/ Модель

Характеристики

Контекст
262 144 токена
Параметры
39,4 млрд
Размер весов
1,4 ТБ
Лицензия
MIT
Архитектура
deepseek_v3 · dense
Опубликована
21 мар 2026

GigaChat3.1-702B-A36B-bf16

Генерация текстаТекст → текст15 профессий

Крупная многоязычная инструктивная MoE-модель GigaChat для диалогов, рассуждений, программирования и вызова инструментов.

423скачиваний за 30 дней5лайковвеса обновлены2 апр 2026

Бенчмарки

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

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 Ultra — крупная инструктивная языковая модель семейства GigaChat, представленная в репозитории ai-sage. Она предназначена для многоязычных диалогов, рассуждений, программирования и вызова инструментов. Архитектура — MoE с 702 млрд параметров всего и 36 млрд активных при генерации; модель использует Multi-head Latent Attention и Multi-Token Prediction. По README, версия рассчитана на развёртывание на крупных вычислительных кластерах и локальную инфраструктуру. В метаданных указаны архитектура DeepSeek V3, формат safetensors, контекст 262 144 токена и поддержка русского и английского языков.

Модель подходит для диалогового помощника, решения сложных задач, генерации кода и агентных сценариев с исполняемыми вызовами инструментов. README описывает усиленную подготовку данных по математике, финансам, естественным наукам, инженерии и медицине, а также улучшения для поиска с цитированием и работы с файлами. Репозиторий лицензирован по MIT. Для запуска требуются значительные вычислительные ресурсы; конкретные показатели качества зависят от сценария и приведённых в карточке оценок.

Сценарии применения

  • создание многоязычного диалогового помощника
  • ответы на сложные вопросы и задачи на рассуждение
  • генерация и интерпретация программного кода
  • агентные сценарии с вызовом инструментов
  • ответы с поиском и цитированием источников
  • анализ файлов в кодовых задачах

Ограничения

Для развёртывания требуются крупный вычислительный кластер и значительные ресурсы. Заявленные возможности и результаты бенчмарков приведены в карточке модели и могут не отражать качество в конкретном сценарии.

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 Ultra

GigaChat 3.1 Ultra is the flagship instruct model of the GigaChat family. It is a large-scale Mixture-of-Experts (MoE) model with 702B total parameters and 36B active parameters, designed for multilingual assistant workloads, reasoning, code, tool use, and large-cluster deployment.

For high-performance inference, an fp8 version of the model is available - GigaChat3.1-702B-A36B.

GGUF version is also avaliable - GigaChat3.1-702B-A36B-GGUF

More details can be found in the Habr article.

Model architecture

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

Mixture-of-Experts (MoE)

The model has 702B total parameters with 36B 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 Ultra 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.

Benchmark Results

DomainMetricGigaChat-2-MaxGigaChat-3-Ultra-PreviewGigaChat-3.1-UltraDeepSeek V3-0324Qwen3-235B-A22B (Non-Thinking)
General KnowledgeMMLU RU0.79990.79140.82670.83920.7953
General KnowledgeRUBQ0.74730.76340.79860.78710.6577
General KnowledgeMEPA0.66300.68300.71300.6770-
General KnowledgeMMLU PRO0.66600.72800.76680.76100.7370
General KnowledgeMMLU EN0.86000.84300.84220.88200.8610
General KnowledgeBBH0.5070-0.7027-0.6530
General KnowledgeSuperGPQA-0.41200.48920.46650.4406
MathT-Math0.12990.14500.29610.14500.2477
MathMath 5000.71600.78400.89200.87600.8600
MathAIME0.08330.13330.33330.26670.3500
MathGPQA Five Shot0.44000.42200.45970.49800.4690
CodingHumanEval0.85980.90240.90850.93290.9268
TotalMean0.60210.61150.67640.64820.6398

Arena Results

ArenaGigaChat-2-MaxGigaChat-3-Ultra-PreviewGigaChat-3.1-UltraDeepSeek V3-0324
Arena Hard Logs V364.950.590.280.1
Validator SBS Pollux54.440.183.374.5
RU LLM Arena55.444.970.972.1
Arena Hard RU61.739.082.170.7
Average59.143.681.6374.4

Example evaluation setup

export HF_ALLOW_CODE_EVAL=1

# Example: launch SGLang server for a multi-node deployment
python -m sglang.launch_server \
  --model-path <path_to_model> \
  --host 127.0.0.1 \
  --port 30000 \
  --nnodes 2 \
  --node-rank <0_or_1> \
  --tp 16 \
  --ep 16 \
  --dtype auto \
  --mem-fraction-static 0.7 \
  --trust-remote-code \
  --allow-auto-truncate \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 1 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 2 \
  --dist-init-addr <master_node_ip>:50000
# Example: run lm-eval on MMLU-Pro
python -m lm_eval \
  --model sglang-generate \
  --output_path <path_to_output> \
  --batch_size 16 \
  --model_args base_url=http://127.0.0.1:30000/generate,num_concurrent=16,tokenized_requests=True,max_length=131072,tokenizer=<path_to_model> \
  --trust_remote_code \
  --confirm_run_unsafe_code \
  --num_fewshot 5 \
  --tasks mmlu_pro

Inference and Deployment

GigaChat 3.1 Ultra is targeted at cluster and on-premise scenarios with significant infrastructure.

Key highlights:

  • support for popular inference engines (vLLM, SGLang, LMDeploy, TensorRT-LLM, etc.);
  • BF16 and FP8 modes (for FP8 — a separate build and GPU configuration recommendations);
  • use of MLA and MTP to reduce the KV cache and accelerate generation;
  • a proxy and gateway layer for integration with external services, tools, and agent frameworks.

For configuration, you can refer to the published guides for models of a similar scale:

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Модель не помещается даже в 8 × 80 ГБ.

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
39c64e2

0 моделей