Эксперты: изоляция данных ослабит российские ИИ-модели
Российские большие языковые модели превосходят зарубежные аналоги в задачах, связанных с русским языком, историей и локальным культурным контекстом, однако это преимущество может быть утрачено при ограничении доступа к данным. К такому выводу пришли авторы исследования рынка LLM в России, подготовленного Институтом ИИ ИТМО с участием экспертов вузов и технологических компаний, сообщили CNews представители ИТМО. Об этом сообщает издание CNews.
Согласно исследованию, в начале 2026 года отечественные модели заняли первые шесть мест в рейтинге бенчмарка Slava, который оценивает их на 14 тысячах вопросов по истории, обществознанию, социологии и географии России. Для сравнения, в ноябре 2024 года в топ-3 находились американские и китайские разработки. Улучшение показателей эксперты связывают как с инвестициями в развитие ИИ, так и с увеличением доли российских данных в обучающих массивах.
При этом русскоязычный сегмент интернета остается ограниченным ресурсом: его объем примерно в 10–20 раз меньше мирового. По мнению исследователей, этого достаточно для создания части многоязычного корпуса, но не для разработки универсальной модели только на русском языке. Оптимальная доля русскоязычных данных в обучающем массиве оценивается в 5–30%.
Авторы подчеркивают, что российские модели должны быть многоязычными, поскольку изоляция от международных корпусов приведет к отставанию от зарубежных аналогов и снижению качества решения задач вне локального контекста. Английский корпус остается ключевым источником научного знания, и отказ от него ограничит доступ к актуальным данным.
Эксперты отмечают, что ограничение корпуса напрямую влияет на возможности моделей. Современные LLM обучаются на массивах объемом в триллионы токенов, включая веб-страницы, книги и научные публикации. Российские команды сильнее зависят от открытых источников из-за меньших ресурсов для сбора и оцифровки данных.
Дополнительным преимуществом могут стать неоцифрованные материалы библиотек, архивов и профессиональных коллекций, которые способны улучшить качество моделей в медицине, праве и других областях. В исследовании также говорится, что конкурентоспособность отрасли зависит от консолидации усилий бизнеса, государства и научного сообщества, а также от сбалансированного регулирования авторских прав, которое не должно сокращать доступный для обучения массив информации.



