересных кейсов, но ты не построишь систему, которая позволит тебе принять решение – можно ли передать, например, клиентское обслуживание вот такого рода системой платформы. У тебя просто не будет системы метрик для принятия этого решения. Или ты рискнёшь, но тогда можно столкнуться с неприятными последствиями, поэтому грамотный, математически обоснованный подход к измерениям, к метрикам здесь очень-очень важен. И это первый этап на пути к внедрению, а не последний.

— Недавно вышло обновление ChatGPT, которое позволяет делать все, что угодно с контентом и произошел некий взрывной такой рост арт-контента, генерации арт-контента. Что в этом плане предоставляет GigaChat? Что он умеет?

— Я начну с того, то что OpenAI делает, конечно, великое дело. Они всему миру эту индустрию открыли. И, конечно, как это говорят, это спорно, но это, возможно, лучшая система в мире или, ну уж точно, одна из лучших безоговорочных лидеров в этом направлении. Они, конечно, большие молодцы, и то, что они делают, нам даёт вдохновение. Правда, даёт при этом вдохновение очень мало знания, потому что, когда они что-то делают, то всё для себя. Они стали абсолютно закрытой компанией и с сообществом уже как бы никакими своими наработками не делятся, хотя, как мы видим, какого-то безоговорочного преимущества это им не дало. И на самом деле с того момента, как у них появился GPT-3.5 – больше никому ничего не рассказывают о том, как конкретно они что сделали, никому.

Но тем не менее мы видим, что весь мир туда за ними пошёл и большое количество компаний сделали крайне сильные модели и действительно в разных областях, ну... как минимум наступают им на пятки. С другой стороны, что мы также видим? Мы видим, что стран, в которых существует полный цикл разработки, в каждой из них по несколько компаний этим занимаются… но стран таких осталось практически две – Сильная Америка, сильный Китай, безусловно, в Европе чуть-чуть – там есть Mistral. И далее почти ничего как бы серьезного в высшей лиге мировых моделей, в топ-10, нет. А на наш взгляд это очень важно. Места в этом там топ-10 могут постоянно меняться. Кто-то сделал чуть лучше, кто-то сделал чуть хуже.

Мы делаем ставку на следующее: что за счёт того, что мы все-таки владеем полным циклом разработки моделей, мы можем её настроить так, под твой конкретный конкретный кейс, чего ChatGPT делать не будет просто. Так, мы можем сделать, что под твой конкретный кейс, она будет решать задачи лучше всех в мире. Вот это очень важно, потому что если ты идешь за практическими кейсами внедрения, нужно это учитывать. Вторая точка различия – это то, что ChatGPT с точки зрения бизнеса. Ты можешь общаться только через API-интеграцию, и они заняли свою принципиальную позицию. В принципе, они не готовы российским компаниям это давать. Можно идти на всяческие ухищрения, но вряд ли ты построишь устойчивый бизнес, особенно крупной компанией, на таких хитрых костылях и обходных манёврах. Вряд ли это будет твое фундаментальное будущее.

С точки зрения креативности, мы на этой конференции представили следующее поколение наших моделей, которые специализируются на генерации изображения. Это семейство Kandinsky, Kandinsky 4.1 Video  – она с сегодняшнего дня доступна участникам конференции, блогерам, потому что мы хотим сейчас провести этап тестирования. Как ты понимаешь, эти модели, они очень ресурсоёмкие, генерация изображений, это очень сложная вычислительная задача. Теперь мы начинаем подходить к тому горизонту, когда можно смотреть на те кейсы, когда оно может быть доступно разным пользователям, и это не станет чем-то, что запретительно дорого. Мы принципиально вкладывались в возможности модели работать более качественно с физикой объектов, потому что для нас это важно не только в смысле изобразительного искусства, для нас это важно как элемент будущего развития понимания мира в модели, создания таких «world models». Но, конечно, с точки зрения видеоизображений в мире сейчас доминируют те компании, которые обладают большим изначально накопленным видеобанком. Всем остальным, конечно, сложнее, потому что все остальные этот видеобанк собирают.

Но Kadinsky 4.1 Video – это очень сильный шаг вперёд. Это и text-to-image, и text-to-video и image-to-video модели, которые сейчас тоже вошли в мировую десятку по нашим замерам, это означает, что у них есть большая область практического применения. Кстати, B2B интерес к ним очень большой, потому что с их помощью можно создавать динамичные изображения собственных продуктов, товаров и новые клиентские сценарии, для которых раньше нужно было нанять профессиональную съёмочную команду.

— Относительно фразы про нанять профессионалов. Следующий вопрос, вернёмся, так сказать, с Запада обратно в Россию. Перестанем сравнивать ChatGPT и GigaChat.

Вопрос про найм специалистов. Как ты считаешь, стоит ли сейчас компаниям увеличивать инвестиции именно в разработчиков и нанимать профессиональных разработчиков уровня middle, senior, либо все-таки сконцентрироваться на внедрении генеративного искусственного интеллекта.

— Я считаю, что действительно наступает определенный перелом, и любой компании сейчас, прежде чем нанять еще одного разработчика, надо подумать, а может быть можно решить эти же задачи или новые задачи, которые перед вами стоят, за счёт того, что ваши команды начнут больше пользоваться современными AI-технологиями. Мы на этой конференции представили пока первый релиз, бета-версию нашего нового продукта, называется GigaStudio.

Вот в GigaStudio можно по текстовому промпту создать приложение, не будучи ещё разработчиком. Конечно, это сейчас не тот уровень, который можно использовать для крупной корпоративной системы. Но, например, для того, чтобы сделать какой-то скетч живой, попробовать какие-то варианты клиентского опыта и, в принципе, сделать такой как бы qick-start в то, что мы разрабатываем, это уже очень интересный подход, очень интересные технологии.

Я думаю что, с одной стороны, я не верю в trade-off, что искусственный интеллект заменит разработчиков – он не заменит разработчиков. Но безусловно разработчики, оснащённые искусственным интеллектом, вот они будут вытеснять тех кто им не пользуется. Я правда не думаю что такие дураки останутся, потому что если ты сегодня не используешь современные средства разработки то значит какую-то часть твоего времени, скорее всего, ты тратишь зря — «зачем тебе это делать?». Другое дело что, мне кажется, сейчас есть эпоха высококвалифицированных High-Load разработчиков. И здесь соотношение такое, что чем более простые задачи... знаете иногда есть такое презрительное название – «кодер», как бы, не разработчик. Вот им грядут тяжелые времена. Потому что нужны и всегда будут нужны разработчики, которые способны, готовы и умеют глубоко разбираться в системах, делать реальный High-Load, где нужно очень много усилий вложить в тюнинг и усовершенствование систем, которые не забыли, что такое математика, и которые способны работать с системами нового поколения, которые сейчас будут активно внедряться. Вот для них, мне кажется, золотые времена.

Вообще, тут недавно был Билл Гейтс, в одном из выступлений он сказал так – «я считаю есть три профессии, которые могут не беспокоиться за своё будущее в ближайшее время». Это как раз разработчики, AI-инженеры и специалисты по генетике, биоинформатике, вот такого рода технологиям, учёные. Всем остальным надо серьезно подумать о том, как все-таки воспользоваться этой волной, а не ждать, пока она вас накроет сверху.

— Жалко, что журналистов он не назвал в числе тех, кто не должен беспокоиться о своём будущем.

— Я считаю, что вы же продвинутые журналисты, у вас есть шанс быть на волне.

— Давай представим: вот перед тобой сейчас я, джуниор-разработчик. Я хочу строить карьеру именно в этом направлении. Как мне, как человеку, который только начинает, не подвергнуть себя соблазну использовать во всех своих процессах искусственный интеллект, а начать развиваться и углубляться в математические процессы?

— Ну, мне кажется, что здесь самое главное – это не совершить такую фундаментальную ошибку с самого начала. Вот мы говорим «джуниор», вот он кто? У нас в последнее время начала формироваться такая тенденция, и она активно промутировалась, что в России нужны какие-то сотни тысяч разработчиков, и поэтому для того, чтобы стать разработчиком, вообще не нужно высшее образование, достаточно какого-то среднего специального образования. То, что раньше ПТУ называли, колледж, всё, ты разработчик.

На самом деле, как бы, если у тебя только этот трек, то, скорее всего, у тебя проблемы. Потому что у тебя как раз фундаментального образования, которое тебе бы объяснило, как это вообще работает, тебе не дали. Тебе научили, как пользоваться этим инструментом, но когда ты знаешь только, как пользоваться, оказаться в системе, которая сейчас быстро меняется, эволюционирует, ну, тебе будет очень сложно. Кто, мне кажется, был, есть и, опять же, будет в выигрыше? Это опять же те молодые ребята, которые не стесняются со школьной скамьи инвестировать свои фундаментальные знания.

Те ребята, которые заканчивают физмат-школы, которые идут в профильные высшие учебные заведения, у которых есть курсы высшей математики, которые занимаются глубоким, сложным программированием, которые не забывают... вот сколько лет, а всё равно сложные вещи чаще всего это C++, и Go теперь, с точки зрения High-Load, не что-то там другое. Вот эти ребята, они в преимуществе, потому что он может оказаться джуниором с точки зрения своего опыта, но с точки зрения своей базы он готов – у него есть тот фундамент, на котором расти. И тогда ему ничего не страшно. Он как раз воспользуется новыми технологиями генеративки, которые помогут ему какие-то мелкие вещи добавлять, ну, там, с точки зрения его прикладных навыков. Подскажут, расскажут, как бы, помогут ему быстрее войти в проект, потому что они обладают полной полнотекстовым контекстным поиском по всему проекту. Вот здесь они ему помогут, это то, где ему как раз сложно, то, где он – джуниор, но зато у него есть фундамент. Он будет понимать, что происходит, как это эволюционирует, как эту технологию поставить себе на службу.

Я вообще считаю, что если ты хочешь чем-то заниматься, постарайся разобраться, как это работает, ну... постарайся. Никто из нас, и я в том числе, мы не знаем всего, у нас в команде все ребята, которые занимаются созданием технологий, в предметной области они значительно сильнее, чем я. Но прикладывай к этому усилия, и тогда у тебя всё будет.

Я думаю, что совет тем ребятам, которые джуниоры, создавайте себе фундамент, пока можете. Дело в том, что биологически доказано, что человеку определенный тип знаний, особенно таких фундаментально сложных, как, например, высшая математика, хорошо дается лет до 25-30. Ну, физиология у нас такая. Это так, да? Потратьте это время жизни, которое у вас есть, на вот это. Вы потом остальное доберёте. Потом, я вас уверяю, другие вещи, они несложно осваиваются.

В рамках беседы узнали о рисках замены программистов искусственным интеллектом, о том, как проходит IT-трансформация в Сбере, и получится ли большую часть процессов в компании перевести на ИИ.

Видеоверсия интервью:

— В ходе выступления на GigaConf ты рассказал об IT-трансформации. Расскажи, пожалуйста, какие инструменты ты считаешь наиболее перспективными и наиболее эффективными в этом направлении?

— Если выбрать буквально пару инструментов, то это, безусловно, платформизация и продуктовый подход, причём объединённые вместе. Что значит платформизация? Сбер идёт по пути платформенной организации. По сути, наше большое IT-комьюнити, состоящее из нескольких тысяч команд, делится на две неравные части. Одна часть, примерно треть нашей команды, создаёт детальки «лего». Вторая часть (бóльшая часть) из этих деталей собирает модельки, которые уже имеют конечную ценность для клиентов группы Сбер. В этом суть нашей модели.

Но её мы дополняем продуктовым подходом. По сути, команда, которая делает детальки, для каждой маленькой детальки использует продуктовый классический подход. Знает своего клиента, знает те команды, которые пользуются, с ними взаимодействует, собирает обратную связь, выравнивает свои бэклоки и видения, соответственно, как есть потребности у сборщиков моделек от деталей, которые производят команды, делающие эти детальки. Именно в этом сплаве мы создаём те продукты, которыми наш клиент пользуется.

— Многие сегодня уверены, что генерация кода при помощи ИИ-инструментов уменьшает потребность в глубоком изучении темы программирования. Ты согласен с этим утверждением или нет?

— Вообще, мы находимся в самом начале очень интересного пути. И точно с текущей позиции конечная вершина ещё далеко. Видна только более-менее ближайшая вершина. Те, кто ходит в горы, меня хорошо понимают. Ты всегда идёшь к какой-то ближайшей, и это далеко не конец, не финал. То, что видно сейчас, видно, что на текущем этапе надо очень хорошо разбираться в коде, потому что искусственный интеллект пока, по крайней мере для интерпрайса, сложных решений и конечных результатов не создаёт. Пока это работает только для инди-проектов или для каких-то MVP [Minimum Viable Product или минимально жизнеспособный продукт, — прим. ред], которые надо быстро собрать. Здесь действительно так.

Но в будущем, в общем, весьма недалёком, действительно видно, что не потребуется глубокое понимание у большей части IT-шников, большей части разработчиков, которые, наверное, станут vibe-разработчиками, vibe-кодерами [vibe coding считается методом программирования, использующим ИИ и большие языковые модели (LLM), — прим. ред]. С другой стороны, мы уже понимаем, что требования к мидлам и сеньорам, наоборот, вырастут. Действительно, журналисты могут работать очень эффективно и быстро, не особо глубоко разбираясь в коде. А вот мидлам и сеньорам — им будет гораздо тяжелее, так как требования к ним сильно возрастут. И самый ближайший вызов, который мы для себя видим — это конечно то, что сейчас мидлам и сеньорам проще отдать задачу ИИ, чем джуну.

Возникает большой вопрос, на чём джуны будут развиваться, на каких задачах, для того, чтобы вообще становиться мидлами. Мы идём к тому, что возникает определённая пропасть между джунами, мидлами и сеньорами. Более того, если посмотреть на последние опубликованные обзоры HeadHunter, мы видим, что у нас является существенный переизбыток джун-разработчиков на рынке, в то время как спрос на мидлов и сеньоров примерно соответствует тому, что было раньше. То есть мы видим уже на рынке начало этого тренда, и как мы этот ближайший кризис IT-мира пройдём, будет очень интересно посмотреть.

— На твой взгляд, как этот кризис вообще можно пройти?

— Внутри Сбера мы для себя видим это как вызов. И в ответ на него у нас есть специальный проект, в рамках которого мы строим специальную платформу развития джунов. Создание индивидуальных траекторий их развития, формирование правильных задач, правильной декомпозиции этих задач для планового развития на задачах. То есть без какой-то управляемой истории мы видим, что они просто не смогут развиваться в будущем.

— Генеративный ИИ и различные агенты, агентизация, давай так назовем этот термин, меняют традиционные бизнес-процессы в Сбере. Можно ли сказать, что Сбер станет первой в стране автономной организацией, в которой будет большая часть процессов основана на ИИ?

— Станем ли мы полностью автономными? Мы, наверное, являемся крупнейшей компанией России. Очевидно, что первыми станут полностью цифровые компании, такие как селлеры, допустим, на маркетплейсах. Их можно сделать автономными уже буквально к концу этого года. Достаточно сделать всего лишь агента-закупщика, агента, размещающего рекламу, агента, размещающего объявления, агента, следящего за конкретным предложением проектирующей цены. Десяток агентов.

— Как в условиях агентизации, автоматизации, автономизации, как в таких условиях развиваться инженером и не потерять свой интерес к профессии?

— Этот вызов действительно стоит перед нами. Считаю, что перед «айтишниками» в самом ближайшем будущем стоит экзистенциальный вызов. Ведь если посмотреть на то, кто находится на вершине нашей пирамиды ценностей, кого мы уважаем больше всех? Больше всех мы уважаем на самом деле «суперразработчиков», способных создавать идеальный код, которому мы просто восхищаемся. Это, наверное, вершина пирамиды IT-мира.

Очевидно, что искусственный интеллект весьма скоро будет способен делать то же самое. В этом смысле, действительно, наш мир переопределится, и станет ли на вершину, взойдёт ли на неё тот, кто лучше всех в vibe-коде? Это вряд ли, войдёт кто-то другой. Мы находимся в начале пути, поэтому сложно предсказать, что будет на самом деле ближе к его завершению.

— Мне нравится, что ты позитивно смотришь в будущее. Скажи, пожалуйста, заменит ли искусственный интеллект разработчиков?

— Я не верю в это, скажу честно. Я верю в две другие вещи. Первое: не ИИ заменит разработчика, а разработчики, которые умеют пользоваться искусственным интеллектом, заменят тех, кто не умеет. И это клинический факт, мы уже это видим. Я уверен, что буквально уже через год-два уверенные знания генеративных подходов к решению задач будет обязательным требованием для поступления на работу. И не только в Сбере, но и во многих других организациях. Но вторая вещь, в которую я верю: это то, что не ИИ будет писать вместо людей код, а то, что люди вместе с искусственным интеллектом будут писать его в разы больше.

Мы сможем создавать те вещи, которые мы сейчас просто не можем сделать. Почему, допустим, не сильно развита виртуальная реальность? Потому что создать полноценный виртуальный мир очень трудоёмко. Это видно на примере компьютерных игр, где ААА-проекты создаются командами из сотни-сотни людей в течение многих-многих лет. Вы посмотрите на GTA 6, посмотрите, сколько она времени создаётся. Боль. Всё ждём. Искренне.

А представьте, что благодаря генеративным подходам мы сможем создавать такие игры буквально за год командой в 50 человек. И это будет не только в играх, это будет везде, повсеместно. Мы сможем создать такие решения, которые сейчас не можем себе даже представить. Просто в силу того, что сейчас это очень трудоёмко, нерентабельно и нецелесообразно.

— Надо разработчикам GTA подсказать, что нужно использовать генеративный искусственный интеллект как можно скорее.

— Я уверен, что они используют. Если посмотреть на то, какие сейчас последние проекты реализованы [на движке] Unreal Engine, там достаточно много генеративных подходов. Поэтому уверен, что они используют его, но всё равно делают долго. Очень долго.

Новый инструмент позволит создавать веб-приложения с нуля с помощью генеративного искусственного интеллекта в режиме диалога. Сбер уже открыл запись на ранний доступ к GigaStudio.

Ключевые возможности GigaStudio:

• Можно генерировать веб-приложения на основе текстовых запросов — процесс занимает несколько минут;

• После завершения процесса веб-приложение сразу становится готовым к публикации;

• Инструмент подходит широкому кругу пользователей, в том числе и тем, у кого ещё нет навыков программирования;

• GigaStudio подойдёт и разработчикам, которым нужно ускорить прототипирование;

• Интеграция с GitVerse обеспечивает взаимодействие с репозиториями и другими инструментами разработки.

Старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев заявил, что запуск GigaStudio стал важным шагом к снижению порога входа в сферу разработки:

«Интеграция с GitVerse обеспечивает единое пространство для создания продуктов — доступное, функциональное и безопасное. Мы соединяем профессиональные инструменты разработки с преимуществами подхода vibe-coding — когда для создания готового приложения достаточно описания в чате с искусственным интеллектом».

Белевцев выразил уверенность в том, что представленный инструмент будет востребован большим числом разработчиков.

Вместе с анонсом нового инструмента были представлены и обновления самой платформы GitVerse. Например, Сбер улучшил подсистему CI/CD, благодаря чему стали доступны сборки в облаке для всех репозиториев, в том числе и приватные.

Кроме того:

• В GitVerse существенно увеличились лимиты на время сборки;

• Улучшена поддержка инструментов для Data Science — возможность просмотра Jupyter Notebooks, использования расширенных лимитов хранения крупных датасетов;

• Добавлены функции приоритизации и улучшено взаимодействие с проектами в системе управления задачами;

• Стал доступен обновленный публичный API GitVerse в режиме раннего доступа.

Генеральный директор СберТеха Максим Тятюшев сообщил, что такие инструменты особенно актуальны сегодня в условиях растущего спроса на ускорение разработки и высокой конкуренции на IT-рынке:

«Мы постоянно коммуницируем с нашей аудиторией и видим, что пользователи — от профессионалов до людей без опыта в разработке — заинтересованы в таких инструментах, которые позволят сократить путь от идеи до работающего решения».

GigaCode 2.0 работает на ансамбле моделей, включая GigaChat и специализированные кодовые ИИ, прошедшие дообучение на новых наборах данных. Производительность выросла в четыре раза — теперь система может выдавать до 40 подсказок в секунду. Благодаря улучшенному пониманию контекста, ассистент стал точнее в работе с крупными проектами, лучше справляется с архитектурными шаблонами и более уверенно поддерживает 35+ языков программирования: от Python и Java до C++ и Kotlin.

«Наш AI-ассистент уже успешно зарекомендовал себя в предыдущей версии. В среднем за месяц с его помощью принимается 2 миллиона строк кода, что сопоставимо с созданием крупной автоматизированной системы. Теперь мы его значительно улучшили. GigaCode 2.0 предоставляет бизнесу инструмент, который не только ускорит разработку ПО, но и сократит время вывода продуктов на рынок. За счет оптимизации процессов и повышения качества кода организации могут минимизировать затраты ресурсов и сосредоточиться на создании по-настоящему инновационных решений», – Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка.

Особое внимание разработчики уделили качеству генерации: по данным Сбера, точность ответов по международному бенчмарку LiveCodeBench выросла с 28% до 65%. Также доработана технология Retrieval Augmented Generation — теперь система лучше адаптируется под специфику проекта, уменьшая количество синтаксических и логических ошибок, особенно связанных с устаревшими библиотеками и API.

В компании сообщили, что GigaCode 2.0 уже доказал свою востребованность: более 45 тысяч установок плагина на GitVerse и около 25 тысяч активных пользователей в месяц. Также ассистент способен помочь не только разработчикам, но и аналитикам, DevOps, тестировщикам — например, благодаря поддержке PlantUML теперь можно генерировать диаграммы прямо из текста.

Решение доступно как бесплатно (через GitVerse), так и в виде on-premise-версии для корпоративного внедрения. Сбер рассчитывает, что обновлённый GigaCode станет инструментом, который поможет бизнесу быстрее запускать продукты и снизит стоимость разработки за счёт автоматизации рутинных задач.

Обновлённая модель Kandinsky генерирует по любому текстовому описанию или произвольному стартовому кадру видеоряд продолжительностью до 10 секунд в разрешении SD или HD — 720×576 или 1280×720 соответственно.

Основные особенности Kandinsky 4.1 Video:

• В основе новой модели — продвинутая архитектура диффузионного трансформера.

• Дообучение (Supervised Fine-Tuning, SFT) стало одним из ключевых факторов, который позволил значительно улучшить качество модели.

• Модель дообучали на тщательно отобранных данных, подготовленных более, чем 100 экспертами.

• Среди экспертов, которые помогали дообучать Kandinsky 4.1 Video, были дизайнеры, фотографы и художники с профильным образованием.

• Применены методы дистилляции и ускорения, что сократило время генерации видео более чем в три раза по сравнению с исходным вариантом.

Примеры генерации видео через Kandinsky 4.1 Video:

В Сбере подчеркнули, что в ряде сценариев качество генерации сохранилось или даже улучшилось. Старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев рассказал, что Kandinsky 4.1 Video обеспечивает «качественно новый уровень генеративного видео»:

«Модель стала в разы лучше по всем параметрам: по соответствию промпту, визуальному качеству, качеству генерации движений, а также способности моделировать физику мира. Такие разработки открывают беспрецедентные возможности как для дизайнеров, маркетологов, так и для представителей любых других креативных индустрий, работающих над созданием высококачественного видеоконтента».

Об этом сообщил Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка.

Функция автоматически определяет, как лучше обработать запрос: подключить работу с внешними источниками, проанализировать документы или использовать другие режимы. Это избавляет пользователя от необходимости вручную выбирать инструменты и делает ответы не только точными, но и адаптированными под задачу.

«GigaChat выходит на новый уровень — теперь модель способна рассуждать и объяснять свои выводы. Это значит, что наши клиенты смогут не только получать точные ответы, но и понимать ход мыслей системы, прослеживая логику её решений. Особенно ценным это новшество станет в обучении — ведь в сложных вопросах важен не только результат, но и сам процесс его получения. Мы продолжаем совершенствовать модель, открывая перед пользователями всё новые возможности взаимодействия с искусственным интеллектом», – Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка.

Главное отличие новой версии — способность «рассуждать»: объяснять логику полученного ответа и демонстрировать ход размышлений. По словам Белевцева, это особенно важно для образовательных сценариев и ситуаций, где критична прозрачность, например, при анализе документов, юридических кейсах или принятии решений в бизнесе.

Ожидается, что в июле новая функция станет доступна всем пользователям GigaChat.