«Сбер» представил обновленную большую языковую модель GigaChat Audio. Теперь она способна обрабатывать аудиофайлы и голосовые сообщения без предварительного преобразования речи в текст. LLM также научилась понимать интонацию пользователя, чтобы уместно реагировать на нее.

GigaChat Audio обрабатывает записи длиной до трех часов. Она ориентируется в этих данных и различает спикеров. Как предполагают в «Сбере», эти функции будут полезны для разбора совещаний и звонков, навигации по записям. Обновленная модель внедрена в ИИ-помощник GigaChat. С ее помощью ассистент может запоминать факты из голосового диалога и опираться на них в следующих сессиях.

Обновленная LLM набрала 75% побед в тесте Arena Hard Audio, что почти соответствует результатам Gemini-3-Flash-preview (77,5%). Точность распознавания эмоций достигает 80%, что выше, чем у Qwen3-Omni-30B (70%).

Также «Сбер» выложил в открытый доступ облегченную версию модели GigaChat3.1-Audio-10B. Она распознает русский, английский и другие языки. На ее основе, как отмечают разработчики, можно создавать сервисы транскрибации, тренажеры произношения, голосовые переводчики и другие решения.

Кроме этого, команда разработчиков открыла доступ к семейству моделей автоматического распознавания речи GigaAM Multilingual. Они поддерживают русский, английский, киргизский, казахский и узбекский языки. Модели можно задействовать для колл-центров, голосовых ассистентов и расшифровки аудиозаписей.

«Сбер» в июле 2026 года представил открытую модель GigaChat 3.5 Ultra, в основе которой лежат методы линейного внимания. Она предназначена для работы с кодом, обработки длинных текстов и агентных задач.