Рис. 1. Отставание российских моделей от мирового лидера по версии llmarena.ru (краудсорсинговый рейтинг на русском языке; снимок осени 2026 года)
Рис. 1. Отставание российских моделей от мирового лидера по версии llmarena.ru (краудсорсинговый рейтинг на русском языке; снимок осени 2026 года)

18 ноября на деловом саммите АТЭС в Шэньчжэне Владимир Путин заявил: «Россия находится в авангарде цифровой трансформации. Наши две флагманские языковые модели входят в число лучших в мире» (по сообщению агентства «Прайм»). Фраза мгновенно разошлась по новостям, но самое интересное в ней не пафос, а проверяемость: в России четыре больших семейства языковых моделей, и почти все они участвуют в открытых рейтингах, где место определяется голосами живых пользователей, а не пресс‑релизом.

Я не ML‑инженер и не претендую на роль судьи: мой максимум — навайбкодить лабораторные в вузе, а от нейросети мне важно, чтобы она отвечала на русском и не требовала VPN. Поэтому вместо споров о «лучших в мире» я заглянул в открытый краудсорсинговый рейтинг llmarena.ru, собрал данные по всем четырём семействам и сверил их характеристики с заявлениями разработчиков. Спойлер: одна российская модель действительно сидит в мировом топ-10 — но общая картина сложнее, чем заголовок новости.

Что значит «в числе лучших»: как устроен открытый рейтинг

LLM Arena (llmarena.ru) — краудсорсинговая площадка для сравнения больших языковых моделей на русском языке. Механика простая: пользователь задаёт вопрос, на него анонимно отвечают две случайные модели, человек голосует за лучший ответ и только после голосования видит название модели. Из миллионов таких парных дуэлей по модели Брэдли‑Терри — той же математике, что стоит за шахматным рейтингом Эло, — считается итоговый балл: чем чаще модель выигрывает, тем выше её Elo.

На момент подготовки материала в рейтинге 112 моделей, а голоса собираются непрерывно; в моём срезе учтены данные вплоть до 9 ноября 2026 года. Важно понимать ограничение метода: Elo здесь измеряет «чей ответ людям понравился чаще», а не «какая модель решит олимпиадную задачу». Зато это единственная метрика, где сравнение идёт вслепую и без участия разработчиков.

Кто эти «две флагманские»: четыре российских семейства

В России четыре больших семейства LLM: GigaChat у Сбера, Alice AI LLM у Яндекса, T‑Pro и T‑Lite у Т‑Технологий и Cotype у MWS (экосистема МТС). Развиваются они быстро, поэтому начну с коротких справок в актуальном состоянии.

GigaChat — флагман с открытыми весами

GigaChat Сбера развивается с апреля 2023 года и вырос из экспериментального чата в мультимодальную платформу: помимо текста, семейство работает с документами, аудио и изображениями — в стеке собственные ruGPT-3.5 и FRED‑T5, ruCLIP для связи текста с картинкой и Kandinsky для генерации изображений. Текущий флагман — GigaChat 3.5 Ultra, выпущенный в июле 2026 года: архитектура MoE, 432 млрд общих параметров (28 млрд активных), контекст 262 тысячи токенов, а генерация длинных текстов, по данным Сбера, ускорилась до четырёх раз по сравнению с прошлым поколением. Главная особенность — открытые веса: модель выложена на Hugging Face под лицензией MIT, то есть её можно скачать, дообучить и крутить на своём железе. Подробности — в разборе на Хабре.

Alice AI LLM — ассистент, вросший в экосистему

Яндекс в октябре 2025 года перевёл «Алису» с YandexGPT на новое семейство Alice AI LLM: флагман построен на архитектуре MoE, включает 235 млрд параметров и обучен с нуля на русскоязычных текстах и данных экосистемы. Модель закрытая, но её сила — не в весах, а в интеграции: она отвечает в поиске, браузере и колонках, а через API в Yandex AI Studio и агентные сценарии доводит дела до конца — бронирует столик, собирает корзину, оформляет заказ в «Яндекс Такси» и «Еде». 21 сентября 2026 года Яндекс выложил в открытый доступ претрейн‑версию Alice AI Foundation на 80 млрд параметров (3 млрд активных), разрешив коммерческое использование; технические детали — в публикации на Хабре.

T‑Pro и T‑Lite — банковский путь через дообучение

Т‑Технологии (Т‑Банк) представили семейство Gen‑T в декабре 2024 года. Первые модели строились на базе Qwen 2.5 и проходили глубокое дообучение на русскоязычном корпусе — по словам разработчика, такой подход сократил расходы примерно на 90% по сравнению с обучением с нуля. Актуальные версии T‑pro‑it-2.0 и 2.1 переехали уже на Qwen 3: 32 млрд параметров, упор на следование инструкциям и вызов инструментов. Веса открыты под Apache 2.0 (карточка модели на Hugging Face), лёгкая T‑Lite на 7 млрд параметров рассчитана на быстрых чат‑ботов и стандартное железо.

Cotype — не ассистент, а офисный инструмент

MWS из экосистемы МТС пошла другим путём: вместо универсального чата — модели для бизнеса, обученные на деловой переписке и корпоративных документах. Линейка разложена по задачам: Pro 3 на 27 млрд параметров держит контекст в 262 тысячи токенов — примерно годовой отчёт целиком; Light 3 на 9 млрд — для типовых процессов; мультимодальная VL на 32 млрд читает рукописный текст со сканов; открытая Nano на 1,5 млрд годится для черновиков. В независимом бенчмарке MERA Pro 3 заняла третье место, уступив только моделям в несколько раз большего размера (обзор MWS AI на Хабре).

Таблица 1. Четыре российских семейства LLM (по данным разработчиков)

Семейство

Параметры

Контекст

Веса

Фокус

GigaChat 3.5 Ultra (Сбер)

432 млрд, MoE (28 млрд активных)

262 тыс. токенов

Открытые, MIT лицензия

Универсальная модель: текст, код, документы

Alice AI LLM 1.0 (Яндекс)

235 млрд, MoE

н/д

Закрытые; открыта претрейн‑версия Foundation 80B

Ассистент и агенты в экосистеме Яндекса

T‑pro‑it-2.1, T‑Lite (Т‑Технологии)

32/ 7 млрд

н/д

Открытые, Apache 2.0

Русский язык, tool calling, агенты

Cotype Pro 3, Light 3, VL, Nano (MWS)

27/ 9 / 32 / 1,5 млрд

до 262 тыс. (Pro 3)

Открыта Nano

B2B: договоры, документы, сканы

н/д — не раскрыто в открытых источниках. Характеристики меняются от версии к версии;

Место в мировом рейтинге: сверяем заявление с цифрами

Президент сказал «две». Если мерить открытым рейтингом, две сильнейшие российские модели очевидны. На срезе llmarena.ru середины ноября 2026 года GigaChat 3.5 занимает седьмое место в мире с Elo 1121 — рядом GPT-5.2 (1122) и DeepSeek V3.2 (1119), а лицензия у него в таблице помечена как открытая. Alice AI LLM — двадцатое место и 1069 очков, по соседству с Gemma 3 27B и Claude Sonnet 4.

 Рис. 2. Фрагмент лидерборда llmarena.ru: GigaChat 3.5 на седьмом месте (снимок автора, ноябрь 2026)
Рис. 2. Фрагмент лидерборда llmarena.ru: GigaChat 3.5 на седьмом месте (снимок автора, ноябрь 2026)

С преследователями честнее быть осторожным: T‑pro‑it-2.0 по срезу сентября 2026 года — 36-е место с Elo 1024, а модели Cotype в публичном лидерборде не представлены вовсе — MWS пока позиционирует их как B2B‑продукт.

 Рис. 3. Фрагмент лидерборда llmarena.ru: Alice AI LLM на двадцатом месте (снимок автора, ноябрь 2026)
Рис. 3. Фрагмент лидерборда llmarena.ru: Alice AI LLM на двадцатом месте (снимок автора, ноябрь 2026)

Для масштаба — мировая шеренга того же среза: Gemini 3 Pro Preview — 1199, Qwen3.6 Max — 1165, GPT-5.4 — 1161, Claude Opus 4.7 — 1149. Отставание GigaChat от лидера — 78 пунктов Elo, у Alice — 130, у T‑pro — 175 (диаграмма в начале статьи показывает этот разрыв наглядно). Поскольку рейтинг живой, места меняются: в сентябрьском срезе Alice, например, была девятнадцатой при тех же 1069 очках — поэтому рядом с любой цифрой из этой статьи стоит держать дату среза.

Второй эшелон: где наши сильны, а где нет

Честный ответ на вопрос заголовка: обе модели относятся ко второму эшелону мирового рейтинга, и стыдиться этого не нужно. Проигрыш мировым лидерам концентрируется там, где нужны длинные агентные цепочки, сложный многоступенчатый код и строгая многошаговая логика: в этих дисциплинах голоса пользователей стабильно уходят Gemini, GPT и Claude, а китайские открытые DeepSeek и Qwen тоже стоят выше.

Зато на своём поле наши модели выглядят убедительно. Рейтинг собирается на русскоязычных запросах — и GigaChat в общем зачёте обгоняет GPT-5.2, то есть для задач на русском языке он в мировом топ-10. Добавьте сюда цену и доступность, открытые веса GigaChat, T‑Pro и Alice Foundation (западные флагманы такого не дают в принципе) и интеграцию в реальные сервисы — банк, поиск, такси, маркетплейсы. Для типовых офисных задач — письмо, перевод, резюме документа — разрыв с мировыми лидерами на практике малозаметен.

Что в итоге

В мире наши обе модели относятся ко второму эшелону, они проигрывают мировым лидерам (Gemini 4, Claude 5.5, GPT-6 и ряду китайских моделей) в сложном программировании, многошаговых агентных сценариях и логических задачах. Но мы должны понимать, что регионально и на русском языке эти модели действительно могут показать достойный уровень качества ответов, входя в топ-20 рейтинга на русском языке.

Комментарии (23)


  1. kutase
    21.11.2026 21:02

    Выглядит крайне сомнительно. Почему сравнивается со старьем типа Gemini 3.1 Pro на каком-то непонятном российском сайте? По настоящему флагманские модели идут сейчас на триллионы параметров, даже посредственные по качеству типа Kimi K3 (2,8 трлн параметров). GigaChat 3.5 Ultra - 432 млрд, Alice AI 235 млрд (по другим данным вообще 80 млрд). Это неконкурентоспособно.


    1. Ka463
      21.11.2026 21:02

      Вы не уловили суть, модели лидируют да, но в русском языке, то-есть это тоже самое что если бы обучили модель играть на балалайке и потом орали на весь мир что мы первые, это как в анекдоте с неуловимым Джо.

      — Билл?

      — Да, Гарри?

      — Что это было, Билл?

      — Это был Неуловимый Джо, Гарри.

      — А почему его зовут Неуловимым Джо, Билл?

      — Потому что его никто ещё не поймал, Гарри.

      — А почему его никто ещё не поймал, Билл?

      — Потому что он нафиг никому не нужен, этот Неуловимый Джо.


      1. FSS1989
        21.11.2026 21:02

        Неуловимы значит что его не могут поймать, а если не могут значит пробовали поймать. В анекдоте правильней его было бы назвать неловимый джо исходя из того, что его никто не ловил.


    1. Okloks
      21.11.2026 21:02

      80 млрд у Яндекса - это foundation модель. Не путайте


    1. Popadanec
      21.11.2026 21:02

      Это как Ту-114 и его 32 мировых рекорда. Только большая часть рекордов получены крайне специфично.


      1. FSS1989
        21.11.2026 21:02

        И чем он от конкорда отличается? А я вам скажу, в катастрофе конкорда погибло 113 человек за одну катастрофу, а Ту-144 16 человек за две.


    1. Ox2A
      21.11.2026 21:02

      Ха, я выпал уже от 1й картинки автора поста))) В мире ИИ, когда каждый месяц меняет все, модели сравнивают с конкурентами почти годовалой давности и даже им "импортозамещенные" модели сильно проигрывают. Кстати, в аннотации к статье засейфилась немного другая картинка на которой "отрицательное лидирование" более правильно на схеме показано.


  1. proxy3d
    21.11.2026 21:02

    Надеюсь авторы понимают, что подобный банчмарк очень субъективный и низкий. "Чей ответ людям понравился чаще" говорит не о качестве ответа, а о восприятии его человеком. Например, если обучить модель больше с упором на литературный стиль, который будет нравиться большинству, это не значит что в остальном этот ответ качественный.

    Например, если надо написать сложный код, то модель может красиво расписать решение и сделать плохую реализацию или не справиться. Но при этом - человеку, который не является специалистом в данной области ее ответ покажется отличным, а в реальности это может оказаться просто галлюцинация.

    Например, в свое время я попросил нейронки написать код на Python, который строить CGH голограмму, чтобы записать ее на подложку. Сетки выдали мне код - я был удивлен, что он такой простой и даже написал об этом знакомым. В тот момент, я бы указал, что мне понравился ответ. В реальности не один из вариантов не работал. Модель выдумала несуществующие фреймворки.


  1. konst90
    21.11.2026 21:02

    Ну он же не сказал, в какое число лучших они входят и на каком месте


  1. InsiderCrush
    21.11.2026 21:02

    Видимо автор метается между "хочу быть объективным" и "хочу что бы думали что в моей стране есть сильные ЛЛМ". Я тоже был бы счастлив, если бы наши ллм были в топе мировом. Но говоря откровенно - пока что я несчастлив.

    Все кто реально в теме, понимают как российские вендоры делают отчеты о своих моделях и где притягивают за уши результаты тестов. Любому мало-мальски разбирающемуся человеку всё понятно и так.


    1. vadimr
      21.11.2026 21:02

      Ну они в мировом топе. Другой вопрос – на каком месте. А преимущество китайских и американских моделей ЛЛМ, вроде, никто не отрицает.

      Путин это говорил как раз в контексте институционализации тройки мировых лидеров.


  1. Dekartio
    21.11.2026 21:02

    Первым делом хочу отметить превосходный стиль изложения материала в статье. Для студента, который использует нейросети, чтобы навайбкодить (читай - списать) лабы, лишь бы на русском и без ВПН - уровень почти запредельный, тут браво! Кстати, в рекламе ГигаЧата по ТВ фигурирует ровно такой же типаж студента, так что пафоса здесь действительно быть не может.

    Но я бы куда охотнее поверил, что текст писал профессиональный пиарщик или маркетолог одной из упомянутых компаний (либо самих авторов рейтинга). Уж больно выверенная структура: зайти с международной повестки и цитаты президента (тут не поспоришь), подтянуть сторонний рейтинг, аккуратно разложить по полочкам характеристики всех отечественных игроков, никого не обидев, а в самом финале внезапно сослаться на отсутствующие в рейтинге GPT-6, Gemini 4 и Claude 5.5 в качестве опоры для второго эшелона.

    В любом случае желаю автору успехов в выбранной карьерной траектории. Оценки и комментарии хабровчан всё расставят по местам - и правильно сделают: никому не нравятся притянутые за уши заголовки и выводы. Хотя лично мне всё равно приятнее читать профессионально составленный маркетинговый материал, чем бездумный нейросетевой шлак, которым нынче завален Хабр. Аффтар, пеши исчо!


    1. svl87
      21.11.2026 21:02

      ну хз, вряд ли бы пиарщик стал говорить что модели идут во втором эшелоне и в топ-10 входят только по каким-то непонятным задачам на русском языке. фактически, это ситуация как в суверенном автопроме. машины в принципе ездят, а с задачей проехать на дачу по дороге, которую не ремонтировали 30 лет, Нива входит в топ-10


      1. Dekartio
        21.11.2026 21:02

        Речь президента 18 ноября на деловом саммите АТЭС в Шэньчжэне - сильный инфоповод. Если его не использовать вовремя, то инфоповод "протухнет".
        Принцип "Нива и бездорожье" сейчас основной, чтобы сохранять флёр объективности и эксплуатировать заголовки. Ну и в статье шесть активных ссылок на сайт рейтинга. Кто бы это ни был, маркетинг ему не чужд, поэтому смотрим, что напишет дальше.


      1. Popadanec
        21.11.2026 21:02

        Совсем то гнать пургу тоже смысла нет. Народ её и так давно наелся и реакция будет однозначной. А если создать видимость независимости, то часть читателей поведётся. И это видно по оценкам.


  1. Andreas_Fogel
    21.11.2026 21:02

    Если эти модели будут продавать за копейки или предоставлять бесплатно, то применений масса. А так как все находятся в условии у кого лопат больше тот и царь, то мы проигрываем в сухую. Ну не купит у нас государство столько серверных видюх, чтобы хоть какуюто конкуренцию составить. Просто запретят зарубежные нейросетии и сделают налог за не использование ИИ в рабочей и интернет деятельности.


  1. TVD2100
    21.11.2026 21:02

    У Deepseek актуальные модели v4-pro и v4.1-flash, не вижу смысла сравнивать с прошлогодней моделью 3.2


    1. Dekartio
      21.11.2026 21:02

      А с учётом того, что новые версии стали запредельно осторожными и делают кучу оговорок о том, что чем не является, пользователям-тестерам на запрос "Как приготовить оливье на новый год" их ответ будет нравиться ещё меньше


  1. house2008
    21.11.2026 21:02

    Россия находится в авангарде ...

    Первый канал не иначе, если новость начинается с этих строчек, значит там или вранье или притянутая за уши информация - пока ни разу не подводило.


  1. artden111
    21.11.2026 21:02

    Мой недавний опыт общения с гигачатом:
    - Сколько в России стоил такой-то комп год назад?
    - В 2024 году он стоил столько-то
    - А ты знаешь, какой сейчас год?
    - 2026
    Закрыл его и больше не открывал ))


    1. glorden
      21.11.2026 21:02

      а меня алиса послала после пары невинных вопросов как сделать доступ на сайт по ipv6.
      запрещенная к распространению информация по всей видимости. закрыл и больше не открывал.


  1. Mintavrus
    21.11.2026 21:02

    Автор, а где в этом топе Claude Fable 5.2, Opus 5.5, GPT-6.2 Astra/Sol, Gemini 4 Neon/Carbon, Kimi K3.1, Qwen 4 Max, DeepSeek V4.1Flash, GLM 5.3, MiniMax M3.1 и еще куча других нейросетей?


  1. fenrir1121
    21.11.2026 21:02

    Подозреваю автор статьи одновременно является автором сайта на который идут ссылки. В противном случае не представляю как можно не обратить внимание на слона в комнате: актуальные ру модели сравниваются с моделями 2-3 поколений давности, большая часть которых уже депрекейтнуты.