/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,5 млрд
Размер весов
23 ГБ
Лицензия
MIT
Архитектура
deepseek_v3 · dense
Базовая модель
GigaChat3-10B-A1.8B-base
Библиотека
transformers
Опубликована
21 мар 2026

GigaChat3.1-10B-A1.8B-bf16

Генерация текстаТекст → текст15 профессий

Компактная многоязычная MoE-модель GigaChat для диалогов, рассуждений, кода и вызова инструментов.

6 799скачиваний за 30 дней15лайковвеса обновлены25 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GigaChat 3.1 Lightning — компактная instruct-модель семейства GigaChat 3.1 от ai-sage. Это модель класса Mixture-of-Experts с архитектурой DeepSeek V3: 10 млрд параметров, из которых при генерации активны 1,8 млрд. В этой версии веса представлены в BF16; используются Multi-head Latent Attention для сокращения KV-кэша и Multi-Token Prediction, которое может ускорять декодирование. Контекст составляет до 262 144 токенов.

Модель предназначена для многоязычных диалогов и инструкций, рассуждений, программирования, вызова функций и развёртывания в прикладных продуктах. Карточка указывает поддержку русского и английского; обучающий корпус семейства охватывает 10 языков. Среди описанных сценариев — работа с поиском и цитированием, интерпретация кода с учётом файлов и диалоги с инструментами. Репозиторий использует Transformers и формат safetensors.

Разработчик сообщает об улучшениях на задачах математики, программирования и других сложных областях, а также о высокой скорости генерации; приведённые результаты зависят от бенчмарка и конфигурации оборудования. Лицензия — MIT. Модель может ошибаться, а заявленные характеристики скорости требуют подходящей инфраструктуры и поддержки MTP в используемом движке.

Сценарии применения

  • ответы на вопросы и ведение диалога на русском и английском
  • решение математических задач и пошаговые рассуждения
  • написание и интерпретация программного кода
  • вызов функций и взаимодействие с инструментами в агентных сценариях
  • поиск информации и подготовка ответов с цитированием

Ограничения

Модель может допускать ошибки; результаты и скорость зависят от сценария, оборудования и поддержки MTP в движке инференса. Заявления о качестве основаны на приведённых разработчиком бенчмарках.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GigaChat 3.1 Lightning

GigaChat 3.1 Lightning is the compact instruct model of the GigaChat 3.1 family. It is a Mixture-of-Experts (MoE) model with 10B total parameters and 1.8B active parameters, designed for fast multilingual assistant workloads, reasoning, code, function calling, and product-style deployment.

This repository contains the BF16 version of the model. The FP8 checkpoint is available at GigaChat3.1-10B-A1.8B, and a GGUF version is available at GigaChat3.1-10B-A1.8B-GGUF.

More details can be found in the Habr article.

Model architecture

GigaChat 3.1 Lightning uses a custom MoE architecture with the following key components.

Mixture-of-Experts (MoE)

The model has 10B total parameters with 1.8B active parameters at inference time. This allows it to scale model capacity aggressively while keeping the active compute budget much lower than that of an equally large dense model.

Multi-head Latent Attention (MLA)

Instead of standard multi-head attention, the model uses MLA, which compresses the KV cache into a latent representation. This reduces memory usage and improves inference throughput, especially in long-context settings.

Multi-Token Prediction (MTP)

The model is trained with MTP, which allows it to predict multiple tokens per forward pass. In production systems, this can be used with speculative or parallel decoding techniques to improve throughput.

Training data

The base GigaChat 3 training corpus spans 10 languages and includes books, academic material, code datasets, and mathematics datasets. All data goes through deduplication, language filtering, and automatic quality checks based on heuristics and classifiers.

Synthetic data remains a major contributor to quality. Across the broader training corpus, we used approximately 5.5 trillion synthetic tokens, including:

  • question-answer data generated from source texts,
  • reverse-prompt chains for structured data generation,
  • model-authored notes embedded inside texts,
  • millions of synthetic tasks with solutions in mathematics and olympiad-style programming,
  • synthetic tests for code and reasoning tasks.

For the 3.1 release, we made major data improvements:

  • Hard-domain expansion at Stage 1.5: stronger coverage of mathematics, finance, physics, engineering, biology, chemistry, and medicine.
  • Stricter quality validation: our internal Revisor pipeline was extended with stronger checks for Markdown, LaTeX, and answer-format correctness.
  • LLM-judge validation: SFT and DPO data is validated with judges selected for the task type and response structure.
  • On-policy DPO data: preference pairs were generated from preview-model behavior, making them better aligned with real model failure modes.
  • Better product-oriented data: we expanded data for search-and-citation scenarios, file-aware code interpretation, personalization, and agentic dialogues with executable tool calls.
  • Improved answer style: we also revised formatting and writing guidelines to improve readability, correctness, and overall response quality.

Post-training improvements

DPO in native FP8

Unlike the preview release, GigaChat 3.1 Lightning includes a full DPO stage. This stage was redesigned for the MoE setup and trained in native FP8, not just quantized after training.

Important changes include:

  • MTP heads trained during DPO for better consistency between main-model predictions and MTP predictions,
  • weighted gamma with exponential decay over long sequences,
  • stronger tuning of batch size and DPO contribution,
  • better robustness against loop-inducing failure modes.

In our experiments, native FP8 DPO not only recovered the quality that could be lost with post-training FP8 quantization, but in some cases even exceeded the BF16 result while using substantially less memory.

Faster post-training

We also optimized the SFT pipeline with a combination of sequence packing, dynamic sequence parallelism, and additional pipeline optimizations. This reduced training cost significantly and improved GPU utilization, especially on long-context workloads.

Inference

One of the key advantages of GigaChat3.1-10B-A1.8B is its inference speed. The model (especially in MTP mode) demonstrates throughput comparable to that of significantly smaller dense models. We measured this using vllm 0.17.1rc1.dev158+g600a039f5, concurrency=32, 1xH100 80gb SXM5. Link to code.

ModelOutput tpsTotal tpsTPOTDiff vs Lightning BF16
GigaChat-3.1-Lightning BF162 8665 8329.52+0.0%
GigaChat-3.1-Lightning BF16 + MTP3 3466 8108.25+16.7%
GigaChat-3.1-Lightning FP83 3826 8837.63+18.0%
GigaChat-3.1-Lightning FP8 + MTP3 9588 0546.92+38.1%
YandexGPT-5-Lite-8B3 0816 2817.62+7.5%

Benchmark Results

DomainMetricGigaChat-3-LightningGigaChat-3.1-LightningQwen3-1.7B-InstructQwen3-4B-InstructSmolLM3gemma-3-4b-it
GeneralMMLU RU0.6830.6803-0.5970.5000.519
GeneralRUBQ0.6520.6646-0.3170.6360.382
GeneralMMLU PRO0.6060.61760.4100.6850.5010.410
GeneralMMLU EN0.7400.72980.6000.7080.5990.594
GeneralBBH0.4530.57580.33170.7170.4160.131
GeneralSuperGPQA0.2730.29390.2090.3750.2460.201
CodeHuman Eval Plus0.6950.73170.6280.8780.7010.713
TotalAverage0.5860.6310.4580.6120.5140.421

Arena Results

ArenaGigaChat-2-Lite-30.1GigaChat-3-LightningGigaChat-3.1-LightningYandexGPT-5-Lite-8BSmolLM3gemma-3-4b-itQwen3-4BQwen3-4B-Instruct-2507
Arena Hard Logs V323.70014.346.70017.918.138.727.761.5
Validator SBS Pollux32.50024.355.70010.313.734.00019.856.100
Total Average28.10019.351.20014.115.936.3523.7558.800

Usage Example

1. transformers

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig

model_name = "ai-sage/GigaChat3.1-10B-A1.8B-bf16"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
model.generation_config = GenerationConfig.from_pretrained(model_name)
messages = [
    {"role": "user", "content": "Докажи теорему о неподвижной точке"}
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
inputs = tokenizer(prompt, return_tensors="pt")
inputs = {k: v.to(model.device) for k, v in inputs.items()}
outputs = model.generate(
    **inputs,
    max_new_tokens=1000,
)
prompt_len = inputs["input_ids"].shape[1]
result = tokenizer.decode(
    outputs[0][prompt_len:],
    skip_special_tokens=True,
)
print(result)

2. vLLM

Start the server

vllm serve ai-sage/GigaChat3.1-10B-A1.8B-bf16 \
  --dtype "auto" \
  --speculative-config '{"method": "mtp", "num_speculative_tokens": 1, "disable_padded_drafter_batch": false}'

Request example

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ai-sage/GigaChat3.1-10B-A1.8B-bf16",
    "messages": [
      {
        "role": "user",
        "content": "Докажи теорему о неподвижной точке"
      }
    ],
    "max_tokens": 400,
    "temperature": 0
  }'

3. SGLang

Start the server

python -m sglang.launch_server \
  --model-path ai-sage/GigaChat3.1-10B-A1.8B-bf16 \
  --host 0.0.0.0 \
  --port 30000 \
  --dtype auto \
  --mem-fraction-static 0.88 \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 1 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 2

Request example

curl http://localhost:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ai-sage/GigaChat3.1-10B-A1.8B-bf16",
    "messages": [
      {
        "role": "user",
        "content": "Докажи теорему о неподвижной точке"
      }
    ],
    "max_tokens": 1000,
    "temperature": 0
  }'

Function calling

1. transformers

import torch
import json
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig

FUNCTION_CALL_TOKEN = "<|function_call|>"

def parse_function_and_content(completion_str: str):
    completion_str = completion_str.strip()

    if FUNCTION_CALL_TOKEN not in completion_str:
        return None, completion_str or None

    content_part, function_part = completion_str.split(FUNCTION_CALL_TOKEN, 1)

    content = content_part.strip() or None
    function_part = function_part.strip()

    for suffix in ("</s>", "<s>"):
        if function_part.endswith(suffix):
            function_part = function_part[: -len(suffix)].strip()

    try:
        function_call = json.loads(function_part)
    except json.JSONDecodeError:
        return None, content if content is not None else completion_str

    if not (
        isinstance(function_call, dict)
        and "name" in function_call
        and "arguments" in function_call
        and isinstance(function_call["arguments"], dict)
    ):
        return None, content

    return function_call, content


model_name = "ai-sage/GigaChat3.1-10B-A1.8B-bf16"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
model.generation_config = GenerationConfig.from_pretrained(model_name)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Получить информацию о текущей погоде в указанном городе.",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "Название города (например, Москва, Казань)."
                    }
                },
                "required": ["city"]
            }
        }
    }
]

messages = [
    {"role": "user", "content": "Какая сейчас погода в Москве?"}
]

prompt = tokenizer.apply_chat_template(
    messages,
    tools=tools,
    tokenize=False,
    add_generation_prompt=True,
)

inputs = tokenizer(prompt, return_tensors="pt")
inputs = {k: v.to(model.device) for k, v in inputs.items()}

with torch.inference_mode():
    outputs = model.generate(
        **inputs,
        max_new_tokens=1000,
    )

prompt_len = inputs["input_ids"].shape[1]
completion = tokenizer.decode(
    outputs[0][prompt_len:],
    skip_special_tokens=False,
)

function_call, content = parse_function_and_content(completion)
print(function_call, content)

2. vLLM

commit>=293f036

Start the server

vllm serve ai-sage/GigaChat3.1-10B-A1.8B-bf16 \
  --dtype "auto" \
  --speculative-config '{"method": "mtp", "num_speculative_tokens": 1, "disable_padded_drafter_batch": false}' \
  --enable-auto-tool-choice \
  --tool-call-parser gigachat3

Request example

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
  "model": "ai-sage/GigaChat3.1-10B-A1.8B-bf16",
  "temperature": 0,
  "messages": [
    {
      "role": "user",
      "content": "Какая сейчас погода в Москве?"
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Получить информацию о текущей погоде в указанном городе.",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "Название города (например, Москва, Казань)."
            }
          },
          "required": ["city"]
        }
      }
    }
  ]
}'

3. SGLang

commit>=30a35ec

Start the server

python -m sglang.launch_server \
  --model-path ai-sage/GigaChat3.1-10B-A1.8B-bf16 \
  --host 0.0.0.0 \
  --port 30000 \
  --dtype auto \
  --mem-fraction-static 0.88 \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 1 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 2
  --tool-call-parser gigachat3

Request example

curl http://localhost:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
  "model": "ai-sage/GigaChat3.1-10B-A1.8B-bf16",
  "temperature": 0,
  "messages": [
    {
      "role": "user",
      "content": "Какая сейчас погода в Москве?"
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Получить информацию о текущей погоде в указанном городе.",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "Название города (например, Москва, Казань)."
            }
          },
          "required": ["city"]
        }
      }
    }
  ]
}'

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
189fff2

0 моделей