新一代开源 MoE 人工智能大模型GigaChat 3.5 Ultra发布，采用自研架构

2026年7月6日，新一代旗舰人工智能大模型GigaChat 3.5 Ultra 正式发布。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。

作为由俄罗斯联邦储蓄银行Sber团队研发的开源人工智能大模型，GigaChat 3.5 Ultra 的发布也显示出来自俄罗斯的技术团队在自研模型架构、工程优化和开源生态建设方面的能力。

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，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。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。

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、数学问题和复杂多步骤任务等多项测试中，GigaChat 3.5 Ultra 的表现均超过上一代旗舰模型。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。

生成式人工智能开发项目负责人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，并产生更长期的产业价值。”

GigaChat 3.5 Ultra 的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。

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，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，并基于团队自主研发的专有模型架构构建，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。原文链接: https://huggingface.co/collections/ai-sage/gigachat-35