Яндекс открыл Alice AI Foundation: модель на 80 млрд параметров

21 сентября 2026 года Яндекс опубликовал в открытом доступе AliceAI-Foundation-80B-A3B-Base — языковую модель, обученную с нуля, без весов сторонних открытых моделей. Всего у неё 80 млрд параметров, но на каждый запрос работает около 3 млрд. Лицензия Apache 2.0 разрешает коммерческое использование. Это базовая модель, а не готовый чат-бот, — разберём, кому и зачем она нужна.

Что выпустил Яндекс

По техническому отчёту в блоге Яндекса на Хабре:

• архитектура Mixture of Experts: 80 млрд параметров всего, 3 млрд активных;
• 48 трансформерных блоков; в каждом MoE-слое 512 экспертов, из которых работают 10, плюс один общий;
• из 48 слоёв внимания 36 используют Kimi Delta Attention (линейное внимание), 12 — полное;
• обучение в четыре стадии, около 18 трлн токенов, финальная стадия — с контекстом 128 тыс. токенов;
• веса — на Hugging Face в репозитории yandex/AliceAI-Foundation-80B-A3B-Base.

Вместе с моделью Яндекс открыл два собственных теста на знание фактов — WikiWebFacts и HardMultiQA. По словам компании, англоязычные аналоги для проверки знаний на русском не подходят.

Насколько она сильна

По данным 3DNews со ссылкой на Яндекс, новая модель отвечает на уровне предыдущей закрытой Alice AI LLM, хотя у той в три раза больше параметров и в семь раз больше активных. Среди сравнений, которые приводит издание:

• в олимпиадной математике модель делит первое место с Qwen3.5-35B-A3B-Base;
• в генерации кода опережает Nvidia Nemotron-3-Super-120B-Base, у которой активных параметров примерно в четыре раза больше;
• в задачах на широкие фактические знания опережает DeepSeek-V4-Flash-Base (284 млрд параметров, 13 млрд активных).

Авторы отчёта честно оговаривают: многие тесты собраны внутри компании, замеры сделаны на своей инфраструктуре, а на Codeforces модель уступает Qwen. Независимая проверка важна.

Базовая модель — что это значит

Базовая (pretrain) модель умеет продолжать текст, но не обучена отвечать на вопросы и следовать инструкциям, как чат-бот. Чтобы использовать её в продукте, нужно дообучение: на диалогах, на инструкциях, на задачах вашей отрасли. Агентские навыки в отчёте Яндекса оценены только после такого дообучения.

Поэтому прямой пользы «скачал и подключил к сайту» нет. Модель нужна:

• исследователям и командам, которые делают свои модели;
• компаниям, которым нужна русскоязычная модель для дообучения под узкую задачу с размещением в своём контуре;
• разработчикам, которые хотят сравнить архитектурные решения.

Во что обходится дообучение

Дообучение базовой модели — проект, а не настройка. Нужны три вещи. Данные: тысячи качественных примеров «вопрос — правильный ответ» из вашей области, очищенные от персональных данных или обработанные по правилам 152-ФЗ. Вычисления: аренда серверов с GPU на время обучения, плюс постоянный сервер для работы модели. Команда: специалист, который подготовит данные, проведёт обучение и оценит результат.

Для большинства задач малого бизнеса такой проект не окупится: готовая модель через API с хорошими инструкциями и базой знаний (RAG) решает их дешевле. Свою модель на открытой основе имеет смысл делать, когда объёмы большие, данные нельзя передавать наружу или нужна узкая отраслевая точность.

Зачем это Яндексу

По словам компании, модель экспериментальная: на ней Яндекс проверяет архитектуру будущей единой рассуждающей модели, на которой будут развиваться агентские возможности Алисы AI. По данным 3DNews, в планах — ускорить обучение примерно вдвое за счёт улучшения оптимизатора и оптимизировать подготовку данных.

Кого касается

• разработчиков ИИ-решений, которым нужна открытая русскоязычная база;
• компаний с требованиями держать данные внутри своего контура;
• интеграторов, которые дообучают модели под отрасль: право, медицина, финансы;
• всех, кто следит за тем, как будет развиваться Алиса AI в поиске и сервисах Яндекса.

Что делать

1. Если вам нужна готовая модель для бота или обработки документов — берите инструктивные модели через API (YandexGPT, Alice AI LLM в Yandex AI Studio), а не базовую.
2. Если у вас есть данные и команда для дообучения — оцените AliceAI-Foundation как основу: лицензия Apache 2.0 и 3 млрд активных параметров делают её относительно недорогой в работе.
3. Учтите требования к памяти: при 3 млрд активных параметров модель всё равно хранит все 80 млрд весов.
4. Проверяйте на своих задачах: внутренние тесты разработчика не заменят ваших данных.

Наше мнение

Мы считаем публикацию модели, обученной с нуля, полезной для всего российского рынка: появляется открытая русскоязычная база с разрешительной лицензией, не зависящая от чужих весов. Практическая польза для малого бизнеса — косвенная: через год-два эти наработки окажутся в Алисе AI и в моделях Yandex AI Studio. Что мы советуем клиентам: для текущих задач использовать готовые модели через API, а открытые базовые модели рассматривать, только если есть данные и бюджет на дообучение. Как ответы Алисы влияют на поиск, мы разбирали в статье «Как попасть в ответы Алисы AI».