«Яндекс» выпустил открытую LLM Alice AI Foundation на 80 млрд параметров
«Яндекс» выпустил экспериментальную языковую модель Alice AI Foundation LLM на 80 млрд параметров, разработанную с нуля без сторонних иностранных компонентов. Модель и два новых русскоязычных бенчмарка опубликованы на Hugging Face.
- Alice AI Foundation LLM построена на архитектуре Mixture of Experts: 80 млрд параметров, из которых при обработке запроса задействуются 3 млрд
- В тестах на код модель обошла Nvidia Nemotron-3-Super-120B-Base, у которой вчетверо больше активных параметров
- «Яндекс» открыл два бенчмарка — WikiWebFacts и HardMultiQA — вместе с эталонными ответами и протоколом оценки
«Яндекс» разработал с нуля большую языковую модель Alice AI Foundation LLM без использования сторонних иностранных компонентов. Об этом CNews сообщили представители компании. Модель построена на архитектуре Mixture of Experts и насчитывает 80 млрд параметров, но при обработке запросов задействуются лишь 3 млрд из них — за счёт этого она требует меньше вычислительных ресурсов.
Результаты на бенчмарках
По данным «Яндекса», модель хорошо справляется с программированием, математическими задачами и вопросами на русском языке. На олимпиадных задачах по математике она разделила лидерство с Qwen3.5–35B-A3B-Base. В тестах на написание кода Alice AI Foundation LLM обошла Nvidia Nemotron-3-Super-120B-Base, которая использует вчетверо больше активных параметров.
В заданиях на знание фактов модель превзошла более крупную открытую DeepSeek-V4-Flash-Base. Её результаты оказались сопоставимы с показателями предыдущей закрытой модели «Яндекса» — Alice AI LLM, у которой втрое больше параметров и в семь раз больше активных.
Русскоязычные бенчмарки
Для оценки знаний, важных именно для русскоязычных пользователей, «Яндекс» разработал два открытых бенчмарка. WikiWebFacts проверяет знание дат, событий, определений и персоналий. HardMultiQA основан на обезличенных запросах к «Алисе AI» и включает задания по медицине, праву, ИТ, искусству и другим областям.
21 сентября 2026 года оба бенчмарка вместе с эталонными ответами и протоколом оценки опубликованы в открытом доступе.
Статус и планы
Модель пока считается экспериментальной. На её основе «Яндекс» проверяет архитектурные решения для будущей единой рассуждающей модели, которая должна лечь в основу агентных функций «Алисы AI» — с их помощью пользователи смогут поручать ассистенту выполнение конкретных действий.
Alice AI Foundation LLM, технические отчёты и бенчмарки доступны на платформе Hugging Face.
Для профиТехнические детали: архитектура, цифры, ссылки
- Архитектура: Mixture of Experts, 80 млрд параметров, 3 млрд активных на запрос.
- Бенчмарки: на олимпиадной математике — паритет с Qwen3.5–35B-A3B-Base; в генерации кода — выше Nvidia Nemotron-3-Super-120B-Base; в знании фактов — выше DeepSeek-V4-Flash-Base; результаты сопоставимы с закрытой Alice AI LLM (втрое больше параметров, в семь раз больше активных).
- Открытые бенчмарки: WikiWebFacts (даты, события, определения, персоналии) и HardMultiQA (медицина, право, ИТ, искусство; на основе обезличенных запросов к «Алисе AI»). Опубликованы 21 сентября 2026 года с эталонными ответами и протоколом оценки.
- Доступ: модель, технические отчёты и бенчмарки — на Hugging Face.
Что это значит для России
Модель разработана «Яндексом» с нуля без сторонних иностранных компонентов, а веса и бенчмарки выложены в открытый доступ на Hugging Face — это делает её доступной для скачивания и локального запуска из России.
Отдельный акцент сделан на русскоязычных задачах: компания выпустила два открытых бенчмарка для оценки знаний, значимых для русскоязычных пользователей.
Вопросы и ответы
- Сколько параметров у Alice AI Foundation LLM?
- 80 млрд параметров, но при обработке запросов задействуются только 3 млрд — модель построена на архитектуре Mixture of Experts.
- Где скачать модель?
- Alice AI Foundation LLM, технические отчёты и бенчмарки доступны на платформе Hugging Face.
- Это финальная модель «Яндекса»?
- Нет, модель считается экспериментальной. На её основе компания проверяет архитектурные решения для будущей единой рассуждающей модели.
