Языковая модель, происхождение которой можно доказать
Программа строит русскоязычные языковые модели с нуля и делает обучение воспроизводимым: состав каждого пакета данных вычисляется из номера шага, манифест с контрольными суммами записывается до первого шага.
Воспроизводимость по факту, а не по обещанию
Манифест прогона связывает результаты обучения с конкретной версией кода, данных и словаря.
Четыре этапа: от подготовки набора до оценки модели.
Полный цикл - от набора до работающей модели
- Реестр конфигураций моделей с автоматическим расчетом числа параметров и вычислительной стоимости токена.
- Обучение «трансформера» (декодер) на одном или нескольких ускорителях: накопление градиента, пересчет активаций, скользящие и постоянные контрольные точки.
- Детерминированная выборка: пакет шага вычисляется из начального значения генератора и номера шага, а не из истории запусков.
- Смешивание тематических классов в заданных долях с контролем состава по контрольным суммам.
- Манифест прогона до первого шага: контрольные суммы исходного текста, набора и словаря, параметры модели и обучения, сведения об оборудовании.
- Проверка прав на данные: источник без карточки с лицензией и происхождением в набор не допускается.
- Гейты качества набора: точные и близкие повторы, персональные данные, раскрытые секреты, пересечение с проверочными наборами.
- Оценка на замороженных наборах по метрике «биты на байт» с разбивкой по классам.
- Планирование: расчет сложности, памяти и сроков. Подгонка закона масштабирования и предсказание для следующей ступени.
- Безопасное чтение контрольных точек без исполнения постороннего кода из файла.
- Порождение текста обученной моделью через программный интерфейс по HTTP.
Корпоративная модель с нуля и база знаний
Сибирь.ИИ строит LLM, то есть большую языковую модель, с нуля в инфраструктуре организации. Набор собирается только из источников, на которые есть права: источник без карточки с лицензией и происхождением в набор не допускается. Наборы, словари и контрольные точки хранятся у пользователя. Это путь, когда важно доказать, на чем и как обучена модель.
Ответы по базе знаний решаются иначе: готовая модель отвечает по фрагментам, найденным в документах, и переобучать ее для этого не требуется.
Что входит в экземпляр
| Наименование | Программа для ЭВМ «Сибирь.ИИ» (Siberia AI) |
| Версия | 1.0.1, год создания 2026 |
| Правообладатель | ООО «ФИИ», Российская Федерация |
| Состав | 38 файлов экземпляра, из них 33 файла исходного текста, 6 916 строк |
| Архив экземпляра | sibir-ii-1.0.1.zip, 144 669 байт |
| Контрольная сумма SHA-256 | 248ab6b77ecdf958d1d8d12c946680854d1de598313302985c1abbc9ac126d97 |
| Язык программирования | Python 3.12 |
| Среда исполнения | Linux (разработка и прогоны - Ubuntu 26.04 LTS), графический ускоритель NVIDIA с CUDA, от 12 ГБ видеопамяти |
| Сторонние компоненты | PyTorch и NumPy (BSD-3-Clause), Tokenizers и PyArrow (Apache-2.0), bitsandbytes (MIT, необязательный). Проприетарных иностранных компонентов нет |
| Обращения к внешним службам | При обучении и выводе не выполняются: наборы, словари и контрольные точки хранятся у пользователя. Исключение: вспомогательный скрипт tools/ocr_probe.py по запуску вручную скачивает пробные страницы с publication.pravo.gov.ru |
| Персональные данные | Не обрабатываются. Встроенный поиск персональных данных в наборе служит для их исключения из обучения |
| Отнесение к сфере ИИ | Относится: средство построения нейросетевых языковых моделей |
Те же значения указаны в документации программы. Сверить контрольную сумму - в документации, раздел «Сведения об экземпляре».
Уровень L0: модель и среда ее построения
| Вид | Объем прав | Вознаграждение |
|---|---|---|
| Пилотная | ограниченный контур, до трех месяцев, акт о результатах | безвозмездно |
| Корпоративная | развертывание в инфраструктуре лицензиата, срок 1 год, без права передачи | от 600 000 ₽ за год, адаптация по отдельной смете |
| Мастер-лицензия | полный объем с правом сублицензирования конечным пользователям | 10 % выручки лицензиата от продуктов на базе программы, но не менее 250 000 ₽ за квартал |
Программа относится к уровню L0 Лицензионной политики ООО «ФИИ» - модель и среда ее построения. Тарифные позиции - приложение № 3 к политике. Цены в рублях. Не публичная оферта.
Обсудить применение
Научная группа, которой нужен воспроизводимый эксперимент, или организация, которой нужна модель с документированным происхождением, - расскажите о задаче.
Заявка
Напишите на info@siberia-ai.ru или позвоните +7 (383) 288-82-82: какая задача, для какой организации и как с вами связаться. Ответим в течение одного рабочего дня.
Что уже измерено
Четыре закрытые предрегистрации закона масштабирования, прогон модели на 1 млрд параметров, правило о границах применимости закона.