{"id":486307,"date":"2026-07-06T08:48:42","date_gmt":"2026-07-06T08:48:42","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=486307"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=486307","title":{"rendered":"GigaChat 3.5 \u2014 \u043c\u0435\u043d\u044c\u0448\u0435, \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0441\u0438\u043b\u044c\u043d\u0435\u0435"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0421\u0430\u043b\u044e\u0442, \u0425\u0430\u0431\u0440!<\/p>\n<p>\u0421\u0435\u0433\u043e\u0434\u043d\u044f \u043c\u044b \u0432\u044b\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0435\u043c \u0432 open source GigaChat 3.5 Ultra \u2014 \u043d\u0430\u0448\u0443 \u043d\u043e\u0432\u0443\u044e 432B-\u043c\u043e\u0434\u0435\u043b\u044c. \u0412 \u044d\u0442\u043e\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u043c\u044b \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0434\u043b\u044f \u043d\u0430\u0448\u0435\u0439 \u043b\u0438\u043d\u0435\u0439\u043a\u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u043d\u0430 \u0441\u043e\u0442\u043d\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 \u0438 \u0443\u0441\u0438\u043b\u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043a\u043e\u0434\u0435, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0438 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445.<\/p>\n<p>GigaChat 3.5 Ultra \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0435\u0435 \u043f\u0440\u043e\u0448\u043b\u043e\u0433\u043e \u0444\u043b\u0430\u0433\u043c\u0430\u043d\u0430: 432 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432\u043c\u0435\u0441\u0442\u043e 700 \u043c\u043b\u0440\u0434 \u0443 GigaChat 3.1 Ultra. \u041d\u043e \u044d\u0442\u043e \u043d\u0435 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u00ab\u043c\u0435\u043d\u044c\u0448\u0435, \u0437\u0430\u0442\u043e \u0434\u0435\u0448\u0435\u0432\u043b\u0435\u00bb: \u0437\u0430 \u0441\u0447\u0451\u0442 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0431\u043d\u043e\u0432\u043b\u0451\u043d\u043d\u043e\u0433\u043e \u0440\u0435\u0446\u0435\u043f\u0442\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u043b\u0430 \u0441\u0438\u043b\u044c\u043d\u0435\u0435, \u0430 \u0442\u0430\u043a\u0436\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438.<\/p>\n<p>\u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e? \u0414\u043e\u0431\u0440\u043e \u043f\u043e\u0436\u0430\u043b\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 \u043a\u0430\u0442.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/480\/a90\/771\/480a90771fcdc5e918aa6492016fe039.png\" width=\"1671\" height=\"941\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/480\/a90\/771\/480a90771fcdc5e918aa6492016fe039.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/480\/a90\/771\/480a90771fcdc5e918aa6492016fe039.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<h2>\u0427\u0442\u043e \u043d\u043e\u0432\u043e\u0433\u043e?<\/h2>\n<p>GigaChat 3.5 \u2014 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c 1500 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438, \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043e\u0439, \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438. \u0413\u043b\u0430\u0432\u043d\u043e\u0435:<\/p>\n<ul>\n<li>\n<p><strong>\u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0430\u044f \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0430\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430.<\/strong> \u041c\u044b \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043b\u0438 MLA-\u0441\u043b\u043e\u0438 \u0441 GatedDeltaNet \u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b, \u0447\u0442\u043e\u0431\u044b \u0432\u0441e \u044d\u0442\u043e \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u043e \u043e\u0431\u0443\u0447\u0430\u043b\u043e\u0441\u044c \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0441\u043e\u0442\u0435\u043d \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.<\/p>\n<\/li>\n<li>\n<p><strong>\u0411\u043e\u043b\u0435\u0435 \u0434\u0435\u0448\u0451\u0432\u044b\u0439 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441.<\/strong> \u0412 432B-\u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 \u0447\u0435\u0442\u044b\u0440\u0435 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 KV-\u043a\u0435\u0448\u0430 \u043d\u0430 \u0442\u043e\u043a\u0435\u043d, \u0432 \u0442\u0443 \u0436\u0435 \u043f\u0430\u043c\u044f\u0442\u044c \u043f\u043e\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0431\u043e\u043b\u044c\u0448\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430, \u0430 throughput \u0432\u044b\u0440\u043e\u0441 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 20%.<\/p>\n<\/li>\n<li>\n<p><strong>\u041c\u0435\u043d\u044c\u0448\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0431\u043e\u043b\u044c\u0448\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430.<\/strong> \u041c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u043b\u0430 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0435\u0435 700B-\u0444\u043b\u0430\u0433\u043c\u0430\u043d\u0430, \u043d\u043e \u0437\u0430 \u0441\u0447\u0451\u0442 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u044b\u0440\u043e\u0441\u043b\u0430 \u0432 \u043a\u043e\u0434\u0435, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0438 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445.<\/p>\n<\/li>\n<li>\n<p><strong>\u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0447\u0435\u0440\u0435\u0437 MTP.<\/strong> \u041c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 MTP-\u0433\u043e\u043b\u043e\u0432\u044b \u0434\u043b\u044f self-speculative decoding: \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0434\u0430\u044e\u0442 \u043f\u0435\u0440\u0432\u044b\u0435 \u0434\u0432\u0435, \u0443\u0441\u043a\u043e\u0440\u044f\u044f greedy decoding \u0432 2,2 \u0440\u0430\u0437\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>FP8 \u043d\u0430 \u0432\u0441\u0435\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/strong> \u041f\u043e\u043d\u0438\u0436\u0435\u043d\u043d\u0430\u044f \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u0438 \u0441\u043d\u0438\u0437\u0438\u043b\u0430 \u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u0435 \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 \u043f\u043e\u0442\u0435\u0440\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e bf16.\u0430<\/p>\n<\/li>\n<li>\n<p><strong>Online RL \u0432 alignment.<\/strong> \u041d\u043e\u0432\u044b\u0439 \u044d\u0442\u0430\u043f \u043f\u043e\u0441\u043b\u0435 Pretrain \u2192 Stage 1.5 \u2192 SFT \u2192 DPO \u0443\u043b\u0443\u0447\u0448\u0438\u043b Instruction Following, \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0430\u0440\u0435\u043d\u0430\u0445.<\/p>\n<\/li>\n<\/ul>\n<h2>\u041a\u0430\u043a \u043c\u044b \u0435\u0433\u043e \u0434\u0435\u043b\u0430\u043b\u0438?<\/h2>\n<h3>\u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f pretrain<\/h3>\n<p>\u0412 \u043f\u0440\u043e\u0448\u043b\u044b\u0445 \u0440\u0435\u043b\u0438\u0437\u0430\u0445 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442 pretrain \u043c\u044b \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u0441\u0442\u0440\u043e\u0438\u043b\u0438 \u043d\u0430 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0435: \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0430\u043c\u0430 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u0434\u0430\u043d\u043d\u044b\u0435. \u041d\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043e\u0442\u043b\u0438\u0447\u043d\u043e, \u043d\u043e \u043f\u0440\u0438 \u0441\u043e\u0442\u043d\u044f\u0445 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0438 \u0442\u0440\u0438\u043b\u043b\u0438\u043e\u043d\u0430\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u0441\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0435\u043c \u00ab\u0441\u0445\u043b\u043e\u043f\u044b\u0432\u0430\u0435\u0442\u0441\u044f\u00bb \u0432 \u043e\u0434\u043d\u043e\u0442\u0438\u043f\u043d\u043e\u0441\u0442\u044c: \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u043f\u0430\u0434\u0430\u0435\u0442, \u043f\u043e\u043a\u0440\u044b\u0442\u0438\u0435 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0435\u0432 \u043d\u0435\u043f\u043e\u043b\u043d\u043e\u0435. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 3.5 \u043c\u044b \u043f\u0435\u0440\u0435\u043e\u0441\u043c\u044b\u0441\u043b\u0438\u043b\u0438 \u043f\u043e\u0434\u0445\u043e\u0434, \u0438 \u0434\u043b\u044f \u043e\u0441\u043d\u043e\u0432\u044b pretrain-\u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435, \u043d\u0430\u0442\u0443\u0440\u0430\u043b\u044c\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b.<\/p>\n<p>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u043f\u0440\u043e\u0440\u044b\u0432 \u2014 \u0432\u0435\u0431. \u041c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 HTML-\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0447\u0435\u0440\u0435\u0437 LLM-\u043f\u0430\u0440\u0441\u0438\u043d\u0433 (\u0434\u0430, \u044d\u0442\u043e \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u043e\u0431\u044a\u0451\u043c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439), \u0438 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0447\u0438\u0441\u0442\u044b\u0439 Markdown \u0441 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435\u043c \u0444\u043e\u0440\u043c\u0443\u043b, \u0442\u0430\u0431\u043b\u0438\u0446 \u0438 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u0432\u043c\u0435\u0441\u0442\u043e \u043f\u0440\u0438\u0432\u044b\u0447\u043d\u043e\u0439 \u043c\u0435\u0448\u0430\u043d\u0438\u043d\u044b \u0438\u0437 \u0442\u0435\u0433\u043e\u0432 \u0438 \u043c\u0443\u0441\u043e\u0440\u0430. \u0412 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u0445 \u044d\u0442\u043e \u0434\u0430\u043b\u043e \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 MMLU, MATH \u0438 \u0434\u0440\u0443\u0433\u0438\u0445 \u043c\u0435\u0442\u0440\u0438\u043a.<\/p>\n<p>\u0421\u0438\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u043a\u0430\u0447\u0430\u043b\u0438 \u043a\u043e\u0434: \u0431\u044b\u043b\u043e 16 \u044f\u0437\u044b\u043a\u043e\u0432 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f, \u0441\u0442\u0430\u043b\u043e \u0431\u043e\u043b\u044c\u0448\u0435 600.<\/p>\n<p>\u0427\u0442\u043e\u0431\u044b \u0434\u043e\u0431\u044b\u0432\u0430\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u043e\u0434 \u0438\u0437 \u0432\u0435\u0431\u0430 (\u0444\u043e\u0440\u0443\u043c\u044b, \u0440\u0430\u0437\u0431\u043e\u0440\u044b \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u0430), \u043c\u044b \u043e\u0431\u0443\u0447\u0438\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u044b. \u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u043c \u043b\u0435\u0433\u043a\u0438\u0439 fasttext \u0441 \u0432\u044b\u0441\u043e\u043a\u0438\u043c recall, \u043e\u043d \u0434\u0451\u0448\u0435\u0432\u043e \u043e\u0442\u0441\u0435\u043a\u0430\u0435\u0442 \u043e\u0441\u043d\u043e\u0432\u043d\u0443\u044e \u043c\u0430\u0441\u0441\u0443 \u043c\u0443\u0441\u043e\u0440\u0430, \u0430 \u0443\u0436\u0435 \u043e\u0442\u043e\u0431\u0440\u0430\u043d\u043d\u043e\u0435 \u0434\u043e\u043a\u0440\u0443\u0447\u0438\u0432\u0430\u0435\u043c LLM-\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u043e\u043c.\u00a0<\/p>\n<p>\u041c\u044b \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u043c \u043e\u0441\u0432\u0430\u0438\u0432\u0430\u0442\u044c \u043d\u0430\u0448 YT-\u043a\u043b\u0430\u0441\u0442\u0435\u0440, \u0438 \u043d\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0435\u0433\u043e \u0432\u0441\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u0435\u0435. \u041d\u0430 YT \u043c\u044b \u043f\u0435\u0440\u0435\u043d\u0435\u0441\u043b\u0438 \u043d\u0430\u0448 \u043c\u043e\u0434\u0443\u043b\u044c \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0438 \u043b\u0438\u043a\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e \u0432\u044b\u0447\u0438\u0449\u0430\u0435\u0442 \u0438\u0437 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0443\u0442\u0435\u0447\u043a\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432. \u0422\u0443\u0434\u0430 \u0436\u0435 \u043f\u0435\u0440\u0435\u0435\u0445\u0430\u043b\u0430 \u0432\u0441\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0432\u0435\u0431\u0430: LLM-\u043f\u0430\u0440\u0441\u0438\u043d\u0433 HTML, \u0434\u0435\u0434\u0443\u043f\u043b\u0438\u043a\u0430\u0446\u0438\u044f, \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044f \u044d\u0432\u0440\u0438\u0441\u0442\u0438\u043a\u0430\u043c\u0438 \u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430\u043c\u0438. \u041f\u043e \u0441\u0443\u0442\u0438, \u0432\u0441\u0435 \u0442\u044f\u0436\u0435\u043b\u044b\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430\u0434 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0442\u0435\u043f\u0435\u0440\u044c \u043a\u0440\u0443\u0442\u044f\u0442\u0441\u044f \u043d\u0430 YT, \u0438 \u043f\u0440\u043e\u0444\u0438\u0442 \u043e\u0442 \u044d\u0442\u043e\u0433\u043e \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043a\u043e\u043b\u043e\u0441\u0441\u0430\u043b\u044c\u043d\u044b\u0439.<\/p>\n<p>\u0420\u0430\u043d\u044c\u0448\u0435 \u043c\u044b \u0438\u0442\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u043f\u043e \u0434\u0430\u043d\u043d\u044b\u043c \u043d\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0441\u0435\u0442\u0430\u043f\u0430\u0445 (3 \u043c\u043b\u0440\u0434 \u043d\u0430 200 \u043c\u043b\u0440\u0434 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, 7 \u043c\u043b\u0440\u0434 \u043d\u0430 40 \u043c\u043b\u0440\u0434). \u0414\u043b\u044f 3.5 \u043c\u044b \u043e\u0442 \u044d\u0442\u043e\u0433\u043e \u043d\u0435 \u043e\u0442\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u2013 \u043d\u043e \u0434\u043b\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441 \u0437\u0430\u0432\u0430\u0440\u043a\u043e\u0439 \u0432\u0441\u0435\u0433\u043e \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u043c\u044b \u043f\u0435\u0440\u0435\u0448\u043b\u0438 \u043d\u0430 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u044b \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2013 120 \u043c\u043b\u0440\u0434 MoE \u043d\u0430 2 \u0442\u0440\u043b\u043d \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0423 \u0442\u0430\u043a\u043e\u0433\u043e \u0441\u0435\u0442\u0430\u043f\u0430 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0432\u044b\u0448\u0435 \u0440\u0430\u0437\u0440\u0435\u0448\u0430\u044e\u0449\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c, \u0438 \u043d\u0430 \u043d\u0451\u043c \u0432\u0438\u0434\u043d\u044b \u044d\u0444\u0444\u0435\u043a\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u044e\u0442\u0441\u044f. \u041d\u0430 \u043d\u043e\u0432\u043e\u043c \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043f\u0440\u043e\u0448\u043b\u044b\u043c \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 +6% MMLU-PRO, +6% MATH \u0438 \u0440\u043e\u0441\u0442 \u043f\u043e \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u043c pretrain-\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c.<\/p>\n<p>\u041d\u0435\u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0439 pretrain, \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u043d\u0438\u043a\u0443\u0434\u0430 \u043d\u0435 \u0434\u0435\u043b\u0430\u0441\u044c, \u043e\u043d\u0430 \u043f\u043e-\u043f\u0440\u0435\u0436\u043d\u0435\u043c\u0443 \u043d\u0443\u0436\u043d\u0430 \u043d\u0430 \u0441\u0442\u0430\u0434\u0438\u0438 <strong>midtrain<\/strong> \u0432 \u043a\u043e\u043d\u0446\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u043a\u0430\u0447\u0430\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0444\u043e\u0440\u043c\u0430\u0442\u0430. \u041d\u043e \u043c\u044b \u0441\u043c\u0435\u0441\u0442\u0438\u043b\u0438 \u0444\u043e\u043a\u0443\u0441 \u0441 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u00ab\u0441 \u043d\u0443\u043b\u044f\u00bb \u0432 \u0441\u0442\u043e\u0440\u043e\u043d\u0443 \u043e\u0431\u043e\u0433\u0430\u0449\u0435\u043d\u0438\u044f \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432: LLM \u0442\u0435\u043f\u0435\u0440\u044c \u043d\u0435 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u0432\u044b\u0434\u0443\u043c\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0438, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0434\u043e\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442 \u0440\u0435\u0448\u0435\u043d\u0438\u044f, \u043e\u0431\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u044f \u0438 \u043e\u0442\u0432\u0435\u0442\u044b \u043a \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c, \u0438\u0437\u0432\u043b\u0435\u0447\u0451\u043d\u043d\u044b\u043c \u0438\u0437 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u043e\u0432, \u0441\u0442\u0430\u0442\u0435\u0439, \u0432\u0435\u0431\u0430. \u041c\u044b \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043a\u043b\u0430\u043b\u0438 \u0432 \u043f\u0440\u043e\u043c\u043f\u0442 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442, \u0438\u0437 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0431\u044b\u043b \u043f\u043e\u043b\u0443\u0447\u0435\u043d \u0432\u043e\u043f\u0440\u043e\u0441. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0432 \u043a\u043d\u0438\u0433\u0430\u0445 \u0432\u043e\u043f\u0440\u043e\u0441 \u0438\u0434\u0451\u0442 \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u0441\u043b\u0435 \u043f\u0430\u0440\u0430\u0433\u0440\u0430\u0444\u0430, \u0438 \u0442\u043e\u0433\u0434\u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u043c \u043c\u044b \u043f\u0435\u0440\u0435\u0434\u0430\u0432\u0430\u043b\u0438 LLM \u0441\u0430\u043c \u043f\u0430\u0440\u0430\u0433\u0440\u0430\u0444. \u042d\u0442\u043e \u043f\u043e\u0432\u044b\u0448\u0430\u043b\u043e \u0434\u043e\u0441\u0442\u043e\u0432\u0435\u0440\u043d\u043e\u0441\u0442\u044c: \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u043f\u0438\u0440\u0430\u043b\u0430\u0441\u044c \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0441\u0432\u043e\u0438 \u0437\u043d\u0430\u043d\u0438\u044f, \u043d\u043e \u0438 \u043d\u0430 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0439 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a.<\/p>\n<p>\u0418\u0442\u043e\u0433\u043e\u0432\u044b\u0439 pretrain-\u043a\u043e\u0440\u043f\u0443\u0441 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 ~52% \u0432\u0435\u0431\u0430, ~16% \u043a\u043e\u0434\u0430, ~6% \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438, ~26% \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432 (\u043d\u0430\u0443\u0447\u043d\u044b\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 \u0438 \u043f\u0440.). \u041d\u0430 midtrain \u0441\u043e\u0441\u0442\u0430\u0432 \u0434\u0440\u0443\u0433\u043e\u0439 \u2014 \u0442\u0430\u043c \u0434\u043e\u043b\u044f \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0438 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0432\u044b\u0448\u0435.<\/p>\n<p>\u041f\u043e\u043a\u0430 \u0447\u0442\u043e \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0433\u043e \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0430 \u0441\u044b\u0440\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c Common Crawl, \u043d\u043e \u0445\u043e\u0442\u0438\u043c \u0441\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e \u2014 \u044d\u0442\u043e \u0434\u0430\u0441\u0442 \u043a\u0440\u0430\u0442\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0435 \u0434\u0430\u043d\u043d\u044b\u0445. \u0422\u0430\u043a\u0436\u0435 \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u043c \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432 \u0441\u0435\u0442\u0430\u043f\u0435 120B\/2T (\u044d\u0442\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0434\u043e\u0440\u043e\u0433\u043e) \u0438 \u043f\u0440\u043e\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u043e\u0434.<\/p>\n<h3>\u042d\u0442\u0430\u043f pretrain<\/h3>\n<h4>\u0417\u0430\u0447\u0435\u043c \u043c\u0435\u043d\u044f\u0442\u044c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442 \u043f\u0440\u0435\u0442\u0440\u0435\u0439\u043d\u0430<\/h4>\n<p>\u0421\u043e \u0441\u0442\u043e\u0440\u043e\u043d\u044b \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c\u0441\u044f, \u0447\u0442\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0435\u0451 \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c \u0438 \u043e\u0431\u044a\u0451\u043c\u043e\u043c \u0434\u0430\u043d\u043d\u044b\u0445. \u0423\u0432\u0435\u043b\u0438\u0447\u0438\u043b\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0434\u043e\u043b\u044c\u0448\u0435 \u043e\u0431\u0443\u0447\u0430\u043b\u0438, \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u2014 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c.<\/p>\n<p>\u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e, \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u0447\u044c \u0438\u0434\u0451\u0442 \u043e MoE-\u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 \u0441 \u0441\u043e\u0442\u043d\u044f\u043c\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0432\u044b\u0441\u043e\u043a\u0438\u043c\u0438 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c\u0438 \u043a \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430. \u041f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u043d\u0435 \u043c\u0435\u043d\u0435\u0435 \u0432\u0430\u0436\u043d\u044b, \u0447\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 compute.<\/p>\n<p>\u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441\u043e\u0432. \u041b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, Multi-Token Prediction \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044b \u043f\u043e\u043c\u043e\u0433\u0430\u044e\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0442\u0435\u043a\u0441\u0442 \u0438 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043f\u0430\u043c\u044f\u0442\u044c, \u043d\u043e \u043e\u043d\u0438 \u043c\u0435\u043d\u044f\u044e\u0442 \u043f\u0443\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432\u043d\u0443\u0442\u0440\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0432\u043b\u0438\u044f\u044e\u0442 \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u0438 \u043c\u043e\u0433\u0443\u0442 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u0435\u043d\u0435\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u044b\u043c.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/939\/963\/aa3\/939963aa36a67e36b48074c2283e2b4e.png\" alt=\"\u0421\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 DeepSeek V3 \u0438 GigaChat-3.5\" title=\"\u0421\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 DeepSeek V3 \u0438 GigaChat-3.5\" width=\"7812\" height=\"5148\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/939\/963\/aa3\/939963aa36a67e36b48074c2283e2b4e.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/939\/963\/aa3\/939963aa36a67e36b48074c2283e2b4e.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0421\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 DeepSeek V3 \u0438 GigaChat-3.5<\/figcaption><\/div>\n<\/figure>\n<p>\u0414\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u2014 \u043f\u0435\u0440\u0435\u043d\u043e\u0441 \u0447\u0443\u0436\u043e\u0433\u043e \u0440\u0435\u0446\u0435\u043f\u0442\u0430. \u0414\u0430\u0436\u0435 \u0435\u0441\u043b\u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043e\u043f\u0438\u0441\u0430\u043d\u0430 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u0438\u043b\u0438 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u043e\u0442\u0447\u0451\u0442\u0435, \u0435\u0451 \u043d\u0435\u043b\u044c\u0437\u044f \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u044f\u0442\u044c \u0438 \u0431\u0435\u0437\u0431\u043e\u043b\u0435\u0437\u043d\u0435\u043d\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u043d\u0430 \u0441\u0432\u043e\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0432\u043e\u0451\u043c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u0438 \u0441\u0432\u043e\u0435\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435. \u041c\u0435\u043d\u044f\u044e\u0442\u0441\u044f \u0434\u0430\u043d\u043d\u044b\u0435, \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u0431\u0430\u043b\u0430\u043d\u0441 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432, \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0438 \u0440\u0435\u0436\u0438\u043c mixed precision.<\/p>\n<p>\u0421 \u044d\u0442\u0438\u043c \u043c\u044b \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0438\u0441\u044c \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 GigaChat 3.0. \u041c\u044b \u043e\u043f\u0438\u0440\u0430\u043b\u0438\u0441\u044c \u043d\u0430 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0440\u0435\u0446\u0435\u043f\u0442 DeepSeek V3, \u043d\u043e \u043d\u0430 \u043d\u0430\u0448\u0435\u043c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c \u043d\u0435\u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u044b\u043c. \u0414\u0435\u043b\u043e \u0431\u044b\u043b\u043e \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0432 \u0434\u0430\u043d\u043d\u044b\u0445: \u043f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442 \u0438\u0433\u0440\u0430\u0442\u044c \u0440\u043e\u043b\u044c \u043d\u0435\u0434\u043e\u0441\u043a\u0430\u0437\u0430\u043d\u043d\u043e\u0441\u0442\u0438 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0442\u0447\u0451\u0442\u0430 \u0438 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u0427\u0442\u043e\u0431\u044b \u0434\u043e\u0432\u0435\u0441\u0442\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u043e \u043a\u043e\u043d\u0446\u0430, \u043d\u0430\u043c \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b, \u0432 \u0442\u043e\u043c \u0447\u0438\u0441\u043b\u0435 hidden_z_loss, \u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u043c\u044b \u043f\u0438\u0441\u0430\u043b\u0438 <a href=\"https:\/\/habr.com\/ru\/companies\/sberbank\/articles\/1014146\/\">\u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0435<\/a>.<\/p>\n<p>\u042d\u0442\u043e\u0442 \u043e\u043f\u044b\u0442 \u0441\u0442\u0430\u043b \u0434\u043b\u044f \u043d\u0430\u0441 \u043e\u0442\u043f\u0440\u0430\u0432\u043d\u043e\u0439 \u0442\u043e\u0447\u043a\u043e\u0439. \u0414\u043b\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0440\u0435\u043b\u0438\u0437\u0430 \u0431\u044b\u043b\u043e \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u0437 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439. \u041d\u0443\u0436\u043d\u043e \u0431\u044b\u043b\u043e \u043f\u043e\u043d\u044f\u0442\u044c \u0441\u043b\u0430\u0431\u044b\u0435 \u043c\u0435\u0441\u0442\u0430 \u043d\u043e\u0432\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b, \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u043d\u0430\u0431\u043e\u0440 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0445 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u043e\u0432, \u0431\u0435\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0434\u043e\u0439\u0434\u0451\u0442 \u0434\u043e \u043f\u043e\u043b\u043d\u043e\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 GigaChat 3.5 \u043c\u044b \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438 MTP, \u0430 \u0441\u043e\u0431\u0440\u0430\u043b\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0440\u0435\u0446\u0435\u043f\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0435\u0451. \u0423\u0441\u043a\u043e\u0440\u044f\u044e\u0449\u0438\u0435 \u0444\u0438\u0447\u0438 \u0448\u043b\u0438 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u043c\u0438: Gated Attention, GatedNorm, \u0441\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439 \u0438 \u043a\u043b\u0438\u043f\u043f\u0438\u043d\u0433\u043e\u043c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439. \u042d\u0442\u0430 \u0441\u0432\u044f\u0437\u043a\u0430 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u0430 \u043d\u0430\u043c \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043a\u0440\u0443\u043f\u043d\u0443\u044e open source-\u043c\u043e\u0434\u0435\u043b\u044c \u0441 GatedDeltaNet \u0438 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u043c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c \u0431\u0435\u0437 \u043f\u043e\u0442\u0435\u0440\u0438 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/p>\n<h3>\u041a\u0430\u043a \u043c\u044b \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435<\/h3>\n<p>\u0412\u0441\u0435 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u043f\u0440\u0430\u0432\u043a\u0438 \u0440\u0435\u0448\u0430\u043b\u0438 \u043e\u0434\u043d\u0443 \u0437\u0430\u0434\u0430\u0447\u0443: \u0443\u0434\u0435\u0440\u0436\u0430\u0442\u044c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u043f\u043e\u0434 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0435\u043c \u043f\u0440\u0438\u00a0 432 \u043c\u043b\u0440\u0434 \u0438 700 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.<\/p>\n<h4>\u041c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0447\u0435\u0440\u0435\u0437 gating<\/h4>\n<p>\u0412 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0447\u0430\u0441\u0442\u043e \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u043d\u0435\u044f\u0432\u043d\u044b\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b \u0441\u0430\u043c\u043e\u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, attention sink \u0438 residual sink. \u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0435\u043b\u044f\u0435\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0438\u043b\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a, \u0447\u0435\u0440\u0435\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u042d\u0442\u043e \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u0443\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0442\u044c \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0435\u044f\u0432\u043d\u043e \u0438 \u043f\u043b\u043e\u0445\u043e \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442\u0441\u044f.<\/p>\n<p>\u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0442\u0430\u043a\u043e\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0441\u0430\u043c \u043c\u043e\u0436\u0435\u0442 \u0441\u0442\u0430\u0442\u044c \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u043c \u0448\u0443\u043c\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u044f\u0432\u043d\u044b\u0435 \u00ab\u0440\u0443\u0447\u043a\u0438\u00bb \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u043c:<\/p>\n<ul>\n<li>\n<p>Gated Attention: \u0432\u044b\u0445\u043e\u0434 attention-\u0441\u043b\u043e\u044f \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0441\u0438\u0433\u043c\u043e\u0438\u0434\u0430\u043b\u044c\u043d\u044b\u0439 \u0433\u0435\u0439\u0442. \u0422\u0430\u043a \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043f\u0440\u0438\u0433\u043b\u0443\u0448\u0438\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u0438\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b.<\/p>\n<\/li>\n<li>\n<p>GatedNorm: \u043f\u043e\u0445\u043e\u0436\u0430\u044f \u0438\u0434\u0435\u044f \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0432 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438. \u0421\u0435\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u044f\u0432\u043d\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u043c\u0435\u0436\u0434\u0443 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u043c\u0438, \u0430 \u043d\u0435 \u043f\u043e\u043b\u0430\u0433\u0430\u0442\u044c\u0441\u044f \u043d\u0430 \u043d\u0435\u044f\u0432\u043d\u044b\u0435 \u00ab\u044f\u043a\u043e\u0440\u044f\u00bb. \u042d\u0442\u043e \u043d\u0430\u0448\u0435 \u043d\u043e\u0432\u043e\u0432\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u2014 \u0432 open source \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0435\u0449\u0451 \u043d\u0435 \u0431\u044b\u043b\u043e.<\/p>\n<\/li>\n<\/ul>\n<details class=\"spoiler\">\n<summary>\u0414\u0435\u0442\u0430\u043b\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0433\u0435\u0439\u0442\u043e\u0432<\/summary>\n<div class=\"spoiler__content\">\n<p>Gated Attention<\/p>\n<pre><code>attn = softmax(q @ k.T \/ sqrt(d)) @ vattn_gate = torch.sigmoid(x @ W_gate)attn_out = (attn * attn_gate) @ W_O<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>Gated Norm<\/p>\n<pre><code>x_norm = x * torch.rsqrt(x.pow(2).mean(-1, keepdim=True) + eps)x_norm = x_norm * (1.0 + norm_weight)# gatingnorm_gate = torch.sigmoid(MLP_gate(x_norm))# scale-neutral at initnorm_out = x_norm * 2.0 * norm_gate<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<\/div>\n<\/details>\n<p>\u041e\u0431\u044b\u0447\u043d\u044b\u0439 <code>sigmoid(...)<\/code> \u043f\u0440\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u0430\u0451\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043e\u043a\u043e\u043b\u043e 0,5, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432\u0445\u043e\u0434 \u0432 \u0433\u0435\u0439\u0442 \u0431\u043b\u0438\u0437\u043e\u043a \u043a \u043d\u0443\u043b\u044e. \u0415\u0441\u043b\u0438 \u0441\u0440\u0430\u0437\u0443 \u0443\u043c\u043d\u043e\u0436\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0430 \u0442\u0430\u043a\u043e\u0439 \u0433\u0435\u0439\u0442, \u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442 \u0441 \u0432\u0434\u0432\u043e\u0435 \u0437\u0430\u043d\u0438\u0436\u0435\u043d\u043d\u044b\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u043e\u043c.<\/p>\n<p>\u041c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043c\u043d\u043e\u0436\u0438\u0442\u0435\u043b\u044c <code>2: 2 * sigmoid(...)<\/code>. \u041f\u0440\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0430\u043a\u043e\u0439 \u0433\u0435\u0439\u0442 \u0431\u043b\u0438\u0437\u043e\u043a \u043a \u0435\u0434\u0438\u043d\u0438\u0446\u0435 \u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u043e\u0442\u043e\u043a \u0434\u0430\u043d\u043d\u044b\u0445, \u0430 \u0434\u0430\u043b\u044c\u0448\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0430\u043c\u0430 \u0443\u0447\u0438\u0442\u0441\u044f, \u0433\u0434\u0435 \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0438\u0433\u043b\u0443\u0448\u0438\u0442\u044c. \u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u044d\u0442\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043f\u0440\u0430\u0432\u043a\u0430 \u043e\u043a\u0430\u0437\u0430\u043b\u0430\u0441\u044c \u0440\u0435\u0448\u0430\u044e\u0449\u0435\u0439 \u0434\u043b\u044f \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/p>\n<h4>\u0421\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f<\/h4>\n<p>\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0430\u044f pre-norm \u0437\u0430\u0449\u0438\u0449\u0430\u0435\u0442 \u0432\u0445\u043e\u0434 \u0431\u043b\u043e\u043a\u0430 attention \u0438\u043b\u0438 MLP, \u043d\u043e \u043d\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442 \u0435\u0433\u043e \u0432\u044b\u0445\u043e\u0434. \u0415\u0441\u043b\u0438 \u0431\u043b\u043e\u043a \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b \u0432\u0435\u043a\u0442\u043e\u0440 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u044b, \u0442\u043e \u043e\u043d \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u0442 \u0432 residual stream \u0438 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0441\u043b\u043e\u0438.<\/p>\n<p>\u0421\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0435\u0440\u0435\u0434 \u0431\u043b\u043e\u043a\u043e\u043c, \u043d\u043e \u0438 \u043f\u043e\u0441\u043b\u0435 \u043d\u0435\u0433\u043e \u2014 \u043f\u0435\u0440\u0435\u0434 \u0441\u043b\u043e\u0436\u0435\u043d\u0438\u0435\u043c \u0441 residual stream. \u0422\u0430\u043a \u0432 residual stream \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u0442 \u0431\u043e\u043b\u0435\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b, \u0430 \u043d\u0430 backward-\u043f\u0440\u043e\u0445\u043e\u0434\u0435 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043a\u0430\u043a \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0431\u0430\u0440\u044c\u0435\u0440 \u0434\u043b\u044f \u0448\u0443\u043c\u0430.<\/p>\n<details class=\"spoiler\">\n<summary>\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u0431\u043b\u043e\u043a\u043e\u0432 \u0441 \u0441\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439<\/summary>\n<div class=\"spoiler__content\">\n<pre><code># attention blockh = h + post_attn_norm(attn(pre_attn_norm(h)))# mlp blockh = h + post_mlp_norm(mlp(pre_mlp_norm(h)))<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<\/div>\n<\/details>\n<h4>\u041a\u043b\u0438\u043f\u043f\u0438\u043d\u0433 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439<\/h4>\n<p>\u0412 MoE-\u0441\u043b\u043e\u044f\u0445 \u0435\u0441\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0442\u043e\u0447\u043a\u0430 \u0440\u0438\u0441\u043a\u0430 \u2014 SwiGLU. \u0412\u043d\u0443\u0442\u0440\u0438 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u0430 \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u044e\u0442\u0441\u044f <code>silu(gate)<\/code> \u0438 <code>up<\/code>, \u0438 \u0440\u0435\u0434\u043a\u0438\u0439 \u0441\u0438\u043b\u044c\u043d\u044b\u0439 \u0432\u044b\u0431\u0440\u043e\u0441 \u043c\u043e\u0436\u0435\u0442 \u0440\u0435\u0437\u043a\u043e \u0443\u0441\u0438\u043b\u0438\u0442\u044c\u0441\u044f \u043f\u0435\u0440\u0435\u0434 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u043e\u0435\u043a\u0446\u0438\u0435\u0439 w2.<\/p>\n<p>\u041c\u044b \u043d\u0435 \u0441\u0442\u0430\u043b\u0438 \u043a\u043b\u0438\u043f\u043f\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u0435\u0441\u044c residual stream: \u0432\u044b\u0431\u0440\u043e\u0441\u044b \u043d\u0435 \u0432\u0441\u0435\u0433\u0434\u0430 \u0432\u0440\u0435\u0434\u043d\u044b, \u0447\u0430\u0441\u0442\u044c \u0438\u0437 \u043d\u0438\u0445 \u0443\u0447\u0430\u0441\u0442\u0432\u0443\u0435\u0442 \u0432 \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u043c \u0440\u0435\u0441\u043a\u0435\u0439\u043b\u0438\u043d\u0433\u0435 \u043c\u043e\u0434\u0435\u043b\u0438. \u0412\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e \u043c\u044b \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u043b\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0442\u043e\u0447\u0435\u0447\u043d\u043e, \u0432\u043d\u0443\u0442\u0440\u0438 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u0430, \u043f\u0440\u044f\u043c\u043e \u043f\u0435\u0440\u0435\u0434 \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u0435\u043c \u0432 SwiGLU. \u0422\u0430\u043a\u043e\u0439 \u043a\u043b\u0438\u043f\u043f\u0438\u043d\u0433 \u0433\u0430\u0441\u0438\u0442 \u0441\u0430\u043c\u044b\u0439 \u043e\u043f\u0430\u0441\u043d\u044b\u0439 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u044b\u0439 \u0432\u0437\u0440\u044b\u0432, \u043d\u043e \u043d\u0435 \u043c\u0435\u0448\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0432 \u0434\u0440\u0443\u0433\u0438\u0445 \u043c\u0435\u0441\u0442\u0430\u0445.<\/p>\n<details class=\"spoiler\">\n<summary>\u0414\u0435\u0442\u0430\u043b\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043a\u043b\u0438\u043f\u043f\u0438\u043d\u0433\u0430 \u0432 SwiGLU<\/summary>\n<div class=\"spoiler__content\">\n<pre><code>gate = self.w1(x).float()up = self.w3(x).float()up = torch.clamp(up, min=-10, max=10)gate = torch.clamp(gate, max=10)x = F.silu(gate) * upout = self.w2(x.to(dtype))<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<\/div>\n<\/details>\n<h3>\u041a\u0430\u043a \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u043d\u0430 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435<\/h3>\n<h4>\u041b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435<\/h4>\n<p>\u041e\u0431\u044b\u0447\u043d\u044b\u0439 attention \u0434\u043e\u0440\u043e\u0436\u0430\u0435\u0442 \u0441 \u0440\u043e\u0441\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430. \u0427\u0435\u043c \u0434\u043b\u0438\u043d\u043d\u0435\u0435 \u0437\u0430\u043f\u0440\u043e\u0441, \u0442\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u0435 KV-cache \u0438 \u0442\u0435\u043c \u0441\u0438\u043b\u044c\u043d\u0435\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0443\u043f\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0432 \u043f\u0430\u043c\u044f\u0442\u044c.<\/p>\n<p>\u0412 GigaChat 3.5 \u043c\u044b \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0437\u0430\u0432\u0435\u043b\u0438 \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443: \u0447\u0430\u0441\u0442\u044c \u0441\u043b\u043e\u0451\u0432 \u043e\u0441\u0442\u0430\u043b\u0430\u0441\u044c \u043e\u0431\u044b\u0447\u043d\u044b\u043c\u0438 MLA, \u0430 \u0447\u0430\u0441\u0442\u044c \u0441\u0442\u0430\u043b\u0430 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u043c\u0438 \u0441\u043b\u043e\u044f\u043c\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 GatedDeltaNet \u0432 \u0434\u0443\u0445\u0435 Qwen Next. \u0422\u0430\u043a \u043c\u044b \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u043b\u0438 \u0441\u0438\u043b\u044c\u043d\u044b\u0435 \u0441\u0442\u043e\u0440\u043e\u043d\u044b \u043e\u0431\u044b\u0447\u043d\u043e\u0433\u043e attention \u0438 \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0434\u043b\u0438\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430.<\/p>\n<p>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u2014 \u043f\u0430\u043c\u044f\u0442\u044c. \u041e\u0431\u044b\u0447\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0445\u0440\u0430\u043d\u0438\u0442 \u0438\u0441\u0442\u043e\u0440\u0438\u044e \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0441\u0432\u043e\u0440\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u0435\u0451 \u0432 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430. \u0412 432B-\u043c\u043e\u0434\u0435\u043b\u0438 \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0430\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0442\u0440\u0430\u0442\u0438\u0442 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 \u0447\u0435\u0442\u044b\u0440\u0435 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u043a\u0435\u0448\u0430 \u043d\u0430 \u0442\u043e\u043a\u0435\u043d. \u0412 \u0442\u043e\u0442 \u0436\u0435 \u043e\u0431\u044a\u0451\u043c \u043f\u0430\u043c\u044f\u0442\u0438 \u043f\u043e\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f \u0432 2,14 \u0440\u0430\u0437\u0430 \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/383\/a98\/c43\/383a98c43f9c85f2439c3d8cb7ae6ab6.png\" width=\"2944\" height=\"1532\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/383\/a98\/c43\/383a98c43f9c85f2439c3d8cb7ae6ab6.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/383\/a98\/c43\/383a98c43f9c85f2439c3d8cb7ae6ab6.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<details class=\"spoiler\">\n<summary>\u041e\u0442\u043a\u0443\u0434\u0430 \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u043f\u0430\u043c\u044f\u0442\u0438<\/summary>\n<div class=\"spoiler__content\">\n<p>\u0423 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u043f\u0430\u043c\u044f\u0442\u044c \u0440\u0430\u0441\u0442\u0435\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u043e \u0441 \u0434\u043b\u0438\u043d\u043e\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430: MLA \u0445\u0440\u0430\u043d\u0438\u0442 \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0441\u0436\u0430\u0442\u044b\u0439 \u043b\u0430\u0442\u0435\u043d\u0442, \u0438 \u0441\u043b\u043e\u0439 \u0441\u0442\u043e\u0438\u0442 O(L <em> d_c). \u041b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0441\u0432\u043e\u0440\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u0438\u0441\u0442\u043e\u0440\u0438\u044e \u0432 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430: \u043c\u0430\u0442\u0440\u0438\u0446\u0443 d_k <\/em> d_v \u043d\u0430 \u0433\u043e\u043b\u043e\u0432\u0443. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u2014 O(H <em> d_k <\/em> d_v), \u0431\u0435\u0437 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 L.<\/p>\n<\/div>\n<\/details>\n<p>\u041b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u0438 \u0441\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e. \u041a\u043e\u0433\u0434\u0430 KV-cache \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0443\u0437\u043a\u0438\u043c \u043c\u0435\u0441\u0442\u043e\u043c, \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0438 \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 all-MLA \u043f\u043e throughput: \u043d\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 4-128 \u0442\u044b\u0441. \u043f\u0440\u0438\u0440\u043e\u0441\u0442 \u0441\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u043e\u043a\u043e\u043b\u043e 20%. \u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0442\u043e\u0436\u0435 \u0440\u0430\u0441\u0442\u0451\u0442 \u0441 \u0434\u043b\u0438\u043d\u043e\u0439: \u043e\u0442 1,15x \u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0434\u043e 1,25x \u043d\u0430 131 \u0442\u044b\u0441.<\/p>\n<p>\u041d\u043e \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u0435\u0435: \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u0440\u0430\u0441\u0442\u0438, \u0430 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u2014 \u0440\u0430\u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f. \u0427\u0442\u043e\u0431\u044b \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435, \u043c\u044b \u043f\u043e\u043c\u0435\u043d\u044f\u043b\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e, \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u044e \u0433\u0435\u0439\u0442\u0430 \u0432 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 GDN \u0438 \u0442\u0438\u043f \u043d\u043e\u0440\u043c\u044b.<\/p>\n<details class=\"spoiler\">\n<summary>\u0427\u0442\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u043f\u0440\u0430\u0432\u0438\u043b\u0438 \u0434\u043b\u044f \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438<\/summary>\n<div class=\"spoiler__content\">\n<p>\u0412 gated RMSNorm \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 GDN \u043c\u044b \u0437\u0430\u043c\u0435\u043d\u0438\u043b\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u044e \u0433\u0435\u0439\u0442\u0430 \u0441 SiLU \u043d\u0430 2 <em> sigmoid. \u0412\u0435\u0441\u0430 \u0433\u0435\u0439\u0442\u0430 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e \u043d\u0443\u043b\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 2 <\/em> sigmoid(w <em> x) \u2248 2 <\/em> sigmoid(0) = 1.0. \u0412 \u043d\u0430\u0447\u0430\u043b\u0435 \u0442\u0430\u043a\u043e\u0439 \u0433\u0435\u0439\u0442 \u043f\u043e\u0447\u0442\u0438 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u0441\u0438\u0433\u043d\u0430\u043b \u043a\u0430\u043a \u0435\u0441\u0442\u044c. SiLU \u0432 \u043d\u0443\u043b\u0435 \u0434\u0430\u0451\u0442 0, \u0442\u043e \u0435\u0441\u0442\u044c \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0447\u0442\u0438 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0440\u0435\u0436\u0435\u0442 \u0441\u0438\u0433\u043d\u0430\u043b, \u0430 \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u0445 \u043d\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0430 \u0441\u0432\u0435\u0440\u0445\u0443 \u0438 \u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0437\u0433\u043e\u043d\u044f\u0442\u044c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438. \u0422\u0430\u043a\u0436\u0435 \u043c\u044b \u043f\u043e\u043c\u0435\u043d\u044f\u043b\u0438 init \u0434\u043b\u044f A_log: \u0441 log(uniform(0, 16)) \u043d\u0430 log(uniform(1, 16)).<\/p>\n<\/div>\n<\/details>\n<p>\u0414\u043e\u043b\u044e \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0445 \u0441\u043b\u043e\u0451\u0432 \u043c\u044b \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e. \u041d\u0443\u0436\u043d\u043e \u0431\u044b\u043b\u043e \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430, \u043d\u043e \u043d\u0435 \u043f\u0440\u043e\u0441\u0430\u0434\u0438\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e. \u041c\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u043b\u0438 \u0434\u0432\u0430 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430: \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c MLA \u043a\u0430\u0436\u0434\u044b\u043c \u0432\u0442\u043e\u0440\u044b\u043c \u0441\u043b\u043e\u0435\u043c \u0438\u043b\u0438 \u043a\u0430\u0436\u0434\u044b\u043c \u0447\u0435\u0442\u0432\u0451\u0440\u0442\u044b\u043c. \u041f\u043e \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c \u043e\u043d\u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u043e\u0442\u043b\u0438\u0447\u0430\u043b\u0438\u0441\u044c, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u043e\u0441\u0442\u0430\u0432\u0438\u043b\u0438 MLA \u043a\u0430\u0436\u0434\u044b\u043c \u0447\u0435\u0442\u0432\u0451\u0440\u0442\u044b\u043c: \u0442\u0430\u043a \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u043f\u0430\u043c\u044f\u0442\u0438 \u0432\u044b\u0448\u0435, \u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0435 \u043f\u0440\u043e\u0441\u0435\u043b\u043e.<\/p>\n<p>\u0412 \u0438\u0442\u043e\u0433\u0435 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0434\u0430\u043b\u043e \u0431\u043e\u043b\u0435\u0435 \u0434\u0435\u0448\u0451\u0432\u044b\u0439 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0438 \u0431\u043e\u043b\u0435\u0435 \u0432\u044b\u0441\u043e\u043a\u0438\u0439 throughput \u043f\u043e\u0434 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u043e\u0439. \u041f\u043e \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0441\u0442\u0430\u043b\u0430\u0441\u044c \u043d\u0430 \u043f\u0440\u0435\u0436\u043d\u0435\u043c \u0443\u0440\u043e\u0432\u043d\u0435 \u0438\u043b\u0438 \u0441\u0442\u0430\u043b\u0430 \u043b\u0443\u0447\u0448\u0435: \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043d\u0435 \u0432 \u043e\u0431\u043c\u0435\u043d \u043d\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e, \u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u043d\u0438\u043c.<\/p>\n<h4>Multi-Token Prediction<\/h4>\n<p>MTP \u2014 \u0435\u0449\u0451 \u043e\u0434\u0438\u043d \u0441\u043f\u043e\u0441\u043e\u0431 \u0443\u0441\u043a\u043e\u0440\u0438\u0442\u044c \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 GigaChat 3.5. \u041e\u0434\u043d\u0430 MTP-\u0433\u043e\u043b\u043e\u0432\u0430 \u0431\u044b\u043b\u0430 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u0443\u0436\u0435 \u0432 \u0432\u0435\u0440\u0441\u0438\u0438 3.0: \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u043e\u0447\u0435\u0440\u0435\u0434\u043d\u044b\u043c \u0442\u043e\u043a\u0435\u043d\u043e\u043c \u043e\u043d\u0430 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439. \u0412 3.5 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0435\u0449\u0451 \u0434\u0432\u0435 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0433\u043e\u043b\u043e\u0432\u044b.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/01f\/8a5\/213\/01f8a52133eb1db5fe0b07342c8ee85c.png\" alt=\"\u0418\u043b\u043b\u044e\u0441\u0442\u0440\u0430\u0446\u0438\u044f multi-token prediction \u0438\u0437 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0442\u0447\u0451\u0442\u0430 DeepSeek-V3\" title=\"\u0418\u043b\u043b\u044e\u0441\u0442\u0440\u0430\u0446\u0438\u044f multi-token prediction \u0438\u0437 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0442\u0447\u0451\u0442\u0430 DeepSeek-V3\" width=\"2568\" height=\"1152\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/01f\/8a5\/213\/01f8a52133eb1db5fe0b07342c8ee85c.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/01f\/8a5\/213\/01f8a52133eb1db5fe0b07342c8ee85c.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0418\u043b\u043b\u044e\u0441\u0442\u0440\u0430\u0446\u0438\u044f multi-token prediction \u0438\u0437 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0442\u0447\u0451\u0442\u0430 DeepSeek-V3<\/figcaption><\/div>\n<\/figure>\n<p>\u041d\u0430 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 MTP \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043a\u0430\u043a self-speculative decoding. \u0417\u0430 \u043e\u0434\u0438\u043d forward-\u043f\u0440\u043e\u0445\u043e\u0434 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0435\u0442 \u0447\u0435\u0440\u043d\u043e\u0432\u0438\u043a \u043d\u0430 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432\u043f\u0435\u0440\u0451\u0434, \u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u0433\u043e\u043b\u043e\u0432\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0435\u0433\u043e \u0438 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c. \u041e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f draft-\u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u043d\u0443\u0436\u043d\u0430.<\/p>\n<p>\u041a\u043b\u044e\u0447\u0435\u0432\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u2014 accept length, \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0447\u0438\u0441\u043b\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0437\u0430 \u043e\u0434\u0438\u043d \u0448\u0430\u0433. \u0411\u0435\u0437 MTP accept length \u0440\u0430\u0432\u0435\u043d 1. \u0421\u0442\u0430\u0440\u044b\u0439 \u0432\u0430\u0440\u0438\u0430\u043d\u0442 \u0441 \u043e\u0434\u043d\u043e\u0439 \u0433\u043e\u043b\u043e\u0432\u043e\u0439 \u0434\u0430\u0432\u0430\u043b \u043e\u043a\u043e\u043b\u043e 1,8 \u0442\u043e\u043a\u0435\u043d\u0430 \u0437\u0430 \u0448\u0430\u0433. \u041d\u043e\u0432\u044b\u0439 \u0432\u0430\u0440\u0438\u0430\u043d\u0442 \u0434\u0430\u0451\u0442 \u043e\u043a\u043e\u043b\u043e 2,3-2,5.<\/p>\n<p>\u041f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0436\u0430\u0434\u043d\u044b\u0439 \u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433 \u0443\u0441\u043a\u043e\u0440\u044f\u0435\u0442\u0441\u044f \u0432 1,5 \u0440\u0430\u0437\u0430 \u0441 \u043e\u0434\u043d\u043e\u0439 \u0433\u043e\u043b\u043e\u0432\u043e\u0439 \u0438 \u0434\u043e 2,2 \u0440\u0430\u0437\u0430 \u0441 \u0434\u0432\u0443\u043c\u044f. \u0422\u0440\u0435\u0442\u044c\u044f \u0433\u043e\u043b\u043e\u0432\u0430 \u0434\u0430\u0451\u0442 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u044d\u0444\u0444\u0435\u043a\u0442 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u0434\u0432\u0443\u043c\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0434\u0430\u044e\u0442 \u043f\u0435\u0440\u0432\u044b\u0435 \u0434\u0432\u0435. \u0421 \u0440\u043e\u0441\u0442\u043e\u043c \u0442\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u044b \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f, \u043d\u043e \u0434\u0430\u0436\u0435 \u043f\u0440\u0438 t = 1,0 \u043e\u0441\u0442\u0430\u0451\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e 1,5x.<\/p>\n<p>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 MTP-\u0433\u043e\u043b\u043e\u0432 \u043e\u0431\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0435\u0434\u043e\u0440\u043e\u0433\u043e \u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u0432\u043b\u0438\u044f\u0435\u0442 \u043d\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0438. \u0415\u0449\u0451 \u043e\u0434\u0438\u043d \u043f\u043e\u043b\u0435\u0437\u043d\u044b\u0439 \u044d\u0444\u0444\u0435\u043a\u0442: accept length \u0445\u043e\u0440\u043e\u0448\u043e \u043f\u0435\u0440\u0435\u043d\u043e\u0441\u0438\u0442\u0441\u044f \u0441 base-\u0432\u0435\u0440\u0441\u0438\u0438 \u043d\u0430 instruct-\u0432\u0435\u0440\u0441\u0438\u044e.<\/p>\n<details class=\"spoiler\">\n<summary>\u041a\u0430\u043a \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u043b\u0438 \u0433\u043e\u043b\u043e\u0432\u044b<\/summary>\n<div class=\"spoiler__content\">\n<p>\u0414\u043b\u044f \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 MTP-2 \u0438 MTP-3 \u043c\u044b \u0432\u0437\u044f\u043b\u0438 \u0432\u0435\u0441\u0430 \u0431\u043b\u043e\u043a\u0430 MTP-1, \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u043f\u043e\u0441\u043b\u0435 \u043f\u0440\u0435\u0442\u0440\u0435\u0439\u043d\u0430. \u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043e\u0431\u0443\u0447\u0430\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u043e\u0432\u044b\u0435 \u0431\u043b\u043e\u043a\u0438, \u0437\u0430\u043c\u043e\u0440\u043e\u0437\u0438\u0432 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u0441\u043b\u043e\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u041f\u043e\u0442\u043e\u043c \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u043b\u0438 \u0438\u0445 end-to-end \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432\u043e \u0432\u0440\u0435\u043c\u044f alignment. End-to-end \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u043f\u043e\u0434\u043d\u044f\u043b\u043e accept length.<\/p>\n<p>\u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f draft-\u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0442\u043e\u0436\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439. \u0427\u0442\u043e\u0431\u044b \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c, \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438 MTP-\u0431\u043b\u043e\u043a\u0438 \u0441 dense FFN. Linear attention \u0432 \u043d\u0438\u0445 \u043f\u043e\u043a\u0430 \u043d\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0430\u043d: \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f full attention MLA.<\/p>\n<\/div>\n<\/details>\n<p>MTP \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u043f\u043e\u043b\u0435\u0437\u0435\u043d \u043d\u0430 \u043a\u0440\u0443\u043f\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438. \u041d\u0430 432 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u0430\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u0448\u0430\u0433 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0434\u043e\u0440\u043e\u0433\u043e\u0439, \u0430 \u0431\u0435\u0437 MTP \u043e\u043d \u0434\u0430\u0451\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u043e\u0434\u0438\u043d \u0442\u043e\u043a\u0435\u043d. MTP \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0437\u0430 \u0442\u043e\u0442 \u0436\u0435 \u0448\u0430\u0433 \u043f\u0440\u0438\u043d\u044f\u0442\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0438 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c forward-\u043f\u0440\u043e\u0445\u043e\u0434\u0430 \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438.<\/p>\n<h3>\u0427\u0442\u043e \u043f\u043e\u043c\u0435\u043d\u044f\u043b\u0438 \u0432 \u0440\u0435\u0446\u0435\u043f\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h3>\n<p>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u043e\u0439 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e. \u0414\u0430\u0436\u0435 \u0435\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0440\u0430\u0441\u0445\u043e\u0434\u0438\u0442\u0441\u044f, \u044d\u0442\u043e \u0435\u0449\u0451 \u043d\u0435 \u0437\u043d\u0430\u0447\u0438\u0442, \u0447\u0442\u043e \u043e\u043d\u0430 \u0443\u0447\u0438\u0442\u0441\u044f \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e. \u041d\u0430 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u043c\u043e\u0433\u0443\u0442 \u0441\u043a\u0440\u044b\u0432\u0430\u0442\u044c\u0441\u044f \u0432 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u044f\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u0438 \u043f\u0440\u043e\u044f\u0432\u043b\u044f\u0442\u044c\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0434\u043b\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438.<\/p>\n<p>\u041c\u044b \u0437\u0430\u043c\u0435\u0442\u0438\u043b\u0438, \u0447\u0442\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0447\u0430\u0441\u0442\u043e \u0432\u044b\u0445\u043e\u0434\u044f\u0442 \u043d\u0430 \u043f\u043b\u0430\u0442\u043e \u0438 \u0434\u0430\u043b\u044c\u0448\u0435 \u0440\u0430\u0441\u0442\u0443\u0442 \u0441\u043b\u0430\u0431\u043e. \u0427\u0442\u043e\u0431\u044b \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c\u0441\u044f, \u043c\u044b \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u043b\u0438 \u043d\u0430 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0443 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432: \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432\u0435\u043b\u0438\u043a\u0438 \u0448\u0430\u0433\u0438 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430, \u043a\u0430\u043a\u0438\u0435 \u0441\u043b\u0430\u0433\u0430\u0435\u043c\u044b\u0435 \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u044e\u0442 \u0438 \u043d\u0435 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442\u0441\u044f \u043b\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0432 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043e\u0441\u0442\u043e\u0440\u043e\u0436\u043d\u044b\u0439 \u0440\u0435\u0436\u0438\u043c.<\/p>\n<p>\u041f\u043e\u0434\u043e\u0437\u0440\u0435\u043d\u0438\u0435 \u043f\u0430\u043b\u043e \u043d\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b AdamW. \u0411\u043b\u0438\u0436\u0435 \u043a \u043a\u043e\u043d\u0446\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0448\u0430\u0433\u0438 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0438\u0441\u044c \u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u043c\u0438, \u0447\u0442\u043e \u0432\u0442\u043e\u0440\u044b\u0435 \u043c\u043e\u043c\u0435\u043d\u0442\u044b \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043e\u0432 \u043f\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0443 \u043e\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438\u0441\u044c \u0441\u0440\u0430\u0432\u043d\u0438\u043c\u044b \u0441 eps \u2014 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u044e\u0442 \u0432 \u0437\u043d\u0430\u043c\u0435\u043d\u0430\u0442\u0435\u043b\u044c \u0434\u043b\u044f \u0447\u0438\u0441\u043b\u0435\u043d\u043d\u043e\u0439 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0414\u043b\u044f \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c 90% \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 eps \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0441\u044f \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u044e\u0449\u0438\u043c \u0441\u043b\u0430\u0433\u0430\u0435\u043c\u044b\u043c. \u042d\u0442\u043e \u043e\u0437\u043d\u0430\u0447\u0430\u043b\u043e, \u0447\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0442\u0435\u0440\u044f\u043b\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u043e \u0432\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u043c\u0435\u043d\u0442\u0430\u0445. \u0412\u043c\u0435\u0441\u0442\u043e AdamW \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0430\u0447\u0438\u043d\u0430\u043b\u0430 \u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0431\u044f \u0431\u043b\u0438\u0436\u0435 \u043a SGD with Momentum. \u0412 \u043d\u043e\u0432\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043c\u044b \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u043b\u0438 eps, \u043f\u043e\u0441\u043b\u0435 \u0447\u0435\u0433\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0438\u043b\u0438 \u0440\u0430\u0441\u0442\u0438 \u0434\u043e\u043b\u044c\u0448\u0435 \u0438 \u0432\u044b\u0448\u0435.<\/p>\n<h3>\u041a\u0430\u043a \u043c\u044b \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c pretrain-\u0444\u0438\u0447\u0438<\/h3>\n<p>\u0412\u044b\u0448\u0435 \u043c\u044b \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b\u0438 \u043f\u0440\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u0438 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u043e\u0448\u043b\u0438 \u0432 \u043d\u043e\u0432\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c: \u0433\u0435\u0439\u0442\u044b, \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043a\u043b\u0438\u043f\u043f\u0438\u043d\u0433 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439, \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, MTP-\u0433\u043e\u043b\u043e\u0432\u044b \u0438 \u043f\u0440\u0430\u0432\u043a\u0438 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430. \u041d\u043e \u043f\u0440\u0438\u0434\u0443\u043c\u0430\u0442\u044c \u0444\u0438\u0447\u0443 \u0438 \u0432\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0435\u0451 \u0432 \u043a\u043e\u0434 \u2014 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u043b\u043e\u0432\u0438\u043d\u0430 \u0434\u0435\u043b\u0430. \u0414\u0430\u043b\u044c\u0448\u0435 \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u044c, \u0447\u0442\u043e \u043e\u043d\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442, \u0430 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0443\u0434\u0430\u0447\u043d\u043e \u0441\u043e\u0432\u043f\u0430\u043b\u0430 \u0441 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u043c \u0437\u0430\u043f\u0443\u0441\u043a\u043e\u043c.<\/p>\n<p>\u0412 pretrain \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0435\u0449\u0451 \u043e\u0434\u043d\u0443 \u043f\u043e\u043b\u0435\u0437\u043d\u0443\u044e \u0448\u0442\u0443\u043a\u0443: \u043d\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u0434\u0440\u0443\u0433\u043e\u0439 loss, \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0439 \u0442\u0440\u044e\u043a, \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0443 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430. \u041d\u043e \u043a\u0430\u0436\u0434\u044b\u0439 \u0442\u0430\u043a\u043e\u0439 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442 \u0441\u0442\u043e\u0438\u0442 \u0434\u043e\u0440\u043e\u0433\u043e, \u0430 \u043e\u0442\u0432\u0435\u0442 \u043d\u0443\u0436\u0435\u043d \u043d\u0435 \u0447\u0435\u0440\u0435\u0437 \u043f\u043e\u043b\u0433\u043e\u0434\u0430, \u0430 \u0441\u0435\u0439\u0447\u0430\u0441.<\/p>\n<p>\u041d\u0430\u0438\u0432\u043d\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a: \u043e\u0431\u0443\u0447\u0438\u043b\u0438 baseline, \u043e\u0431\u0443\u0447\u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u0444\u0438\u0447\u0435\u0439, \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438, \u0443\u0432\u0438\u0434\u0435\u043b\u0438 +0,7 \u2014 \u0443\u0440\u0430, \u0444\u0438\u0447\u0430 \u043f\u043e\u0431\u0435\u0434\u0438\u043b\u0430. \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043e\u0434\u0438\u043d \u0437\u0430\u043f\u0443\u0441\u043a LLM \u2014 \u044d\u0442\u043e \u043d\u0435 \u0438\u0441\u0442\u0438\u043d\u0430, \u0430 \u043e\u0434\u0438\u043d \u0431\u0440\u043e\u0441\u043e\u043a \u043a\u0443\u0431\u0438\u043a\u0430. \u0422\u0430 \u0436\u0435 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f \u043d\u0430 \u0434\u0440\u0443\u0433\u043e\u043c seed\u2019\u0435 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0435\u0445\u0430\u0442\u044c \u043a \u0434\u0440\u0443\u0433\u043e\u0439 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043c\u0435\u0442\u0440\u0438\u043a\u0435, \u0438 \u0438\u043d\u043e\u0433\u0434\u0430 seed noise \u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0431\u043e\u043b\u044c\u0448\u0435 \u0441\u0430\u043c\u043e\u0433\u043e \u044d\u0444\u0444\u0435\u043a\u0442\u0430 \u0444\u0438\u0447\u0438.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u0441\u0442\u0430\u043b\u0438 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0435 \u043d\u0430 \u043e\u0434\u043d\u0443 \u0442\u043e\u0447\u043a\u0443, \u0430 \u043d\u0430 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435. \u0414\u043b\u044f baseline \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e seed\u2019\u043e\u0432 \u0438 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u043c \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0440\u0430\u0437\u0431\u0440\u043e\u0441. \u041f\u043e\u0442\u043e\u043c \u0434\u0435\u043b\u0430\u0435\u043c \u0442\u043e \u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u0434\u043b\u044f feature-\u0441\u0435\u0442\u0430\u043f\u0430 \u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u043c \u0443\u0436\u0435 \u0434\u0432\u0435 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0432\u044b\u0431\u043e\u0440\u043a\u0438: \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0434\u0432\u0438\u043d\u0443\u043b\u043e\u0441\u044c \u0441\u0440\u0435\u0434\u043d\u0435\u0435, \u043d\u0435 \u0432\u044b\u0440\u043e\u0441\u043b\u0430 \u043b\u0438 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u044f, \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u0442\u0441\u044f \u043b\u0438 \u044d\u0444\u0444\u0435\u043a\u0442 \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u0438 \u043d\u0435 \u0441\u043b\u043e\u043c\u0430\u043b\u0430\u0441\u044c \u043b\u0438 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u0422\u0430\u043a \u043a\u0430\u043a \u0437\u0430\u043f\u0443\u0441\u043a\u043e\u0432 \u043c\u0430\u043b\u043e, \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 A\/B \u0437\u0434\u0435\u0441\u044c \u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442. \u0412\u043c\u0435\u0441\u0442\u043e \u043e\u0434\u043d\u043e\u0439 \u00ab\u043c\u0430\u0433\u0438\u0447\u0435\u0441\u043a\u043e\u0439\u00bb p-value \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0433\u0440\u0430\u0434\u0443\u0441\u043d\u0438\u043a\u043e\u0432: delta, std, t-test, permutation test \u0438 Bayesian bootstrapped AB. \u0415\u0441\u043b\u0438 \u0432\u0441\u0435 \u043e\u043d\u0438 \u0441\u043c\u043e\u0442\u0440\u044f\u0442 \u0432 \u043e\u0434\u043d\u0443 \u0441\u0442\u043e\u0440\u043e\u043d\u0443, \u0434\u0435\u043b\u044c\u0442\u0430 \u0431\u043e\u043b\u044c\u0448\u0435 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0448\u0443\u043c\u0430, \u0430 \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0432\u0440\u043e\u0434\u0435 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u0438 \u0432\u0435\u0441\u043e\u0432 \u0432\u0435\u0434\u0443\u0442 \u0441\u0435\u0431\u044f \u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e, \u0442\u043e \u0444\u0438\u0447\u0443 \u043c\u043e\u0436\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u0442\u044c \u0432\u0441\u0435\u0440\u044c\u0451\u0437.<\/p>\n<p>\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u043c\u044b \u0434\u043e\u043a\u0440\u0443\u0442\u0438\u043b\u0438 \u0441\u0430\u043c\u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0441\u0435\u0442\u0430\u043f\u044b: \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u043b\u0438 baseline-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0435\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430, \u043d\u0430\u0448\u043b\u0438 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u043e\u0441\u043b\u0435 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0443\u0436\u0435 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0441\u0445\u043e\u0434\u044f\u0442\u0441\u044f, \u0438 \u043f\u043e\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0438 \u043d\u0430\u0434 \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u0435\u043c \u0440\u0430\u0437\u0431\u0440\u043e\u0441\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432. \u0412 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u044d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u043e \u0432 \u0440\u0430\u0437\u044b \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0434\u043e\u0441\u0442\u043e\u0432\u0435\u0440\u043d\u043e\u0433\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430.<\/p>\n<p>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0432\u044b\u0432\u043e\u0434 \u043f\u0440\u043e\u0441\u0442\u043e\u0439: \u043e\u0434\u0438\u043d benchmark score \u2014 \u0441\u043b\u0430\u0431\u043e\u0435 \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e. \u0414\u043b\u044f \u043d\u0430\u0441 \u044d\u0444\u0444\u0435\u043a\u0442 \u0444\u0438\u0447\u0438 \u2014 \u044d\u0442\u043e \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0430 \u0444\u043e\u043d\u0435 \u0448\u0443\u043c\u0430. \u0418 \u043b\u0443\u0447\u0448\u0435 \u043f\u043e\u0442\u0440\u0430\u0442\u0438\u0442\u044c \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0431\u043e\u043b\u044c\u0448\u0435 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043d\u0430 \u0447\u0435\u0441\u0442\u043d\u044b\u0439 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0439 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442, \u0447\u0435\u043c \u0443\u043d\u0435\u0441\u0442\u0438 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u0443\u044e \u0443\u0434\u0430\u0447\u0443 \u0432 \u043f\u043e\u043b\u043d\u043e\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u0443\u0437\u043d\u0430\u0442\u044c \u043f\u0440\u0430\u0432\u0434\u0443 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043f\u043e\u0437\u0434\u043d\u043e.<\/p>\n<h2>\u0418\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h2>\n<p>\u042d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0441\u043e\u0442\u043d\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u2014 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u0432\u044b\u0437\u043e\u0432. \u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0435\u043c \u043f\u0440\u043e \u0434\u0432\u0430 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0437\u043d\u0430\u0447\u0438\u043c\u044b\u0445 \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u2014 \u0447\u0442\u043e \u043e\u043d\u0438 \u0434\u0430\u043b\u0438 \u0438 \u043a\u0430\u043a \u043c\u044b \u0438\u0445 \u0432\u043d\u0435\u0434\u0440\u044f\u043b\u0438.<\/p>\n<h3>Float8<\/h3>\n<p>\u041c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 FP8 \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438. \u0421 \u0442\u043e\u0447\u043a\u0438 \u0437\u0440\u0435\u043d\u0438\u044f \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b, \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043b\u044e\u0431\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u0441 \u0442\u0440\u0451\u0445 \u0441\u0442\u043e\u0440\u043e\u043d: \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f, \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438 \u0438 \u043f\u0430\u043c\u044f\u0442\u044c. FP8 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b \u043d\u0430\u043c \u0443\u043b\u0443\u0447\u0448\u0438\u0442\u044c \u043a\u0430\u0436\u0434\u044b\u0439 \u0438\u0437 \u044d\u0442\u0438\u0445 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p><strong>\u0412\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f.<\/strong> \u0412\u0441\u0435 \u043c\u0430\u0442\u0440\u0438\u0447\u043d\u044b\u0435 \u0443\u043c\u043d\u043e\u0436\u0435\u043d\u0438\u044f \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u043e\u0431\u044b\u0447\u043d\u044b\u0435 General Matrix Multiply (GEMM) \u0438 \u0433\u0440\u0443\u043f\u043f\u043e\u0432\u044b\u0435 Grouped GEMM. \u041f\u0435\u0440\u0432\u044b\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0432 \u043e\u0431\u044b\u0447\u043d\u044b\u0445 \u043f\u0440\u043e\u0435\u043a\u0446\u0438\u044f\u0445, \u0432\u0442\u043e\u0440\u044b\u0435 \u2014 \u0432 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432, \u0438 \u043e\u0431\u0435 \u0433\u0440\u0443\u043f\u043f\u044b \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0442\u044c \u0432 FP8.<\/p>\n<p>\u0414\u043b\u044f \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u0438 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0433\u043e GEMM \u0438 Grouped GEMM \u043c\u044b \u0432\u0437\u044f\u043b\u0438 \u0440\u0435\u0446\u0435\u043f\u0442 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 \u043e\u0442 DeepSeek: \u0432\u0435\u0441\u0430 \u043a\u0432\u0430\u043d\u0442\u0443\u0435\u043c \u0431\u043b\u043e\u043a\u0430\u043c\u0438 128\u00d7128, \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u2014 \u0431\u043b\u043e\u043a\u0430\u043c\u0438 1\u00d7128. \u0414\u043b\u044f GEMM \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 cuBLAS \u043e\u0442 NVIDIA, \u0430 \u0434\u043b\u044f Grouped GEMM \u2014 DeepGEMM \u043e\u0442 DeepSeek, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043f\u043e\u0434 \u043d\u0430\u0448\u0443 \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443 \u0438 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0438.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/942\/31a\/84e\/94231a84efea6b326c6c5e673e0db81a.png\" width=\"3122\" height=\"968\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/942\/31a\/84e\/94231a84efea6b326c6c5e673e0db81a.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/942\/31a\/84e\/94231a84efea6b326c6c5e673e0db81a.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439 \u043f\u043e\u043c\u043e\u0433\u043b\u0438 \u0443\u0441\u043a\u043e\u0440\u0438\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u0435 \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e bfloat16-\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p><strong>\u041a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438.<\/strong> \u0412\u0441\u0435 \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438 \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u044c \u043f\u043e \u0442\u0438\u043f\u0443 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043c\u044b \u043f\u0435\u0440\u0435\u0441\u044b\u043b\u0430\u0435\u043c \u2014 \u0432\u0435\u0441\u0430 \u0438\u043b\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438. \u041f\u0435\u0440\u0432\u044b\u0435 \u2014 \u044d\u0442\u043e fsdp, \u0432\u0442\u043e\u0440\u044b\u0435 \u2014 \u044d\u0442\u043e expert parallelism-\u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438, \u043a\u043e\u0433\u0434\u0430 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u044b \u0440\u0430\u0441\u043f\u043e\u043b\u043e\u0436\u0435\u043d\u044b \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0445 \u043a\u0430\u0440\u0442\u0430\u0445 \u0438 \u043c\u044b \u043f\u0435\u0440\u0435\u0441\u044b\u043b\u0430\u0435\u043c \u0442\u043e\u043a\u0435\u043d\u044b \u043c\u0435\u0436\u0434\u0443 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u0430\u043c\u0438. \u041e\u0431\u0430 \u0432\u0438\u0434\u0430 \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0439 \u043c\u044b \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u043c \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432 FP8.<\/p>\n<p><strong>\u041f\u0430\u043c\u044f\u0442\u044c.<\/strong> \u0421 \u0442\u043e\u0447\u043a\u0438 \u0437\u0440\u0435\u043d\u0438\u044f \u043f\u0430\u043c\u044f\u0442\u0438 \u043c\u044b \u0442\u043e\u0436\u0435 \u0432\u044b\u0438\u0433\u0440\u0430\u043b\u0438. \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c activation checkpointing, \u0442\u043e \u0447\u0430\u0441\u0442\u044c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u043c\u044b \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u0432 FP8 \u0434\u043b\u044f \u043f\u0435\u0440\u0435\u0441\u0447\u0451\u0442\u0430 \u043d\u0430 backward-\u043f\u0440\u043e\u0445\u043e\u0434\u0435. \u042d\u0442\u0438\u043c \u043c\u044b \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u043f\u0438\u043a\u043e\u0432\u043e\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u0438 \u0430\u0436 \u043d\u0430 20%.<\/p>\n<p>\u0427\u0442\u043e\u0431\u044b \u0432\u0441\u044f \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0430 \u0441\u043b\u0430\u0436\u0435\u043d\u043d\u043e \u0438 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e, \u043c\u044b \u043d\u0430\u043f\u0438\u0441\u0430\u043b\u0438 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u044f\u0434\u0435\u0440 \u043d\u0430 Triton, \u0430 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0437\u0430\u0442\u0435\u043c \u043f\u0435\u0440\u0435\u043f\u0438\u0441\u0430\u043b\u0438 \u043d\u0430 CUDA \u2014 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0443\u043f\u0451\u0440\u043b\u0438\u0441\u044c \u0432 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f Triton.<\/p>\n<h3>CPU offload<\/h3>\n<p>\u041d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043f\u0430\u043c\u044f\u0442\u0438 \u043d\u0435 \u0445\u0432\u0430\u0442\u0430\u0435\u0442 \u0434\u0430\u0436\u0435 \u0441 activation checkpointing. \u0420\u0430\u0441\u0441\u043a\u0430\u0436\u0435\u043c, \u043a\u0430\u043a CPU offload \u043e\u0442\u044b\u0433\u0440\u0430\u043b \u043d\u0430\u043c \u0434\u043e \u0434\u0432\u0443\u0445 \u0434\u0435\u0441\u044f\u0442\u043a\u043e\u0432 \u0433\u0438\u0433\u0430\u0431\u0430\u0439\u0442 \u043d\u0430 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u043e \u0438 \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u043d\u0435 \u0437\u0430\u043c\u0435\u0434\u043b\u0438\u043b, \u0430 \u0443\u0441\u043a\u043e\u0440\u0438\u043b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.<\/p>\n<p>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044f activation checkpointing \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445, \u043c\u044b \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0438\u0441\u044c \u0441 \u043d\u0435\u043e\u0447\u0435\u0432\u0438\u0434\u043d\u043e\u0439 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u043e\u0439. \u0414\u0430\u0436\u0435 \u043a\u043e\u0433\u0434\u0430 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0431\u043b\u043e\u043a\u0430 \u043d\u0435 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442\u0441\u044f, PyTorch \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0434\u043e\u043b\u0436\u0435\u043d \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0432\u0445\u043e\u0434\u044b \u0432 checkpointing-\u0431\u043b\u043e\u043a\u0438, \u0447\u0442\u043e\u0431\u044b \u043d\u0430 backward \u0437\u0430\u043d\u043e\u0432\u043e \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c forward. \u041f\u0440\u0438 \u0441\u043e\u0442\u043d\u044f\u0445 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u044d\u0442\u0438 \u0432\u0445\u043e\u0434\u044b \u0441\u0430\u043c\u0438 \u043f\u043e \u0441\u0435\u0431\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442 \u0437\u0430\u043d\u0438\u043c\u0430\u0442\u044c \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0433\u0438\u0433\u0430\u0431\u0430\u0439\u0442\u043e\u0432 GPU-\u043f\u0430\u043c\u044f\u0442\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0434\u043b\u044f \u043d\u0438\u0445 CPU offloading: \u0432\u043e \u0432\u0440\u0435\u043c\u044f forward \u0432\u044b\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0447\u0430\u0441\u0442\u044c \u0442\u0435\u043d\u0437\u043e\u0440\u043e\u0432 \u043d\u0430 CPU, \u0430 \u043f\u0435\u0440\u0435\u0434 backward \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u043c \u043e\u0431\u0440\u0430\u0442\u043d\u043e.<\/p>\n<p>MoE decoder layer \u043c\u044b \u0440\u0430\u0437\u0431\u0438\u043b\u0438 \u043d\u0430 \u0442\u0440\u0438 checkpointing-\u0431\u043b\u043e\u043a\u0430: attention, MoE-\u0431\u043b\u043e\u043a \u0438 post norm \u043f\u043e\u0441\u043b\u0435 MoE, \u043d\u043e \u043f\u0435\u0440\u0435\u0434 residual. \u0422\u0430\u043a\u043e\u0435 \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c \u0432\u0430\u0436\u043d\u044b\u043c \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u043f\u0430\u043c\u044f\u0442\u0438, \u043d\u043e \u0438 \u0434\u043b\u044f \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0415\u0441\u043b\u0438 \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c post norm \u0432\u043d\u0443\u0442\u0440\u044c MoE-\u0431\u043b\u043e\u043a\u0430, \u0442\u043e \u0432\u043e \u0432\u0440\u0435\u043c\u044f backward PyTorch \u043f\u0435\u0440\u0435\u0441\u0447\u0438\u0442\u0430\u0435\u0442 \u0432\u0435\u0441\u044c \u044d\u0442\u043e\u0442 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442, \u0432\u043a\u043b\u044e\u0447\u0430\u044f \u0434\u043e\u0440\u043e\u0433\u0443\u044e combine-\u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u043b\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u0432\u044b\u043d\u0435\u0441\u043b\u0438 post norm \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e: \u0442\u0430\u043a \u043c\u044b \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u043c \u043f\u0430\u043c\u044f\u0442\u044c, \u043d\u043e \u043d\u0435 \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c autograd \u043f\u043e\u0432\u0442\u043e\u0440\u043d\u043e \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0442\u044c \u0434\u043e\u0440\u043e\u0433\u0443\u044e \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u043e\u043d\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c MoE.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/48d\/68a\/d95\/48d68ad9505ddbf74526a0fa818967e8.png\" alt=\"\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 offload: \u043a \u043a\u043e\u043d\u0446\u0443 forward \u0440\u0430\u0441\u0442e\u0442 \u043f\u0438\u043a \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439.\" title=\"\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 offload: \u043a \u043a\u043e\u043d\u0446\u0443 forward \u0440\u0430\u0441\u0442e\u0442 \u043f\u0438\u043a \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439.\" width=\"1280\" height=\"425\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/48d\/68a\/d95\/48d68ad9505ddbf74526a0fa818967e8.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/48d\/68a\/d95\/48d68ad9505ddbf74526a0fa818967e8.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 offload: \u043a \u043a\u043e\u043d\u0446\u0443 forward \u0440\u0430\u0441\u0442e\u0442 \u043f\u0438\u043a \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439.<\/figcaption><\/div>\n<\/figure>\n<p>\u0421 offload \u043f\u0438\u043a \u0438\u0437 \u0440\u0430\u0441\u0442\u0443\u0449\u0438\u0445 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u0438\u0441\u0447\u0435\u0437\u0430\u0435\u0442. \u041d\u0430 \u044d\u0442\u043e\u043c \u043f\u0440\u043e\u0433\u043e\u043d\u0435 \u043e\u0441\u0432\u043e\u0431\u043e\u0434\u0438\u043b\u043e\u0441\u044c ~16 \u0413\u0411; \u0432\u0434\u043e\u0431\u0430\u0432\u043e\u043a \u0432\u0445\u043e\u0434\u044b MoE-\u0431\u043b\u043e\u043a\u0430 \u043f\u0435\u0440\u0435\u0432\u0435\u0434\u0435\u043d\u044b \u0432 fp8 \u2014 3,2 \u0413\u0411 \u0432\u043c\u0435\u0441\u0442\u043e 6,4 \u0413\u0411.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4d3\/653\/75d\/4d365375deb3f1a986f28b1bd039f92e.png\" alt=\"\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0441 offload\" title=\"\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0441 offload\" width=\"1280\" height=\"425\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/4d3\/653\/75d\/4d365375deb3f1a986f28b1bd039f92e.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4d3\/653\/75d\/4d365375deb3f1a986f28b1bd039f92e.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041f\u0440\u043e\u0444\u0438\u043b\u044c \u043f\u0430\u043c\u044f\u0442\u0438 \u0441 offload<\/figcaption><\/div>\n<\/figure>\n<p>\u041d\u0430 \u0431\u0443\u043c\u0430\u0433\u0435 CPU offloading \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u043e\u0441\u0442\u043e: \u043f\u043e\u043b\u043e\u0436\u0438\u043b\u0438 \u0442\u0435\u043d\u0437\u043e\u0440 \u043d\u0430 CPU, \u043f\u043e\u0442\u043e\u043c \u0432\u0435\u0440\u043d\u0443\u043b\u0438 \u043e\u0431\u0440\u0430\u0442\u043d\u043e. \u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u043e\u0437\u043d\u0438\u043a\u043b\u0430 \u0438\u0437-\u0437\u0430 \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0439. \u041c\u044b \u043a\u043e\u043f\u0438\u0440\u043e\u0432\u0430\u043b\u0438 GPU\u2192CPU \u0432 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u043c CUDA stream \u0438 \u043f\u043e \u0442\u0440\u0435\u0439\u0441\u0430\u043c \u0432\u0438\u0434\u0435\u043b\u0438, \u0447\u0442\u043e \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u043b\u0441\u044f offloading, \u0438\u043d\u043e\u0433\u0434\u0430 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0440\u0430\u0441\u0442\u044f\u0433\u0438\u0432\u0430\u044e\u0442\u0441\u044f. \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u044d\u0442\u043e \u0431\u044b\u043b\u043e \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u043d\u0430 DeepEP, \u0441\u043b\u0430\u0431\u0435\u0435 \u2014 \u043d\u0430 NCCL all-gather. \u0412\u044b\u0432\u043e\u0434 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0441\u044f \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439: \u0443\u043f\u0440\u0430\u0432\u043b\u044f\u0442\u044c \u043d\u0443\u0436\u043d\u043e \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0442\u0435\u043c, \u043a\u0430\u043a\u0438\u0435 \u0442\u0435\u043d\u0437\u043e\u0440\u044b \u0432\u044b\u0433\u0440\u0443\u0436\u0430\u0442\u044c, \u043d\u043e \u0438 \u043c\u043e\u043c\u0435\u043d\u0442\u043e\u043c \u043d\u0430\u0447\u0430\u043b\u0430 \u0432\u044b\u0433\u0440\u0443\u0437\u043a\u0438. \u041c\u044b \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u043b\u0438 \u043e\u0431\u0449\u0435\u0435 \u0440\u0430\u0441\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0432\u044b\u0433\u0440\u0443\u0437\u043e\u043a \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u0438 \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0439 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0438 \u043d\u0435 \u043a\u043e\u043d\u043a\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0438, \u0438 \u0440\u0430\u0441\u0442\u044f\u0433\u0438\u0432\u0430\u043d\u0438\u0435 \u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0439 \u0443\u0448\u043b\u043e.<\/p>\n<p>CPU offload \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0440\u0443\u0447\u043a\u043e\u0439 \u0434\u043b\u044f \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u043f\u0430\u043c\u044f\u0442\u044c\u044e, \u0430 \u0440\u044b\u0447\u0430\u0433\u043e\u043c \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u041c\u043e\u0436\u043d\u043e \u0433\u0438\u0431\u043a\u043e \u0432\u044b\u0431\u0438\u0440\u0430\u0442\u044c, \u0432\u0445\u043e\u0434\u044b \u043a\u0430\u043a\u0438\u0445 \u0431\u043b\u043e\u043a\u043e\u0432 \u0432\u044b\u0433\u0440\u0443\u0436\u0430\u0442\u044c \u2014 attention, MoE \u0438\u043b\u0438 post norm, \u2014 \u0442\u0430\u043a \u0447\u0442\u043e \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043e\u0442 7 \u0434\u043e 20 \u0413\u0411 \u043d\u0430 \u0443\u0441\u0442\u0440\u043e\u0439\u0441\u0442\u0432\u043e (432 \u043c\u043b\u0440\u0434, 40 \u0441\u043b\u043ee\u0432). \u041e\u0441\u0432\u043e\u0431\u043e\u0434\u0438\u0432\u0448\u0430\u044f\u0441\u044f \u043f\u0430\u043c\u044f\u0442\u044c \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u0430 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440 \u043c\u0438\u043a\u0440\u043e\u0431\u0430\u0442\u0447\u0430, \u044d\u0442\u043e \u0434\u0430\u043b\u043e \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u044f, \u0430 \u043d\u0430 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430\u0445 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u043e \u0441\u043d\u0438\u0437\u0438\u0442\u044c sequence parallelism \u0438 \u043d\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043e\u0440\u043e\u0433\u0438\u0435 internode-\u043a\u043e\u043c\u043c\u0443\u043d\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<h3>Alignment<\/h3>\n<p>\u041c\u044b \u0432\u044b\u0441\u0442\u0440\u043e\u0438\u043b\u0438 \u043f\u043e\u044d\u0442\u0430\u043f\u043d\u044b\u0439 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 SFT, \u0447\u0442\u043e\u0431\u044b \u043c\u043e\u0434\u0435\u043b\u044c \u0437\u0430\u043f\u043e\u043c\u043d\u0438\u043b\u0430 \u0441\u043f\u043e\u0441\u043e\u0431 \u043e\u0431\u0449\u0435\u043d\u0438\u044f \u0438 \u0431\u0430\u0437\u043e\u0432\u044b\u0435 \u0444\u043e\u0440\u043c\u0430\u0442\u044b; \u0441\u043b\u0435\u0434\u043e\u043c DPO \u0434\u043b\u044f \u043f\u0435\u0440\u0432\u0438\u0447\u043d\u043e\u0439 \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u043a\u0438 \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0439; \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u0442\u0435\u043c \u2014 online RL \u0434\u043b\u044f \u043e\u0431\u043e\u0431\u0449\u0435\u043d\u0438\u044f \u0437\u043d\u0430\u043d\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u0438. \u0422\u0430\u043a\u043e\u0439 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0434\u0430\u043b \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0432\u044b\u0441\u043e\u043a\u0438\u0435 \u0438\u0442\u043e\u0433\u043e\u0432\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438.<\/p>\n<p>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b\u0438 \u0432 \u0430\u0441\u0438\u043d\u0445\u0440\u043e\u043d\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435: train\/inference-\u0447\u0430\u0441\u0442\u0438 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0438 \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0445 \u0433\u0440\u0443\u043f\u043f\u0430\u0445 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0432, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u0430\u0438\u0432\u0430\u0442\u044c \u0438 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442\u044c \u0448\u0430\u0433\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u0414\u043b\u044f \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u0438 \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 FP8-\u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u043a \u043f\u0440\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u044c\u044e, \u0442\u0430\u043a \u0438 \u043f\u0440\u0438 \u0435\u0451 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438. \u0414\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043c\u044b \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e MTP.<\/p>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0440\u0435\u0448\u0438\u043b\u0438 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0439 \u043c\u0435\u0436\u0434\u0443 \u0442\u0435\u043c, \u043a\u0430\u043a \u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438. \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u044d\u0442\u043e\u043c\u0443 \u043d\u0435 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0434\u0435\u043b\u0430\u0442\u044c \u0434\u043e\u0440\u043e\u0433\u043e\u0439 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0435\u0440\u0435\u0441\u0447\u0451\u0442 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u0441\u0442\u0430\u0440\u043e\u0439 \u0432\u0435\u0440\u0441\u0438\u0435\u0439 \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u0442\u0435\u0445\u043d\u0438\u043a\u0438 \u0432\u0440\u043e\u0434\u0435 TIS. \u0412 \u0438\u0442\u043e\u0433\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0441\u043f\u0435\u043b\u0430 \u043f\u0440\u043e\u0439\u0442\u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0448\u0430\u0433\u043e\u0432 \u0434\u043e \u0441\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438, \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043e\u0441\u0442\u0430\u0432\u0430\u043b\u043e\u0441\u044c \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u044b\u043c.<\/p>\n<p>\u041d\u0430 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0441\u0438\u043b\u044c\u043d\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u043f\u043e\u0432\u043b\u0438\u044f\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043e\u043a: \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 R3, \u0440\u0430\u0441\u0447\u0451\u0442 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0445 logits \u0432 lm_head \u0432 FP32, \u0441\u043e\u0433\u043b\u0430\u0441\u043e\u0432\u0430\u043d\u043d\u0430\u044f FP8-\u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0432 train- \u0438 inference-\u0447\u0430\u0441\u0442\u044f\u0445, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0447\u0443\u0432\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0432 \u0431\u043e\u043b\u0435\u0435 \u0432\u044b\u0441\u043e\u043a\u0443\u044e \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c.<\/p>\n<p>\u0414\u043b\u044f \u0431\u043e\u043b\u0435\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 skip-\u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044e. \u0418\u0434\u0435\u044f \u043f\u0440\u043e\u0441\u0442\u0430\u044f. \u0412 \u043d\u0430\u0448\u0435\u043c \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u043d\u0430 \u0440\u0430\u0437\u043d\u0438\u0446\u0435 \u043e\u0446\u0435\u043d\u043e\u043a \u043c\u0435\u0436\u0434\u0443 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c\u0438 \u043e\u0442\u0432\u0435\u0442\u0430\u043c\u0438 \u043d\u0430 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442 \u0436\u0435 \u0432\u043e\u043f\u0440\u043e\u0441. \u041d\u043e \u0431\u044b\u0432\u0430\u044e\u0442 \u0432\u043e\u043f\u0440\u043e\u0441\u044b, \u0433\u0434\u0435 \u0432\u0441\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u0445\u043e\u0440\u043e\u0448\u0438 \u0438\u043b\u0438 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u043f\u043b\u043e\u0445\u0438 \u2014 \u0440\u0430\u0437\u043d\u0438\u0446\u044b \u043d\u0435\u0442, \u0430 \u0437\u043d\u0430\u0447\u0438\u0442, \u0438 \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043d\u0430 \u043d\u0438\u0445 \u043d\u0435\u0447\u0435\u043c\u0443: \u0442\u0430\u043a\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u043d\u0435 \u043d\u0435\u0441\u0451\u0442 \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0433\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0437\u0440\u044f \u043e\u0442\u044a\u0435\u0434\u0430\u0435\u0442 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f. Skip-\u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044f \u043e\u0442\u0431\u0440\u0430\u0441\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0435 \u00ab\u043f\u0443\u0441\u0442\u044b\u0435\u00bb \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0430 \u0448\u0430\u0433\u0435 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432. \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u044d\u0442\u043e \u0430\u043a\u043a\u0443\u0440\u0430\u0442\u043d\u043e, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0442\u0435\u0440\u044f\u0442\u044c \u0432 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0442\u0440\u0430\u0442\u0438\u0442 \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0442\u043e, \u0447\u0442\u043e \u0435\u0451 \u043d\u0438\u0447\u0435\u043c\u0443 \u043d\u0435 \u0443\u0447\u0438\u0442.<\/p>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0438 \u043d\u0430\u0434 ML-\u0447\u0430\u0441\u0442\u044c\u044e. \u0413\u043b\u0430\u0432\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435\u0439 \u0431\u044b\u043b\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0430\u0441\u0438\u043d\u0445\u0440\u043e\u043d\u043d\u044b\u0439 \u0440\u0435\u0436\u0438\u043c \u2014 \u043a\u043e\u0433\u0434\u0430 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u0438 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u0434\u0443\u0442 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e, \u0430 \u043d\u0435 \u0441\u0442\u0440\u043e\u0433\u043e \u043f\u043e \u043e\u0447\u0435\u0440\u0435\u0434\u0438. \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043c\u044b \u0432\u0437\u044f\u043b\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c CISPO (Clipped Importance Sampling Policy Optimization). \u0415\u0441\u043b\u0438 \u0443\u043f\u0440\u043e\u0441\u0442\u0438\u0442\u044c, \u043e\u043d \u043d\u0435 \u0434\u0430\u0451\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0440\u0435\u0437\u043a\u043e \u043c\u0435\u043d\u044f\u0442\u044c \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0437\u0430 \u043e\u0434\u0438\u043d \u0448\u0430\u0433. \u0418\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043a\u0438\u0435 \u00ab\u0440\u044b\u0432\u043a\u0438\u00bb \u0447\u0430\u0441\u0442\u043e \u0440\u0430\u0437\u0432\u0430\u043b\u0438\u0432\u0430\u044e\u0442 \u0434\u043b\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435; CISPO \u0438\u0445 \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u0435\u0442 \u0438 \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e \u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f \u0434\u0430\u0436\u0435 \u043d\u0430 \u0434\u043e\u043b\u0433\u0438\u0445 \u043f\u0440\u043e\u0433\u043e\u043d\u0430\u0445. \u0415\u0449\u0451 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 curriculum-\u0441\u044d\u043c\u043f\u043b\u0435\u0440 \u2014 \u043f\u043e \u0441\u0443\u0442\u0438, \u00ab\u0443\u043c\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u043f\u043e\u0434\u0430\u0432\u0430\u0442\u0435\u043b\u044f\u00bb, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u0435\u0442 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0437\u0430\u0434\u0430\u0447 \u043f\u043e\u0434 \u0442\u0435\u043a\u0443\u0449\u0438\u0439 \u044d\u0442\u0430\u043f: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u043f\u0440\u043e\u0449\u0435, \u043f\u043e\u0442\u043e\u043c \u0441\u043b\u043e\u0436\u043d\u0435\u0435. \u041f\u0440\u043e\u0446\u0435\u0441\u0441 \u0441\u0442\u0430\u043b \u0440\u043e\u0432\u043d\u0435\u0435, \u0430 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u2014 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e \u0440\u0430\u0441\u0442\u0443\u0449\u0438\u043c\u0438.<\/p>\n<p>\u041c\u044b \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0438\u043b\u0438\u0441\u044c \u043d\u0430 \u043f\u044f\u0442\u0438 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445: \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430, \u043a\u043e\u0434, \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0438 \u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u043d\u0430\u0443\u043a\u0438 \u0438 \u043e\u0431\u0449\u0435\u043d\u0438\u0435 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u043e\u043c. \u0414\u043b\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u043f\u043e\u0434\u0445\u043e\u0434 GRM (Generative Reward Models): \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c-\u00ab\u0441\u0443\u0434\u044c\u044e\u00bb, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442\u044b \u0442\u0435\u043a\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>\u0425\u043e\u0440\u043e\u0448\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043d\u0430\u0433\u0440\u0430\u0434\u044b \u2014 \u044d\u0442\u043e \u043f\u043e\u043b\u043e\u0432\u0438\u043d\u0430 \u0443\u0441\u043f\u0435\u0445\u0430. \u041d\u0430\u0433\u0440\u0430\u0434\u0430 \u0434\u043e\u043b\u0436\u043d\u0430 \u0434\u0430\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0447\u0451\u0442\u043a\u0438\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u00ab\u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u0445\u043e\u0440\u043e\u0448\u043e\u00bb, \u0438\u043d\u0430\u0447\u0435 \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u0442\u044c\u0441\u044f \u043d\u0435 \u043d\u0430 \u0447\u0435\u043c. \u0418 \u0437\u0434\u0435\u0441\u044c \u0435\u0441\u0442\u044c \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u043b\u043e\u0432\u0443\u0448\u043a\u0430 \u2014 reward hacking: \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0445\u043e\u0434\u0438\u0442 \u043b\u0430\u0437\u0435\u0439\u043a\u0443, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0440\u0435\u0437\u043a\u043e \u043f\u043e\u0432\u044b\u0448\u0430\u0435\u0442 \u043d\u0430\u0433\u0440\u0430\u0434\u0443, \u043d\u043e \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u043b\u043e\u043c\u0430\u0435\u0442 \u0430\u0434\u0435\u043a\u0432\u0430\u0442\u043d\u043e\u0441\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u043e\u0432. \u0424\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e \u00ab\u043e\u0446\u0435\u043d\u043a\u0430\u00bb \u0440\u0430\u0441\u0442\u0451\u0442, \u043f\u043e \u0444\u0430\u043a\u0442\u0443 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0434\u0430\u0435\u0442.<\/p>\n<p>\u0417\u0434\u0435\u0441\u044c \u043c\u044b \u0438 \u043d\u0430\u0441\u0442\u0443\u043f\u0438\u043b\u0438 \u043d\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0433\u0440\u0430\u0431\u043b\u0438: \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0434\u0438\u0430\u043b\u043e\u0433\u0430\u043c \u0441\u0443\u0434\u044c\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0445\u0432\u0430\u043b\u0438\u043b \u0431\u043e\u043b\u0435\u0435 \u0440\u0430\u0437\u0432\u0451\u0440\u043d\u0443\u0442\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0431\u044b\u0441\u0442\u0440\u043e \u044d\u0442\u043e \u0440\u0430\u0441\u043a\u0443\u0441\u0438\u043b\u0430: \u043d\u0430\u0447\u0430\u043b\u0430 \u0440\u0430\u0437\u0434\u0443\u0432\u0430\u0442\u044c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0440\u0430\u0434\u0438 \u043d\u0430\u0433\u0440\u0430\u0434\u044b, \u0430 \u043d\u0435 \u0440\u0430\u0434\u0438 \u0441\u043c\u044b\u0441\u043b\u0430. \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u0432 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0435 \u0438 \u043a\u043e\u0434\u0435 \u0434\u043b\u0438\u043d\u043d\u044b\u0435 \u0446\u0435\u043f\u043e\u0447\u043a\u0438 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0439 \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u044b \u0438 \u0447\u0435\u0441\u0442\u043d\u043e \u043f\u043e\u0432\u044b\u0448\u0430\u044e\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0438, \u0442\u0430\u043a \u0447\u0442\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u00ab\u0437\u0430\u043f\u0440\u0435\u0442\u0438\u0442\u044c \u0434\u043b\u0438\u043d\u0443\u00bb \u043d\u0435\u043b\u044c\u0437\u044f.<\/p>\n<p>\u0420\u0435\u0448\u0438\u043b\u0438 \u044d\u0442\u0443 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u0434\u0432\u0443\u043c\u044f \u0448\u0442\u0440\u0430\u0444\u0430\u043c\u0438. \u0414\u043e\u043c\u0435\u043d\u043d\u044b\u0439 \u0448\u0442\u0440\u0430\u0444 \u0437\u0430 \u0434\u043b\u0438\u043d\u0443 (domain overlong penalty) \u043d\u0430\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0437\u0430 \u043c\u043d\u043e\u0433\u043e\u0441\u043b\u043e\u0432\u0438\u0435 \u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u043d\u043e \u043d\u0435 \u043d\u0443\u0436\u043d\u043e, \u043d\u043e \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u0432\u043e\u0431\u043e\u0434\u0443 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0430\u0442\u044c \u0432 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0435 \u0438 \u043a\u043e\u0434\u0435, \u0430 \u0448\u0442\u0440\u0430\u0444 \u0437\u0430 \u043f\u043e\u0432\u0442\u043e\u0440\u044b (repetition penalty) \u043e\u0442\u0443\u0447\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0445\u043e\u0434\u0438\u0442\u044c \u043f\u043e \u043a\u0440\u0443\u0433\u0443. \u0412 \u0438\u0442\u043e\u0433\u0435 \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0433\u0438\u0431\u043a\u043e \u0443\u043f\u0440\u0430\u0432\u043b\u044f\u0442\u044c \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435\u043c \u0438 \u043e\u0442\u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u00ab\u043b\u0438\u0442\u044c \u0432\u043e\u0434\u0443\u00bb, \u043a\u0430\u043a \u0441\u0442\u0443\u0434\u0435\u043d\u0442, \u0440\u0430\u0441\u0442\u044f\u0433\u0438\u0432\u0430\u044e\u0449\u0438\u0439 \u0434\u0438\u043f\u043b\u043e\u043c \u0434\u043e \u043d\u0443\u0436\u043d\u043e\u0433\u043e \u043e\u0431\u044a\u0451\u043c\u0430.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/b18\/ed3\/53f\/b18ed353f48d3b84d07236dc5e6a6ee6.png\" width=\"2738\" height=\"1510\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/b18\/ed3\/53f\/b18ed353f48d3b84d07236dc5e6a6ee6.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/b18\/ed3\/53f\/b18ed353f48d3b84d07236dc5e6a6ee6.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u0427\u0442\u043e\u0431\u044b \u0432\u044b\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0435 \u0440\u0430\u0441\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432. \u0412\u044b\u0432\u043e\u0434 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0441\u044f \u0442\u0430\u043a\u043e\u0439: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0443\u0436\u043d\u043e \u043d\u0430\u0443\u0447\u0438\u0442\u044c \u043e\u0441\u043d\u043e\u0432\u0430\u043c: \u043e\u0431\u0449\u0430\u0442\u044c\u0441\u044f \u0441 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u043c \u0434\u0440\u0443\u0436\u0435\u043b\u044e\u0431\u043d\u043e \u0438 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e, \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u043e\u043c \u043f\u043e\u0441\u0442\u0435\u043f\u0435\u043d\u043d\u043e \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0430\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u043e\u0431\u043b\u0430\u0441\u0442\u0438, \u0448\u0430\u0433 \u0437\u0430 \u0448\u0430\u0433\u043e\u043c \u043f\u043e\u0432\u044b\u0448\u0430\u044f \u0434\u043e\u043b\u044e \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0438\u0445 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c.<\/p>\n<p>\u041b\u043e\u0433\u0438\u043a\u0430 \u0437\u0434\u0435\u0441\u044c \u043a\u0430\u043a \u0432 \u043e\u0431\u044b\u0447\u043d\u043e\u0439 \u0443\u0447\u0451\u0431\u0435: \u043d\u0435 \u0438\u043c\u0435\u0435\u0442 \u0441\u043c\u044b\u0441\u043b\u0430 \u0434\u0430\u0432\u0430\u0442\u044c \u0438\u043d\u0442\u0435\u0433\u0440\u0430\u043b\u044b \u0442\u043e\u043c\u0443, \u043a\u0442\u043e \u0435\u0449\u0451 \u043d\u0435 \u043e\u0441\u0432\u043e\u0438\u043b \u0430\u0440\u0438\u0444\u043c\u0435\u0442\u0438\u043a\u0443. \u0422\u0430\u043a\u043e\u0439 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0434\u0430\u0451\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u043f\u043b\u043e\u0442\u043d\u044b\u0439 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0438\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u2014 \u0438 \u0447\u0442\u043e\u0431\u044b \u044d\u0442\u043e \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0442\u044c, \u043c\u044b \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043b\u0438 curriculum-\u0441\u044d\u043c\u043f\u043b\u0435\u0440 \u043f\u043e \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0430\u043c \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u0435\u0442 \u043d\u0443\u0436\u043d\u0443\u044e \u0441\u043c\u0435\u0441\u044c \u0434\u0430\u043d\u043d\u044b\u0445 \u043f\u043e\u0434 \u0442\u0435\u043a\u0443\u0449\u0443\u044e \u0441\u0442\u0430\u0434\u0438\u044e.<\/p>\n<p>\u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u0432\u0435\u0441\u0442\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0434\u0438\u0430\u043b\u043e\u0433, \u043d\u043e \u0438 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u043f\u043e\u0434\u0442\u044f\u043d\u0443\u043b\u0430 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443, \u043a\u043e\u0434 \u0438 \u043d\u0430\u0443\u0447\u043d\u044b\u0435 \u0434\u0438\u0441\u0446\u0438\u043f\u043b\u0438\u043d\u044b.<\/p>\n<h2>\u041c\u0435\u0442\u0440\u0438\u043a\u0438<\/h2>\n<p>\u0412\u0435\u0441\u044c \u0440\u0435\u0446\u0435\u043f\u0442 \u0438\u0437 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0445 \u0433\u043b\u0430\u0432 \u2014 \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442, \u0434\u043e\u043b\u0438\u0432\u043a\u0430 \u043a\u043e\u0434\u043e\u0432\u044b\u0445 \u0441\u0435\u043c\u043f\u043b\u043e\u0432, \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u043f\u0440\u0430\u0432\u043a\u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0438 \u043f\u043e\u0447\u0438\u0449\u0435\u043d\u043d\u044b\u0439 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u2014 \u043f\u043e\u043c\u043e\u0433 \u043d\u0430\u043c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u044b\u0439 pretrain, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u0431\u0443\u0434\u0443\u0442 \u0441\u0442\u0440\u043e\u0438\u0442\u044c\u0441\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u043b\u0438\u043d\u0435\u0439\u043a\u0438 GigaChat 3.5. \u0412 \u043e\u0431\u0449\u0438\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 GigaChat-3.5-Ultra-Base \u043e\u0431\u0445\u043e\u0434\u0438\u0442 \u0438 DeepSeek V3.2 Exp Base \u0438 DeepSeek V4 Flash Base.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/812\/f2a\/bf7\/812f2abf71889ad521a39f35324e13ad.png\" width=\"1280\" height=\"1048\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/812\/f2a\/bf7\/812f2abf71889ad521a39f35324e13ad.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/812\/f2a\/bf7\/812f2abf71889ad521a39f35324e13ad.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u041c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430 \u2014 \u043e\u0434\u043d\u0430 \u0438\u0437 \u0441\u0430\u043c\u044b\u0445 \u0441\u0438\u043b\u044c\u043d\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u0435\u0439 \u0431\u0430\u0437\u044b. \u0412 \u0441\u0440\u0435\u0434\u043d\u0435\u043c \u043d\u0430 MinervaMATH, GSM8K \u0438 MGSM \u043c\u043e\u0434\u0435\u043b\u044c \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043f\u0435\u0440\u0432\u043e\u0435 \u043c\u0435\u0441\u0442\u043e, \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e \u043e\u043f\u0435\u0440\u0435\u0436\u0430\u044f DeepSeek V4 Flash \u0438 DeepSeek V3.2 Exp Base.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/9c8\/bd1\/1b3\/9c8bd11b3107e2d508e73a16fb7ca7bf.png\" width=\"1288\" height=\"540\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/9c8\/bd1\/1b3\/9c8bd11b3107e2d508e73a16fb7ca7bf.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/9c8\/bd1\/1b3\/9c8bd11b3107e2d508e73a16fb7ca7bf.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u043c\u0435\u0442\u0438\u043c \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043f\u0440\u043e\u0433\u0440\u0435\u0441\u0441 \u0432 \u043a\u043e\u0434\u043e\u0432\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445. \u0417\u0430 \u0441\u0447\u0451\u0442 \u043e\u0431\u043d\u043e\u0432\u043b\u0451\u043d\u043d\u043e\u0433\u043e pretrain-\u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 (\u0431\u044b\u043b\u043e 16 \u044f\u0437\u044b\u043a\u043e\u0432 \u2014 \u0441\u0442\u0430\u043b\u043e \u0431\u043e\u043b\u0435\u0435 600), \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0440\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e\u0435 \u043f\u0435\u0440\u0432\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0432 \u043a\u043e\u0434\u043e\u0432\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445, \u0434\u0430\u043b\u0435\u043a\u043e \u043e\u0431\u0445\u043e\u0434\u044f \u0438 DeepSeek V4 Flash, \u0438 DeepSeek V3.2 Exp Base. \u042d\u0442\u043e \u0441\u0430\u043c\u044b\u0439 \u043d\u0430\u0433\u043b\u044f\u0434\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u043f\u0435\u0440\u0435\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u0432\u043b\u0438\u044f\u0435\u0442 \u043d\u0430 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/020\/e10\/3a9\/020e103a9ca3a182eb14f486c8805ca5.png\" width=\"1310\" height=\"724\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/020\/e10\/3a9\/020e103a9ca3a182eb14f486c8805ca5.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/020\/e10\/3a9\/020e103a9ca3a182eb14f486c8805ca5.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u0412\u044b\u0448\u0435 \u043c\u044b \u0443\u0436\u0435 \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u043f\u0440\u043e \u043d\u043e\u0432\u0438\u043d\u043a\u0443 \u0432 \u044d\u0442\u043e\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u2014 \u044d\u0442\u0430\u043f Online RL, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0438\u043b\u044c\u043d\u043e \u043f\u043e\u043c\u043e\u0433 \u0443\u043b\u0443\u0447\u0448\u0438\u0442\u044c \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0432 Instruction Following \u0438 \u0430\u0440\u0435\u043d\u0430\u0445. \u0418\u0442\u043e\u0433\u043e\u0432\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c, \u043f\u0440\u043e\u0439\u0434\u044f \u0432\u0441\u0435 \u0447\u0435\u0442\u044b\u0440\u0435 \u044d\u0442\u0430\u043f\u0430 \u043f\u043e\u0441\u0442\u0442\u0440\u0435\u0439\u043d\u0438\u043d\u0433\u0430, \u0441\u0440\u0430\u0432\u043d\u0438\u043c\u0430 \u0441 DeepSeek V3.2 \u043f\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c, \u0431\u0443\u0434\u0443\u0447\u0438 \u043c\u0435\u043d\u044c\u0448\u0435 \u0435\u0451 \u0432 \u043f\u043e\u043b\u0442\u043e\u0440\u0430 \u0440\u0430\u0437\u0430:<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/2f0\/19c\/549\/2f019c54944a795fbbfc2d94f48fb6a1.png\" alt=\"\u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 LLM-as-a-Judge \u0441\u0443\u0434\u044c\u0438 \u0434\u043b\u044f \u0430\u0440\u0435\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f MiniMax-M2.7\" title=\"\u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 LLM-as-a-Judge \u0441\u0443\u0434\u044c\u0438 \u0434\u043b\u044f \u0430\u0440\u0435\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f MiniMax-M2.7\" width=\"1842\" height=\"1988\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/2f0\/19c\/549\/2f019c54944a795fbbfc2d94f48fb6a1.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/2f0\/19c\/549\/2f019c54944a795fbbfc2d94f48fb6a1.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0412 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 LLM-as-a-Judge \u0441\u0443\u0434\u044c\u0438 \u0434\u043b\u044f \u0430\u0440\u0435\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f MiniMax-M2.7<\/figcaption><\/div>\n<\/figure>\n<p>\u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u043e\u0431\u043d\u043e\u0432\u043b\u0451\u043d\u043d\u043e\u043c\u0443 \u0440\u0435\u0446\u0435\u043f\u0442\u0443 \u0441\u0431\u043e\u0440\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u044e online RL \u043d\u0430\u0448\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043b\u0443\u0447\u0448\u0435 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u043f\u043e \u043c\u043d\u0435\u043d\u0438\u044e MiniMax-M2.7, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 LLM-\u0441\u0443\u0434\u044c\u0438.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/a52\/165\/301\/a521653017bfe0bb400cacb9d61a4bb0.png\" width=\"1994\" height=\"1158\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/a52\/165\/301\/a521653017bfe0bb400cacb9d61a4bb0.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/a52\/165\/301\/a521653017bfe0bb400cacb9d61a4bb0.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u0443 \u043d\u0430\u0441 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043e\u0447\u0435\u043d\u044c \u0431\u044b\u0441\u0442\u0440\u0443\u044e \u0438 \u0443\u043c\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043a \u0442\u043e\u043c\u0443 \u0436\u0435 \u043e\u0447\u0435\u043d\u044c \u0445\u043e\u0440\u043e\u0448\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u0435\u0431\u044f \u043d\u0430 \u0430\u0440\u0435\u043d\u0430\u0445.<\/p>\n<h2>\u0412\u044b\u0432\u043e\u0434<\/h2>\n<p>GigaChat 3.5 Ultra \u0434\u043b\u044f \u043d\u0430\u0441 \u2014 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0435 \u0447\u0438\u0441\u043b\u043e \u0432 \u043b\u0438\u043d\u0435\u0439\u043a\u0435, \u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u044b, \u0447\u0442\u043e \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0441 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u043c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c \u043c\u043e\u0436\u043d\u043e \u0434\u043e\u0432\u0435\u0441\u0442\u0438 \u0434\u043e \u0441\u043e\u0442\u0435\u043d \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u043d\u0435 \u0440\u0430\u0437\u043c\u0435\u043d\u0438\u0432\u0430\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c. \u041f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0443\u0434\u0430\u043b\u0430\u0441\u044c: \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 40% \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0435\u0435 \u043f\u0440\u043e\u0448\u043b\u043e\u0433\u043e \u0444\u043b\u0430\u0433\u043c\u0430\u043d\u0430, \u0442\u0440\u0430\u0442\u0438\u0442 \u0432 \u0447\u0435\u0442\u044b\u0440\u0435 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 \u043a\u0435\u0448\u0430 \u043d\u0430 \u0442\u043e\u043a\u0435\u043d, \u0443\u0441\u043a\u043e\u0440\u044f\u0435\u0442\u0441\u044f \u0434\u043e 2,2 \u0440\u0430\u0437\u0430 \u0437\u0430 \u0441\u0447\u0451\u0442 MTP \u2014 \u0438 \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u0441\u0442\u0430\u043b\u0430 \u0441\u0438\u043b\u044c\u043d\u0435\u0435 \u0432 \u043a\u043e\u0434\u0435, \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0435 \u0438 \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445. \u041a\u043b\u044e\u0447\u0435\u0432\u044b\u043c \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u043d\u0435 \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u043e\u0434\u0438\u043d \u0442\u0440\u044e\u043a, \u0430 \u0434\u0438\u0441\u0446\u0438\u043f\u043b\u0438\u043d\u0430: \u043a\u0430\u0436\u0434\u0430\u044f \u0443\u0441\u043a\u043e\u0440\u044f\u044e\u0449\u0430\u044f \u0444\u0438\u0447\u0430 \u0448\u043b\u0430 \u0432 \u0441\u0432\u044f\u0437\u043a\u0435 \u0441\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0435\u0439, \u043a\u0430\u0436\u0434\u043e\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u043b\u0438 \u043d\u0430 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u043e\u0432, \u0430 \u043d\u0435 \u043d\u0430 \u043e\u0434\u043d\u043e\u0439 \u0443\u0434\u0430\u0447\u043d\u043e\u0439 \u0442\u043e\u0447\u043a\u0435.<\/p>\n<p>\u041c\u044b \u0432\u044b\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 open source, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432\u0435\u0440\u0438\u043c, \u0447\u0442\u043e \u0442\u0430\u043a\u0438\u0435 \u0440\u0435\u0446\u0435\u043f\u0442\u044b \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u043e\u043c, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0438\u043c\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u043c\u0438. \u0412\u0435\u0441\u0430 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b \u043d\u0430 <a href=\"https:\/\/huggingface.co\/collections\/ai-sage\/gigachat-35\">HuggingFace<\/a> \u0438 <a href=\"https:\/\/gitverse.ru\/GigaTeam\/gigachat3.5\">GitVerse<\/a> \u043f\u043e\u0434 MIT.<\/p>\n<p>\u0410 \u0435\u0441\u043b\u0438 \u0432\u0430\u043c \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u043f\u043e\u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u0432 \u0440\u0430\u0437\u0432\u0438\u0442\u0438\u0438 \u043d\u0430\u0448\u0435\u0439 \u043b\u0438\u043d\u0435\u0439\u043a\u0438, \u043f\u043e\u0447\u0438\u043d\u043a\u0435 \u0441\u0442\u0430\u0440\u043e\u0433\u043e \u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043d\u043e\u0432\u043e\u0433\u043e, \u0442\u043e \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0435 \u043a \u043d\u0430\u043c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c. \u041c\u044b \u0432\u0441\u0435\u0433\u0434\u0430 \u0440\u0430\u0434\u044b \u043f\u043e\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0441\u0438\u043b\u044c\u043d\u044b\u043c\u0438 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435 \u0431\u043e\u044f\u0442\u0441\u044f \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447.<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1055826\/\">https:\/\/habr.com\/ru\/articles\/1055826\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0421\u0430\u043b\u044e\u0442, \u0425\u0430\u0431\u0440!\u0421\u0435\u0433\u043e\u0434\u043d\u044f \u043c\u044b \u0432\u044b\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0435\u043c \u0432 open source GigaChat 3.5 Ultra \u2014 \u043d\u0430\u0448\u0443 \u043d\u043e\u0432\u0443\u044e 432B-\u043c\u043e\u0434\u0435\u043b\u044c. \u0412 \u044d\u0442\u043e\u043c \u0440\u0435\u043b\u0438\u0437\u0435 \u043c\u044b \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0434\u043b\u044f \u043d\u0430\u0448\u0435\u0439 \u043b\u0438\u043d\u0435\u0439\u043a\u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u043d\u0430 \u0441\u043e\u0442\u043d\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 \u0438 \u0443\u0441\u0438\u043b\u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043a\u043e\u0434\u0435, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0438 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445.GigaChat 3.5 Ultra \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0435\u0435 \u043f\u0440\u043e\u0448\u043b\u043e\u0433\u043e \u0444\u043b\u0430\u0433\u043c\u0430\u043d\u0430: 432 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432\u043c\u0435\u0441\u0442\u043e 700 \u043c\u043b\u0440\u0434 \u0443 GigaChat 3.1 Ultra. \u041d\u043e \u044d\u0442\u043e \u043d\u0435 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u00ab\u043c\u0435\u043d\u044c\u0448\u0435, \u0437\u0430\u0442\u043e \u0434\u0435\u0448\u0435\u0432\u043b\u0435\u00bb: \u0437\u0430 \u0441\u0447\u0451\u0442 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0431\u043d\u043e\u0432\u043b\u0451\u043d\u043d\u043e\u0433\u043e \u0440\u0435\u0446\u0435\u043f\u0442\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u043b\u0430 \u0441\u0438\u043b\u044c\u043d\u0435\u0435, \u0430 \u0442\u0430\u043a\u0436\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438.\u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e? \u0414\u043e\u0431\u0440\u043e \u043f\u043e\u0436\u0430\u043b\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 \u043a\u0430\u0442.\u0427\u0442\u043e \u043d\u043e\u0432\u043e\u0433\u043e?GigaChat 3.5 \u2014 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c 1500 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438, \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043e\u0439, \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438. \u0413\u043b\u0430\u0432\u043d\u043e\u0435:\u0421\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0430\u044f \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0430\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430. \u041c\u044b \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043b\u0438 MLA-\u0441\u043b\u043e\u0438 \u0441 GatedDeltaNet \u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b, \u0447\u0442\u043e\u0431\u044b \u0432\u0441e \u044d\u0442\u043e \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u043e \u043e\u0431\u0443\u0447\u0430\u043b\u043e\u0441\u044c \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0441\u043e\u0442\u0435\u043d \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.\u0411\u043e\u043b\u0435\u0435 \u0434\u0435\u0448\u0451\u0432\u044b\u0439 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441. \u0412 432B-\u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 \u0447\u0435\u0442\u044b\u0440\u0435 \u0440\u0430\u0437\u0430 \u043c\u0435\u043d\u044c\u0448\u0435 KV-\u043a\u0435\u0448\u0430 \u043d\u0430 \u0442\u043e\u043a\u0435\u043d, \u0432 \u0442\u0443 \u0436\u0435 \u043f\u0430\u043c\u044f\u0442\u044c \u043f\u043e\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0431\u043e\u043b\u044c\u0448\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430, \u0430 throughput \u0432\u044b\u0440\u043e\u0441 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 20%.\u041c\u0435\u043d\u044c\u0448\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0431\u043e\u043b\u044c\u0448\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u041c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u043b\u0430 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0435\u0435 700B-\u0444\u043b\u0430\u0433\u043c\u0430\u043d\u0430, \u043d\u043e \u0437\u0430 \u0441\u0447\u0451\u0442 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u044b\u0440\u043e\u0441\u043b\u0430 \u0432 \u043a\u043e\u0434\u0435, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0438 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445.\u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0447\u0435\u0440\u0435\u0437 MTP. \u041c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 MTP-\u0433\u043e\u043b\u043e\u0432\u044b \u0434\u043b\u044f self-speculative decoding: \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0434\u0430\u044e\u0442 \u043f\u0435\u0440\u0432\u044b\u0435 \u0434\u0432\u0435, \u0443\u0441\u043a\u043e\u0440\u044f\u044f greedy decoding \u0432 2,2 \u0440\u0430\u0437\u0430.FP8 \u043d\u0430 \u0432\u0441\u0435\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u041f\u043e\u043d\u0438\u0436\u0435\u043d\u043d\u0430\u044f \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0443\u0441\u043a\u043e\u0440\u0438\u043b\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u0438 \u0441\u043d\u0438\u0437\u0438\u043b\u0430 \u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u0435 \u043f\u0430\u043c\u044f\u0442\u0438 \u0431\u0435\u0437 \u043f\u043e\u0442\u0435\u0440\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e bf16.\u0430Online RL \u0432 alignment. \u041d\u043e\u0432\u044b\u0439 \u044d\u0442\u0430\u043f \u043f\u043e\u0441\u043b\u0435 Pretrain \u2192 Stage 1.5 \u2192 SFT \u2192 DPO \u0443\u043b\u0443\u0447\u0448\u0438\u043b Instruction Following, \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0430\u0440\u0435\u043d\u0430\u0445.\u041a\u0430\u043a \u043c\u044b \u0435\u0433\u043e \u0434\u0435\u043b\u0430\u043b\u0438?\u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f pretrain\u0412 \u043f\u0440\u043e\u0448\u043b\u044b\u0445 \u0440\u0435\u043b\u0438\u0437\u0430\u0445 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442 pretrain \u043c\u044b \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u0441\u0442\u0440\u043e\u0438\u043b\u0438 \u043d\u0430 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0435: \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0430\u043c\u0430 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u0434\u0430\u043d\u043d\u044b\u0435. \u041d\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043e\u0442\u043b\u0438\u0447\u043d\u043e, \u043d\u043e \u043f\u0440\u0438 \u0441\u043e\u0442\u043d\u044f\u0445 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0438 \u0442\u0440\u0438\u043b\u043b\u0438\u043e\u043d\u0430\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u0441\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0435\u043c \u00ab\u0441\u0445\u043b\u043e\u043f\u044b\u0432\u0430\u0435\u0442\u0441\u044f\u00bb \u0432 \u043e\u0434\u043d\u043e\u0442\u0438\u043f\u043d\u043e\u0441\u0442\u044c: \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u043f\u0430\u0434\u0430\u0435\u0442, \u043f\u043e\u043a\u0440\u044b\u0442\u0438\u0435 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0435\u0432 \u043d\u0435\u043f\u043e\u043b\u043d\u043e\u0435. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 3.5 \u043c\u044b \u043f\u0435\u0440\u0435\u043e\u0441\u043c\u044b\u0441\u043b\u0438\u043b\u0438 \u043f\u043e\u0434\u0445\u043e\u0434, \u0438 \u0434\u043b\u044f \u043e\u0441\u043d\u043e\u0432\u044b pretrain-\u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435, \u043d\u0430\u0442\u0443\u0440\u0430\u043b\u044c\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b.\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u043f\u0440\u043e\u0440\u044b\u0432 \u2014 \u0432\u0435\u0431. \u041c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 HTML-\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0447\u0435\u0440\u0435\u0437 LLM-\u043f\u0430\u0440\u0441\u0438\u043d\u0433 (\u0434\u0430, \u044d\u0442\u043e \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u043e\u0431\u044a\u0451\u043c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439), \u0438 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0447\u0438\u0441\u0442\u044b\u0439 Markdown \u0441 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435\u043c \u0444\u043e\u0440\u043c\u0443\u043b, \u0442\u0430\u0431\u043b\u0438\u0446 \u0438 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u0432\u043c\u0435\u0441\u0442\u043e \u043f\u0440\u0438\u0432\u044b\u0447\u043d\u043e\u0439 \u043c\u0435\u0448\u0430\u043d\u0438\u043d\u044b \u0438\u0437 \u0442\u0435\u0433\u043e\u0432 \u0438 \u043c\u0443\u0441\u043e\u0440\u0430. \u0412 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u0445 \u044d\u0442\u043e \u0434\u0430\u043b\u043e \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 MMLU, MATH \u0438 \u0434\u0440\u0443\u0433\u0438\u0445 \u043c\u0435\u0442\u0440\u0438\u043a.\u0421\u0438\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u043a\u0430\u0447\u0430\u043b\u0438 \u043a\u043e\u0434: \u0431\u044b\u043b\u043e 16 \u044f\u0437\u044b\u043a\u043e\u0432 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f, \u0441\u0442\u0430\u043b\u043e \u0431\u043e\u043b\u044c\u0448\u0435 600.\u0427\u0442\u043e\u0431\u044b \u0434\u043e\u0431\u044b\u0432\u0430\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u043e\u0434 \u0438\u0437 \u0432\u0435\u0431\u0430 (\u0444\u043e\u0440\u0443\u043c\u044b, \u0440\u0430\u0437\u0431\u043e\u0440\u044b \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u0430), \u043c\u044b \u043e\u0431\u0443\u0447\u0438\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u044b. \u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u043c \u043b\u0435\u0433\u043a\u0438\u0439 fasttext \u0441 \u0432\u044b\u0441\u043e\u043a\u0438\u043c recall, \u043e\u043d \u0434\u0451\u0448\u0435\u0432\u043e \u043e\u0442\u0441\u0435\u043a\u0430\u0435\u0442 \u043e\u0441\u043d\u043e\u0432\u043d\u0443\u044e \u043c\u0430\u0441\u0441\u0443 \u043c\u0443\u0441\u043e\u0440\u0430, \u0430 \u0443\u0436\u0435 \u043e\u0442\u043e\u0431\u0440\u0430\u043d\u043d\u043e\u0435 \u0434\u043e\u043a\u0440\u0443\u0447\u0438\u0432\u0430\u0435\u043c LLM-\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u043e\u043c.\u00a0\u041c\u044b \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u043c \u043e\u0441\u0432\u0430\u0438\u0432\u0430\u0442\u044c \u043d\u0430\u0448 YT-\u043a\u043b\u0430\u0441\u0442\u0435\u0440, \u0438 \u043d\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0435\u0433\u043e \u0432\u0441\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u0435\u0435. \u041d\u0430 YT \u043c\u044b \u043f\u0435\u0440\u0435\u043d\u0435\u0441\u043b\u0438 \u043d\u0430\u0448 \u043c\u043e\u0434\u0443\u043b\u044c \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0438 \u043b\u0438\u043a\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e \u0432\u044b\u0447\u0438\u0449\u0430\u0435\u0442 \u0438\u0437 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0443\u0442\u0435\u0447\u043a\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432. \u0422\u0443\u0434\u0430 \u0436\u0435 \u043f\u0435\u0440\u0435\u0435\u0445\u0430\u043b\u0430 \u0432\u0441\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0432\u0435\u0431\u0430: LLM-\u043f\u0430\u0440\u0441\u0438\u043d\u0433 HTML, \u0434\u0435\u0434\u0443\u043f\u043b\u0438\u043a\u0430\u0446\u0438\u044f, \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044f \u044d\u0432\u0440\u0438\u0441\u0442\u0438\u043a\u0430\u043c\u0438 \u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430\u043c\u0438. \u041f\u043e \u0441\u0443\u0442\u0438, \u0432\u0441\u0435 \u0442\u044f\u0436\u0435\u043b\u044b\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430\u0434 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0442\u0435\u043f\u0435\u0440\u044c \u043a\u0440\u0443\u0442\u044f\u0442\u0441\u044f \u043d\u0430 YT, \u0438 \u043f\u0440\u043e\u0444\u0438\u0442 \u043e\u0442 \u044d\u0442\u043e\u0433\u043e \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043a\u043e\u043b\u043e\u0441\u0441\u0430\u043b\u044c\u043d\u044b\u0439.\u0420\u0430\u043d\u044c\u0448\u0435 \u043c\u044b \u0438\u0442\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u043f\u043e \u0434\u0430\u043d\u043d\u044b\u043c \u043d\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0441\u0435\u0442\u0430\u043f\u0430\u0445 (3 \u043c\u043b\u0440\u0434 \u043d\u0430 200 \u043c\u043b\u0440\u0434 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, 7 \u043c\u043b\u0440\u0434 \u043d\u0430 40 \u043c\u043b\u0440\u0434). \u0414\u043b\u044f 3.5 \u043c\u044b \u043e\u0442 \u044d\u0442\u043e\u0433\u043e \u043d\u0435 \u043e\u0442\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u2013 \u043d\u043e \u0434\u043b\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441 \u0437\u0430\u0432\u0430\u0440\u043a\u043e\u0439 \u0432\u0441\u0435\u0433\u043e \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u043c\u044b \u043f\u0435\u0440\u0435\u0448\u043b\u0438 \u043d\u0430 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u044b \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2013 120 \u043c\u043b\u0440\u0434 MoE \u043d\u0430 2 \u0442\u0440\u043b\u043d \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0423 \u0442\u0430\u043a\u043e\u0433\u043e \u0441\u0435\u0442\u0430\u043f\u0430 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0432\u044b\u0448\u0435 \u0440\u0430\u0437\u0440\u0435\u0448\u0430\u044e\u0449\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c, \u0438 \u043d\u0430 \u043d\u0451\u043c \u0432\u0438\u0434\u043d\u044b \u044d\u0444\u0444\u0435\u043a\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u044e\u0442\u0441\u044f. \u041d\u0430 \u043d\u043e\u0432\u043e\u043c \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043f\u0440\u043e\u0448\u043b\u044b\u043c \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 +6% MMLU-PRO, +6% MATH \u0438 \u0440\u043e\u0441\u0442 \u043f\u043e \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u043c pretrain-\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c.\u041d\u0435\u0441\u043c\u043e\u0442\u0440\u044f \u043d\u0430 \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0439 pretrain, \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u043d\u0438\u043a\u0443\u0434\u0430 \u043d\u0435 \u0434\u0435\u043b\u0430\u0441\u044c, \u043e\u043d\u0430 \u043f\u043e-\u043f\u0440\u0435\u0436\u043d\u0435\u043c\u0443 \u043d\u0443\u0436\u043d\u0430 \u043d\u0430 \u0441\u0442\u0430\u0434\u0438\u0438 midtrain \u0432 \u043a\u043e\u043d\u0446\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u043a\u0430\u0447\u0430\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0444\u043e\u0440\u043c\u0430\u0442\u0430. \u041d\u043e \u043c\u044b \u0441\u043c\u0435\u0441\u0442\u0438\u043b\u0438 \u0444\u043e\u043a\u0443\u0441 \u0441 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u00ab\u0441 \u043d\u0443\u043b\u044f\u00bb \u0432 \u0441\u0442\u043e\u0440\u043e\u043d\u0443 \u043e\u0431\u043e\u0433\u0430\u0449\u0435\u043d\u0438\u044f \u043e\u0440\u0433\u0430\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432: LLM \u0442\u0435\u043f\u0435\u0440\u044c \u043d\u0435 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u0432\u044b\u0434\u0443\u043c\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0438, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0434\u043e\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442 \u0440\u0435\u0448\u0435\u043d\u0438\u044f, \u043e\u0431\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u044f \u0438 \u043e\u0442\u0432\u0435\u0442\u044b \u043a \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c, \u0438\u0437\u0432\u043b\u0435\u0447\u0451\u043d\u043d\u044b\u043c \u0438\u0437 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u043e\u0432, \u0441\u0442\u0430\u0442\u0435\u0439, \u0432\u0435\u0431\u0430. \u041c\u044b \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043a\u043b\u0430\u043b\u0438 \u0432 \u043f\u0440\u043e\u043c\u043f\u0442 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442, \u0438\u0437 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0431\u044b\u043b \u043f\u043e\u043b\u0443\u0447\u0435\u043d \u0432\u043e\u043f\u0440\u043e\u0441. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0432 \u043a\u043d\u0438\u0433\u0430\u0445 \u0432\u043e\u043f\u0440\u043e\u0441 \u0438\u0434\u0451\u0442 \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u0441\u043b\u0435 \u043f\u0430\u0440\u0430\u0433\u0440\u0430\u0444\u0430, \u0438 \u0442\u043e\u0433\u0434\u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u043c \u043c\u044b \u043f\u0435\u0440\u0435\u0434\u0430\u0432\u0430\u043b\u0438 LLM \u0441\u0430\u043c \u043f\u0430\u0440\u0430\u0433\u0440\u0430\u0444. \u042d\u0442\u043e \u043f\u043e\u0432\u044b\u0448\u0430\u043b\u043e \u0434\u043e\u0441\u0442\u043e\u0432\u0435\u0440\u043d\u043e\u0441\u0442\u044c: \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u043f\u0438\u0440\u0430\u043b\u0430\u0441\u044c \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0441\u0432\u043e\u0438 \u0437\u043d\u0430\u043d\u0438\u044f, \u043d\u043e \u0438 \u043d\u0430 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0439 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a.\u0418\u0442\u043e\u0433\u043e\u0432\u044b\u0439 pretrain-\u043a\u043e\u0440\u043f\u0443\u0441 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 ~52% \u0432\u0435\u0431\u0430, ~16% \u043a\u043e\u0434\u0430, ~6% \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438, ~26% \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432 (\u043d\u0430\u0443\u0447\u043d\u044b\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 \u0438 \u043f\u0440.). \u041d\u0430 midtrain \u0441\u043e\u0441\u0442\u0430\u0432 \u0434\u0440\u0443\u0433\u043e\u0439 \u2014 \u0442\u0430\u043c \u0434\u043e\u043b\u044f \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0438 \u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0432\u044b\u0448\u0435.\u041f\u043e\u043a\u0430 \u0447\u0442\u043e \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0433\u043e \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0430 \u0441\u044b\u0440\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c Common Crawl, \u043d\u043e \u0445\u043e\u0442\u0438\u043c \u0441\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e \u2014 \u044d\u0442\u043e \u0434\u0430\u0441\u0442 \u043a\u0440\u0430\u0442\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0435 \u0434\u0430\u043d\u043d\u044b\u0445. \u0422\u0430\u043a\u0436\u0435 \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u043c \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0432 \u0441\u0435\u0442\u0430\u043f\u0435 120B\/2T (\u044d\u0442\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0434\u043e\u0440\u043e\u0433\u043e) \u0438 \u043f\u0440\u043e\u043a\u0430\u0447\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u0438 \u043a\u043e\u0434.\u042d\u0442\u0430\u043f pretrain\u0417\u0430\u0447\u0435\u043c \u043c\u0435\u043d\u044f\u0442\u044c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442 \u043f\u0440\u0435\u0442\u0440\u0435\u0439\u043d\u0430\u0421\u043e \u0441\u0442\u043e\u0440\u043e\u043d\u044b \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c\u0441\u044f, \u0447\u0442\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0435\u0451 \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c \u0438 \u043e\u0431\u044a\u0451\u043c\u043e\u043c \u0434\u0430\u043d\u043d\u044b\u0445. \u0423\u0432\u0435\u043b\u0438\u0447\u0438\u043b\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0434\u043e\u043b\u044c\u0448\u0435 \u043e\u0431\u0443\u0447\u0430\u043b\u0438, \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u2014 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c.\u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e, \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u0447\u044c \u0438\u0434\u0451\u0442 \u043e MoE-\u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 \u0441 \u0441\u043e\u0442\u043d\u044f\u043c\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0432\u044b\u0441\u043e\u043a\u0438\u043c\u0438 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c\u0438 \u043a \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430. \u041f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0438 \u0440\u0435\u0446\u0435\u043f\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u043d\u0435 \u043c\u0435\u043d\u0435\u0435 \u0432\u0430\u0436\u043d\u044b, \u0447\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 compute.\u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441\u043e\u0432. \u041b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, Multi-Token Prediction \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044b \u043f\u043e\u043c\u043e\u0433\u0430\u044e\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0442\u0435\u043a\u0441\u0442 \u0438 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043f\u0430\u043c\u044f\u0442\u044c, \u043d\u043e \u043e\u043d\u0438 \u043c\u0435\u043d\u044f\u044e\u0442 \u043f\u0443\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432\u043d\u0443\u0442\u0440\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0432\u043b\u0438\u044f\u044e\u0442 \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439 \u0438 \u043c\u043e\u0433\u0443\u0442 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u0435\u043d\u0435\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u044b\u043c.\u0421\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 DeepSeek V3 \u0438 GigaChat-3.5\u0414\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u2014 \u043f\u0435\u0440\u0435\u043d\u043e\u0441 \u0447\u0443\u0436\u043e\u0433\u043e \u0440\u0435\u0446\u0435\u043f\u0442\u0430. \u0414\u0430\u0436\u0435 \u0435\u0441\u043b\u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043e\u043f\u0438\u0441\u0430\u043d\u0430 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u0438\u043b\u0438 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u043e\u0442\u0447\u0451\u0442\u0435, \u0435\u0451 \u043d\u0435\u043b\u044c\u0437\u044f \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u044f\u0442\u044c \u0438 \u0431\u0435\u0437\u0431\u043e\u043b\u0435\u0437\u043d\u0435\u043d\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u043d\u0430 \u0441\u0432\u043e\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0432\u043e\u0451\u043c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u0438 \u0441\u0432\u043e\u0435\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435. \u041c\u0435\u043d\u044f\u044e\u0442\u0441\u044f \u0434\u0430\u043d\u043d\u044b\u0435, \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u0431\u0430\u043b\u0430\u043d\u0441 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432, \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0438 \u0440\u0435\u0436\u0438\u043c mixed precision.\u0421 \u044d\u0442\u0438\u043c \u043c\u044b \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0438\u0441\u044c \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 GigaChat 3.0. \u041c\u044b \u043e\u043f\u0438\u0440\u0430\u043b\u0438\u0441\u044c \u043d\u0430 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0440\u0435\u0446\u0435\u043f\u0442 DeepSeek V3, \u043d\u043e \u043d\u0430 \u043d\u0430\u0448\u0435\u043c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c \u043d\u0435\u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u044b\u043c. \u0414\u0435\u043b\u043e \u0431\u044b\u043b\u043e \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0432 \u0434\u0430\u043d\u043d\u044b\u0445: \u043f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442 \u0438\u0433\u0440\u0430\u0442\u044c \u0440\u043e\u043b\u044c \u043d\u0435\u0434\u043e\u0441\u043a\u0430\u0437\u0430\u043d\u043d\u043e\u0441\u0442\u0438 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0442\u0447\u0451\u0442\u0430 \u0438 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f. \u0427\u0442\u043e\u0431\u044b \u0434\u043e\u0432\u0435\u0441\u0442\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u043e \u043a\u043e\u043d\u0446\u0430, \u043d\u0430\u043c \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b, \u0432 \u0442\u043e\u043c \u0447\u0438\u0441\u043b\u0435 hidden_z_loss, \u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u043c\u044b \u043f\u0438\u0441\u0430\u043b\u0438 \u0432 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0435.\u042d\u0442\u043e\u0442 \u043e\u043f\u044b\u0442 \u0441\u0442\u0430\u043b \u0434\u043b\u044f \u043d\u0430\u0441 \u043e\u0442\u043f\u0440\u0430\u0432\u043d\u043e\u0439 \u0442\u043e\u0447\u043a\u043e\u0439. \u0414\u043b\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0440\u0435\u043b\u0438\u0437\u0430 \u0431\u044b\u043b\u043e \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u0437 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439. \u041d\u0443\u0436\u043d\u043e \u0431\u044b\u043b\u043e \u043f\u043e\u043d\u044f\u0442\u044c \u0441\u043b\u0430\u0431\u044b\u0435 \u043c\u0435\u0441\u0442\u0430 \u043d\u043e\u0432\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b, \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u043d\u0430\u0431\u043e\u0440 \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0445 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u043e\u0432, \u0431\u0435\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0434\u043e\u0439\u0434\u0451\u0442 \u0434\u043e \u043f\u043e\u043b\u043d\u043e\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 GigaChat 3.5 \u043c\u044b \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438 MTP, \u0430 \u0441\u043e\u0431\u0440\u0430\u043b\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u0443\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0440\u0435\u0446\u0435\u043f\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0435\u0451. \u0423\u0441\u043a\u043e\u0440\u044f\u044e\u0449\u0438\u0435 \u0444\u0438\u0447\u0438 \u0448\u043b\u0438 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u043c\u0438: Gated Attention, GatedNorm, \u0441\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439 \u0438 \u043a\u043b\u0438\u043f\u043f\u0438\u043d\u0433\u043e\u043c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439. \u042d\u0442\u0430 \u0441\u0432\u044f\u0437\u043a\u0430 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u043b\u0430 \u043d\u0430\u043c \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043a\u0440\u0443\u043f\u043d\u0443\u044e open source-\u043c\u043e\u0434\u0435\u043b\u044c \u0441 GatedDeltaNet \u0438 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u043c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c \u0431\u0435\u0437 \u043f\u043e\u0442\u0435\u0440\u0438 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438.\u041a\u0430\u043a \u043c\u044b \u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u0412\u0441\u0435 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u043f\u0440\u0430\u0432\u043a\u0438 \u0440\u0435\u0448\u0430\u043b\u0438 \u043e\u0434\u043d\u0443 \u0437\u0430\u0434\u0430\u0447\u0443: \u0443\u0434\u0435\u0440\u0436\u0430\u0442\u044c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u043f\u043e\u0434 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0435\u043c \u043f\u0440\u0438\u00a0 432 \u043c\u043b\u0440\u0434 \u0438 700 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.\u041c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0447\u0435\u0440\u0435\u0437 gating\u0412 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0447\u0430\u0441\u0442\u043e \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u043d\u0435\u044f\u0432\u043d\u044b\u0435 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u044b \u0441\u0430\u043c\u043e\u0441\u0442\u0430\u0431\u0438\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, attention sink \u0438 residual sink. \u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0435\u043b\u044f\u0435\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0438\u043b\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a, \u0447\u0435\u0440\u0435\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b\u0430. \u042d\u0442\u043e \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u0443\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0442\u044c \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0435\u044f\u0432\u043d\u043e \u0438 \u043f\u043b\u043e\u0445\u043e \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442\u0441\u044f.\u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u0442\u0430\u043a\u043e\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0441\u0430\u043c \u043c\u043e\u0436\u0435\u0442 \u0441\u0442\u0430\u0442\u044c \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u043c \u0448\u0443\u043c\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u044f\u0432\u043d\u044b\u0435 \u00ab\u0440\u0443\u0447\u043a\u0438\u00bb \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u043c:Gated Attention: \u0432\u044b\u0445\u043e\u0434 attention-\u0441\u043b\u043e\u044f \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0441\u0438\u0433\u043c\u043e\u0438\u0434\u0430\u043b\u044c\u043d\u044b\u0439 \u0433\u0435\u0439\u0442. \u0422\u0430\u043a \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043f\u0440\u0438\u0433\u043b\u0443\u0448\u0438\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u0438\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b.GatedNorm: \u043f\u043e\u0445\u043e\u0436\u0430\u044f \u0438\u0434\u0435\u044f \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0432 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438. \u0421\u0435\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u044f\u0432\u043d\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u043c\u0435\u0436\u0434\u0443 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u043c\u0438, \u0430 \u043d\u0435 \u043f\u043e\u043b\u0430\u0433\u0430\u0442\u044c\u0441\u044f \u043d\u0430 \u043d\u0435\u044f\u0432\u043d\u044b\u0435 \u00ab\u044f\u043a\u043e\u0440\u044f\u00bb. \u042d\u0442\u043e \u043d\u0430\u0448\u0435 \u043d\u043e\u0432\u043e\u0432\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u2014 \u0432 open source \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0435\u0449\u0451 \u043d\u0435 \u0431\u044b\u043b\u043e.\u0414\u0435\u0442\u0430\u043b\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0433\u0435\u0439\u0442\u043e\u0432Gated Attentionattn = softmax(q @ k.T \/ sqrt(d)) @ vattn_gate = torch.sigmoid(x @ W_gate)attn_out = (attn * attn_gate) @ W_OGated Normx_norm = x * torch.rsqrt(x.pow(2).mean(-1, keepdim=True) + eps)x_norm = x_norm * (1.0 + norm_weight)# gatingnorm_gate = torch.sigmoid(MLP_gate(x_norm))# scale-neutral at initnorm_out = x_norm * 2.0 * norm_gate\u041e\u0431\u044b\u0447\u043d\u044b\u0439 sigmoid(&#8230;) \u043f\u0440\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u0430\u0451\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043e\u043a\u043e\u043b\u043e 0,5, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432\u0445\u043e\u0434 \u0432 \u0433\u0435\u0439\u0442 \u0431\u043b\u0438\u0437\u043e\u043a \u043a \u043d\u0443\u043b\u044e. \u0415\u0441\u043b\u0438 \u0441\u0440\u0430\u0437\u0443 \u0443\u043c\u043d\u043e\u0436\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0430 \u0442\u0430\u043a\u043e\u0439 \u0433\u0435\u0439\u0442, \u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442 \u0441 \u0432\u0434\u0432\u043e\u0435 \u0437\u0430\u043d\u0438\u0436\u0435\u043d\u043d\u044b\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u043e\u043c.\u041c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043c\u043d\u043e\u0436\u0438\u0442\u0435\u043b\u044c 2: 2 * sigmoid(&#8230;). \u041f\u0440\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0430\u043a\u043e\u0439 \u0433\u0435\u0439\u0442 \u0431\u043b\u0438\u0437\u043e\u043a \u043a \u0435\u0434\u0438\u043d\u0438\u0446\u0435 \u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u043e\u0442\u043e\u043a \u0434\u0430\u043d\u043d\u044b\u0445, \u0430 \u0434\u0430\u043b\u044c\u0448\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0430\u043c\u0430 \u0443\u0447\u0438\u0442\u0441\u044f, \u0433\u0434\u0435 \u0441\u0438\u0433\u043d\u0430\u043b \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0438\u0433\u043b\u0443\u0448\u0438\u0442\u044c. \u041f\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435 \u044d\u0442\u0430 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043f\u0440\u0430\u0432\u043a\u0430 \u043e\u043a\u0430\u0437\u0430\u043b\u0430\u0441\u044c \u0440\u0435\u0448\u0430\u044e\u0449\u0435\u0439 \u0434\u043b\u044f \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438.\u0421\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0430\u044f pre-norm \u0437\u0430\u0449\u0438\u0449\u0430\u0435\u0442 \u0432\u0445\u043e\u0434 \u0431\u043b\u043e\u043a\u0430 attention \u0438\u043b\u0438 MLP, \u043d\u043e \u043d\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442 \u0435\u0433\u043e \u0432\u044b\u0445\u043e\u0434. \u0415\u0441\u043b\u0438 \u0431\u043b\u043e\u043a \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b \u0432\u0435\u043a\u0442\u043e\u0440 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u044b, \u0442\u043e \u043e\u043d \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u0442 \u0432 residual stream \u0438 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0441\u043b\u043e\u0438.\u0421\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0435\u0440\u0435\u0434 \u0431\u043b\u043e\u043a\u043e\u043c, \u043d\u043e \u0438 \u043f\u043e\u0441\u043b\u0435 \u043d\u0435\u0433\u043e \u2014 \u043f\u0435\u0440\u0435\u0434 \u0441\u043b\u043e\u0436\u0435\u043d\u0438\u0435\u043c \u0441 residual stream. \u0422\u0430\u043a \u0432 residual stream \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u0442 \u0431\u043e\u043b\u0435\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b, \u0430 \u043d\u0430 backward-\u043f\u0440\u043e\u0445\u043e\u0434\u0435 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043a\u0430\u043a \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0431\u0430\u0440\u044c\u0435\u0440 \u0434\u043b\u044f \u0448\u0443\u043c\u0430.\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u0431\u043b\u043e\u043a\u043e\u0432 \u0441 \u0441\u044d\u043d\u0434\u0432\u0438\u0447-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439# attention blockh = h + post_attn_norm(attn(pre_attn_norm(h)))# mlp blockh = h + post_mlp_norm(mlp(pre_mlp_norm(h)))\u041a\u043b\u0438\u043f\u043f\u0438\u043d\u0433 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439\u0412 MoE-\u0441\u043b\u043e\u044f\u0445 \u0435\u0441\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0442\u043e\u0447\u043a\u0430 \u0440\u0438\u0441\u043a\u0430 \u2014 SwiGLU. \u0412\u043d\u0443\u0442\u0440\u0438 \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u0430 \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u044e\u0442\u0441\u044f silu(gate) \u0438 up, \u0438 \u0440\u0435\u0434\u043a\u0438\u0439 \u0441\u0438\u043b\u044c\u043d\u044b\u0439 \u0432\u044b\u0431\u0440\u043e\u0441 \u043c\u043e\u0436\u0435\u0442 \u0440\u0435\u0437\u043a\u043e \u0443\u0441\u0438\u043b\u0438\u0442\u044c\u0441\u044f \u043f\u0435\u0440\u0435\u0434 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u043e\u0435\u043a\u0446\u0438\u0435\u0439 w2.\u041c\u044b \u043d\u0435 \u0441\u0442\u0430\u043b\u0438&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-486307","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/486307","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=486307"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/486307\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=486307"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=486307"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=486307"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}