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, возобновление после остановки сверяется с манифестом и отклоняется при любом расхождении.
Воспроизводимость по факту, а не по обещанию
Многодневное обучение прерывается отказами оборудования и сменой узлов. Программа переживает это без потери доказуемости: у полученных весов остается связь с конкретной версией кода, данных и словаря.
Пять шагов и одна петля: что бы ни остановило обучение, оно продолжается с той же точки - или не продолжается вовсе, если что-то изменилось.
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.
- Точное возобновление с проверкой неизменности кода, данных, настроек и словаря. Расхождение - отказ с указанием причины.
- 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.
Что входит в экземпляр
| Наименование | Программа для ЭВМ «Сибирь.ИИ» (Siberia AI) |
| Версия | 1.0, год создания 2026 |
| Правообладатель | ООО «ФИИ», Российская Федерация |
| Состав | 38 файлов экземпляра, из них 33 файла исходного текста, 6 887 строк |
| Архив экземпляра | sibir-ii-1.0.zip, 143 941 байт |
| Контрольная сумма SHA-256 | 62250c70af7ec7f8d71771ea1492c2361b8bf99f7fbf2431d8638767785d2fd0 |
| 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, NumPy (BSD-3-Clause); Tokenizers, PyArrow (Apache-2.0); bitsandbytes (MIT, необязательный). Проприетарных иностранных компонентов нет |
| Обращения к внешним службам | Не выполняются: наборы, словари и контрольные точки хранятся у пользователя |
| 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 - на странице проверочного комплекта.
Уровень L0: модель и среда ее построения
| Вид | Объем прав | Вознаграждение |
|---|---|---|
| Пилотная | ограниченный контур, до трех месяцев | безвозмездно |
| Корпоративная | развертывание в инфраструктуре лицензиата, один год | от 600 000 ₽ за год |
| Мастер-лицензия | операционной компании группы, с правом сублицензирования | 10 % выручки от продуктов на базе программы |
Программа относится к уровню L0 Лицензионной политики ООО «ФИИ» - модель и среда ее построения. Тарифные позиции - приложение № 3 к политике. Цены в рублях, НДС не облагаются. Не публичная оферта.
Обсудить применение
Научная группа, которой нужен воспроизводимый эксперимент, или организация, которой нужна модель с документированным происхождением, - расскажите о задаче.
Заявка
Ответим в течение одного рабочего дня. Данные из формы уходят только на почту правообладателя и используются для ответа на заявку.
Что уже измерено
Четыре закрытые предрегистрации закона масштабирования, прогон модели на 1 млрд параметров, правило о границах применимости закона.