ИИ-модели Сбера в открытом доступе: Kandinsky Video Lite и Giga-Embeddings

Сбер Бизнес решил не отставать от мировых модных трендов по открытию всё нового и нового кода всем желающим – в этот раз компания вывалила на публику сразу две своих разработки на базе искусственного интеллекта. Вуаля: теперь любой обитатель планеты, желающий слепить бота или сгенерировать видео, может воспользоваться свежими моделями «от Сбера». Урожай для разработчиков: обновлённая система векторных представлений текста Giga-Embeddings, а также модель генерации видео, скромно названная Kandinsky Video Lite. Обе эти игрушки раздаются под открытой лицензией. Переводим: можно пихать хоть в стартап, хоть в какой-то очень взрослый прибыльный бизнес – никто Сберу за это плохого слова не скажет (по крайней мере, сейчас). О намерении расщедриться сообщил Андрей Белевцев — тот самый старший вице-президент, который не устает твердить о технологическом развитии в рамках «Дня ИИ» в Сколково.

По словам Белевцева, научная «спецбригада» от Сбера уже пачками выкладывает в открытый доступ разные наработки: тут тебе и вся линейка Kandinsky, и акустические GigaAM, что используются в их гиперчате. Что это нам дает? В теории — ускоряет «исследования», изобретение инноваций и всякое такое, о чём принято писать в презентациях. Дескать, Россия в плюсе, международное сообщество open-source хлопает в ладоши, стандарты NLP (обработка естественного языка) растут не по дням, а по часам, а отечество становится «технологическим лидером». Живём небось почти в Силиконовой долине…

Чем так хороша Kandinsky Video Lite? Она умеет рисовать для пользователя короткие видео длиной до 10 секунд только по текстовому запросу. Причём объём – всего два миллиарда параметров. Для сравнения, побороться на ринге эта малютка якобы может хоть с гигантами типа Wan 2.1 14B, Wan 2.2 5B и с куда более известной Sora. Даже тесты провели и намекают: визуальное качество почти на уровне Wan 2.2 A14B, хотя та больше нашей героини «в 13-14 раз». Эстетике и культурному коду уделили столько же внимания, сколько на телевидении 1990-х уделяли «Лебединому озеру»: создали отдельную базу — миллион картинок и видео, которые профессионалы отбирали не абы как, а многократно, чтобы всё было проникнуто «российской уникальностью».

Ещё вдогонку — ускоренная версия Flash, а то вдруг кто-то захочет сэкономить пару секунд времени. Ну а польза от всего этого — не только для исследователей и стартаперов, но и для любого «творческого» человека, внезапно решившего превзойти ТикТок.

Вторая новинка — Giga-Embeddings. Её заслуги, как написано во всех бумагах, – первое место по «русскому языку», 74,1 попугая по какой-то шкале и почти такие же успехи на английском. Следовательно, теперь любой бизнес-секретарь, вооружившись новой моделью, сможет построить совершенную RAG-систему — иначе говоря, делать поиск и анализ документов, автоматизировать поддержку пользователей и не переживать, что запроса не найдут или ответ подведёт.

И вот это всё уже можно скачать, вставить в проект и быть очень довольным собой. Мир стал чуть сложнее и одновременно проще – выбирайте, что вам по вкусу.