俄罗斯联邦储蓄银行发布新一代人工智能模型 GigaChat 3.5 Ultra

2026年7月6日，俄罗斯联邦储蓄银行Sber在莫斯科正式发布新一代旗舰人工智能大模型 GigaChat 3.5 Ultra。该模型已在 GigaChat 人工智能助手中向用户免费开放，并以开源形式面向全球开发者发布，可用于构建应用服务与人工智能智能体。

此次升级重点提升了模型在代码生成、数学推理、长文本处理与智能体任务等场景中的能力。相比上一代版本，GigaChat 3.5 Ultra 在模型能力、长文本生成速度、资源消耗和模型规模等方面均实现优化：长文本生成速度最高提升至 4 倍，计算资源消耗进一步降低，模型规模较上一代缩小近一半。

该模型基于俄罗斯联邦储蓄银行团队自主研发的本土专有架构，并采用线性注意力技术，旨在增强人工智能模型在复杂任务和实际业务流程中的可用性。目前，用户可通过 GigaChat 人工智能助手免费使用 GigaChat 3.5 Ultra，将其应用于个人效率提升、办公辅助、内容处理和工作任务执行等场景。同时，该模型也支持开发者集成至自有产品和服务中，并进一步构建人工智能智能体应用。

GigaChat 3.5 Ultra 的核心能力

代码与数学能力提升

GigaChat 3.5 Ultra 能够更稳定地生成和校验代码，在数学问题求解、金融计算和数字处理等任务中具备更高准确性。其输出结果更加精准、结构更清晰，也更易于理解，有助于更好地服务开发者、数据分析师、工程师等专业人群的实际工作流程。

长文本理解效率提升

在合同、技术规范、研究报告、企业文档等长文本处理场景中，GigaChat 3.5 Ultra 能够在保持上下文连续性和理解准确性的同时，更高效地完成阅读、分析、归纳和生成任务。

得益于线性注意力架构，该模型不需要在处理每一段新内容时反复回看全部前文，而是能够逐步积累上下文信息，类似于人在阅读长文时持续记住核心脉络。由此，模型在长文本任务中的处理速度最高提升至 4 倍。

智能体任务支持增强

用户可以向模型分配相对完整的任务，由模型自主查找信息、编写并执行代码、调用所需服务，并最终返回可直接使用的结果。这一能力使其能够用于自动化监测、数据处理、定期报告生成等重复性工作场景，为企业和开发者构建人工智能智能体应用提供基础能力支持。

在针对编程任务、数学问题、复杂多步骤任务和俄语对话质量的多项测试中，GigaChat 3.5 Ultra 的表现均超过俄罗斯联邦储蓄银行上一代旗舰模型。在部分指标上，该模型已接近 DeepSeek 3.2 等强开源模型的表现，同时模型规模约为上一代的一半。

俄罗斯联邦储蓄银行高级副总裁、生成式人工智能开发负责人 Anton Frolov 表示：“我们正处于一个人类能力与人工智能潜力快速接近的时代。GigaChat 3.5 Ultra 是我们朝着真实任务型人工智能工具迈出的重要一步。它不仅能够回答问题，更能够理解具体流程中的逻辑，成为一个真正参与任务执行的合作伙伴。为了开发这样的模型，我们持续开展实验，并尝试此前没有人做过的方向。我们的实验数量已经增加了一倍以上，达到 1,500 次。我们证明了，依靠自主架构并在显著降低资源消耗的情况下，也能够构建出具备竞争力的强大模型。我们希望这些技术成果能够成为更多新产品和新研究的基础，并产生超越俄罗斯联邦储蓄银行本身的长期价值。”

GigaChat 3.5 Ultra 是俄罗斯联邦储蓄银行自主研发的重要成果。其核心架构采用线性注意力技术。与传统注意力机制不同，传统模型在处理新词或新内容时，通常需要反复对照此前全部上下文；而线性注意力能够先提取并保留已阅读内容的核心信息，再在此基础上持续补充新信息。通俗来说，这类似于人在阅读一本书时会记住主要内容和情节脉络，而不是每翻一页都重新回到第一页阅读。

俄罗斯联邦储蓄银行表示，GigaChat 3.5 Ultra 是目前已开源发布的、采用线性注意力技术的大型模型之一。

在训练过程中，俄罗斯联邦储蓄银行团队重点使用经过多层分类和筛选的自然人类生成文本。通过扩展训练数据集，模型在多项能力指标上取得进一步提升。GigaChat 3.5 Ultra 采用 MoE（Mixture of Experts，专家混合）架构，模型规模约为上一代 GigaChat Ultra 的一半。这不仅降低了计算资源消耗，也使模型能够部署在成本更可控的硬件环境中，从而让更多企业和开发者具备独立运行该模型的可能性。