Российские языковые модели* искусственного интеллекта заметно проигрывают китайским разработкам, сообщает Frank Media со ссылкой на заместителя президента и председателя правления ВТБ Вадима Кулика. Топ-менеджер уточнил, что банк уже полгода использует в работе два ядра — китайской нейросети** Qwen и российской от Яндекса. По его словам, отечественные продукты от Яндекса и Сбера пока уступают китайским Qwen и DeepSeek в скорости работы и объеме информации.

В России созданием собственных языковых моделей занимаются только Яндекс и Сбер, поскольку этот процесс требует колоссальных вложений. Вадим Кулик отметил, что в прошлом году минимальный стартовый капитал для входа в подобный проект составлял 50 млрд ₽. «Чем дальше мы с ними экспериментируем, тем больше мы понимаем, что они работают хуже, «мозгов» и информации там меньше, а скорость хуже, как это ни прискорбно», — подчеркнул представитель ВТБ.

Основную прибыль в сфере искусственного интеллекта ВТБ приносят неязыковые модели, которых в промышленной среде банка насчитывается около 1800 штук. Доля языковых решений составляет менее 100 единиц. Неязыковые алгоритмы ежегодно генерируют десятки миллиардов ₽ дохода, тогда как проекты, связанные с обработкой языка, только начинают выходить на уровень окупаемости.

*Языковая модель — алгоритм искусственного интеллекта, обученный на огромных объемах текстовых данных для понимания и генерации человеческой речи. Такие системы способны осмысленно отвечать на вопросы, писать статьи, переводить тексты и вести сложный диалог с пользователем.

**Нейросеть — математическая модель, принцип работы которой вдохновлен устройством нервной системы живых организмов. Она способна самостоятельно обучаться на больших массивах данных, находить скрытые закономерности и решать сложные аналитические или творческие задачи.

Подпишись на MP в MAX