Sber AI
@SberAIScience
16 2.6K
Продукт с нуля — для соло-фаундеров, индивидуальных разработчиков и команд, продуктовых специалистов и вайб-кодеров. До четырёх лучших команд разделят 30 млн ₽
Подача заявки — до 1 сентября
Готовый продукт — для ИИ-стартапов с аудиторией от 1 000 активных пользователей в день. Лучшие проекты будут рассматриваться для M&A-сделок.
Подача заявки — до 1 октября
разрабатываете B2C-гипотезу: можно придумать или выбрать из предложенных — от «мем-дилера» до «семейного диспетчера»
получаете стартерпак: облака, токены LLM, бюджет на продвижение продукта, экспертов по маркетингу и продуктовых менторов
собираете MVP за 3 месяца и выводите рабочий прототип на реальных пользователей
делаете всё, чтобы продукт взлетел — если он набирает от тысячи активных пользователей в месяц, есть шанс забрать главную награду
Вступить в борьбу
Зажимайте стрелку отправки в Telegram → выбирайте «Отправить позже» → ставьте дату 1 марта 2027 года.
Guardian of Truth: научить модель находить контекстные галлюцинации в ответах ИИ-агентов
Green Challenge: создать модель физического ИИ для управления антропоморфным роботом Грином
3D DIT Distillation: ускорить генерацию 3D-объектов на базе Kandinsky 3D
Vision-Action Data Factory: собрать фабрику датасетов для обучения робототехнических моделей
Coordination Referee: построить модель арбитра для распознавания и определения типов сбоев во взаимодействии ИИ-агентов
Изучить правила и зарегистрироваться
В День благодарности собаке проверяем вашу кинологическую интуицию. Листайте карточки и угадывайте, где настоящая порода, а где — фантазия ИИ
GigaEmbeddings — новое поколение ИИ-моделей, которые превращают текст в числовые векторы и помогают ИИ находить информацию не по совпадению слов, а по смыслу
10B-A1.8B — лидер рейтинга ruMTEB
3B — лучший прирост качества и способности обработки кода на 14,5 пункта
480M — лидер среди моделей на русском языке до 500M параметров
Объём данных для обучения вырос в несколько раз. Основной прирост качества дали открытые датасеты, в том числе Nemotron, F2LLM и KALM
Архитектуру упростили и добавили поддержку стандартных открытых инструментов вроде vLLM и SGLang — за счёт этого выросла и скорость инференса: 3B стала быстрее в 1,6 раза, а 10B-A1.8B — в 2 раза
Баланс языков сохранили за счёт мержинга экспертов на всех этапах обучения: удалось не потерять качество на русском при усилении английского и кода.
новый подход к reasoning: STARM объединяет наиболее эффективные компоненты HRM, TRM и URM с собственными улучшениями команды
новые SOTA-метрики: обширные вычислительные эксперименты доказали, что фреймворк повышает стабильность обучения, а итоговые модели существенно опережают по качеству предыдущие open-source-аналоги
адаптивные вычисления: рекурсивная архитектура позволяет модели выполнять разное число вычислительных шагов в зависимости от сложности задачи
На Технологической премии Московского стартап-саммита учредили специальный приз за лучшее решение на базе ГигаАгента.💡 ГигаАгент — это автономный ИИ-агент, который умеет сам раскидывать почту, работать с документами, задавать уточняющие вопросы и решать задачи в фоновом режиме.
У вас должен быть стартап на стадии MVP (или выше). Мы выдаём вам стартовый пакет токенов. Вы внедряете ГигаАгента в свои бизнес-процессы, тестируете две недели и показываете кейс.
При оценке особое внимание будем уделять оригинальности сценария и развитию самого ГигаАгента — наиболее интересными окажутся проекты, где команда не просто прикрутит API, а заточит агента чисто под свои нужды и создаст уникальную обвязку, которая решает конкретные задачи лучше, чем это делалось раньше.
Хотели покреативить с нейросетями в честь долгожданной премьеры «Человека-паука», но... отношение ИИ-сервисов к авторским правам оказалась жёстче, чем мы ожидали
❤️ — с Тоби Магуайром
🔥 — с Эндрю Гарфилдом
👍 — с Томом Холландом