Сбер выпустил GigaChat 3.5 Reasoning - обученную с нуля модель с рассуждениями Веса открыты, лежат на Hugging Face, модель можно использовать в коммерческих продуктах. В основе архитектура 432B-A28B MoE. Это не файнтюн существующей модели из опен-сорса, модель построили с нуля. Post-train обучение строилось на online RL: не один домен, а шесть отдельных экспертов, каждый со своей наградой, которые потом собрали обратно в одну модель. Про весь конвейер обучения (кроме pre-train) и бенчи подробно в статье на Хабре. По сравнению с GigaChat 3.5 Instant прирост заметный: SWE-Verified вырос с 43 до 65, AIME-2026 с 67 до 92, IFBench с 44 до 77. Модель вышла в паритет с сильнейшими открытыми и закрытыми моделями в следовании инструкциям, структурированной генерации и поиске информации в длинном контексте. Из интересного: экономия токенов. На сложной математике GigaChat 3.5 Reasoning в среднем тратит на 37% меньше токенов, чем DeepSeek V4 Flash. Reasoning уже доступен пользователям: включить можно в режиме рассуждений ГигаЧата. @ai_newz