История больших языковых моделей

Z AI GLM-5.3

Alibaba Qwen3.8 27B

Старшая модель четвёртого поколения вышла из превью — спустя три с половиной месяца после апрельского анонса.

Google Gemini 3.7 Flash

Google Gemini 3.7 Flash

SK Telecom A.X-K2

Сравнялась с GPT-5.6 Sol по сводному индексу Artificial Analysis — 61 балл против 56 у Grok 4.5 месяцем раньше.

SpaceXAI Grok 4.6

LG AI Research K-EXAONE 2.0 0803

Motif Technologies Motif 3

Обещание из августовского анонса выполнено: веса Max-модели на 2.4 триллиона параметров выложены открыто — впервые в истории Qwen.

Upstage Solar Open2 250B

Открытые веса под разрешительной лицензией и миллион токенов контекста на одной видеокарте — NVIDIA делает не самую умную модель, а самую быструю рабочую лошадь для агентов.

Meta Muse Glimmer

Первая открытая модель Meta под локального агента: 30 миллиардов параметров, Apache 2.0 и запуск на одной домашней видеокарте с 24 ГБ памяти.

Одно имя модели — две разные версии: в чате ChatGPT с 6 августа работают новые веса, а в Codex и ChatGPT Work остались июльские.

На токен работают всего 1.3B параметров из 7.9B — а контекст такой же, как у старшей модели лаборатории: 262 тысячи токенов.

Корейская Upstage целит не в баллы, а в законченную работу: модель обучали на офисных задачах, где оценка ставится только за готовый документ.

Meta наконец вышла в войну кодовых агентов: модель под код и первый собственный терминальный агент Muse Code, обученные вместе.

Агент целиком на телефоне: 2.6 миллиарда параметров, меньше 2.5 ГБ памяти и 30 токенов в секунду без всякого сервера.

Веса открыты по MIT: 124B параметров против триллиона у прошлого флагмана лаборатории — и те же результаты на бенчмарках.

Модерация без переобучения: правило пишется обычными словами прямо в запросе, а ответ — один токен «yes» или «no».

AI9Stars G9v3-39A5B

Самая большая модель Alibaba — 2.4 триллиона параметров — и первая в закрытой ветке Max, которой обещаны открытые веса.

Японский «суверенный» ответ на дорогие фронтир-модели: чужие открытые веса Kimi K2.6, дообученные под японский язык и деловые привычки страны.

Та же модель, другое дообучение: без единого нового параметра Flash стал агентным исполнителем за $0.14 за млн токенов.

Ученик обошёл учителя: вчетверо меньше флагмана, но выше него в рассуждениях и агентном коде.

Первая собственная кибербез-модель Microsoft — и первый её выход из лиги компактных Phi в лигу фронтира.

Интеллект уровня Fable 5 за половину цены плюс «ручка усилия»: сам решаешь, сколько модель думает.

Рабочая лошадка Google дешевеет и умнеет: тот же контекст 1M, но на 17% меньше выходных токенов и вдвое ниже цена вывода.

Первая открытая модель класса 3T: 2.8 триллиона параметров, миллион токенов контекста и первое место в Frontend Code Arena.

Первая модель лаборатории Миры Мурати — сразу с открытыми весами и мультимодальностью до видео.

Новейшее семейство OpenAI из трёх уровней (Sol/Terra/Luna): Sol Ultra — 91.9% на Terminal-Bench 2.1.

Разворот Meta от открытых Llama к закрытым весам: первая платная модель компании и её первый коммерческий API.

Модель класса Opus по коду и агентным задачам, но втрое дешевле и в разы токен-эффективнее (80 TPS).

Открытый MoE-флагман Сбера: 432B параметров с гибридной архитектурой — новая веха российских LLM.

Открытая модель, которая закрыла miniF2F на 100% и нашла пять неизвестных багов в чужих репозиториях.

Самый агентный Sonnet: планирует, работает с браузером и терминалом, близок к Opus 4.8 дешевле.

Открытая MIT-модель вплотную к Claude Opus 4.8 на длинногоризонтном кодинге — при цене в 5–7 раз ниже.

Начало поколения Claude 5: state-of-the-art почти на всех тестах и рекордная автономность.

Первая открытая модель, объединившая фронтир-кодинг, контекст 1M и нативную мультимодальность.

Упор на надёжность кода и честность: вчетверо реже пропускает собственные баги, 84% на Online-Mind2Web.

Закрытый агентный флагман Alibaba: 92.4% GPQA и 80.4% SWE-bench Verified при контексте 1M.

Дебют поколения Gemini 3.5 на Google I/O 2026: 76.2% на Terminal-Bench 2.1 при рекордной скорости.

Открытый прыжок DeepSeek к 1M-контексту: превью V4 набирает 80.6% на SWE-bench Verified.

Сильнейшая агентная кодинг-модель OpenAI на момент выхода: SOTA 82.7% на Terminal-Bench 2.0.

K2.6 сделала ставку не на новый размер, а на надёжность длинной работы: код, tool use и параллельные агенты стали заметно стабильнее на практических траекториях.

Ввёл уровень усилия xhigh между high и max — акцент на самых трудных задачах разработки.

Самое умное открытое семейство Google (Apache 2.0): 31B Dense — #3 среди всех открытых моделей на Arena.

Первая mainline-модель OpenAI с нативным управлением компьютером: 75.0% на OSWorld — выше человека.

Превью обновлённого флагмана Google: 77.1% на ARC-AGI-2 — более чем вдвое выше Gemini 3 Pro.

Открытый флагман Qwen с гибридной архитектурой линейного внимания и разреженного MoE — 88.4% GPQA.

Открытый фронтир Z.ai: 744B MoE с 77.8% на SWE-bench Verified и 92.7% на AIME.

Адаптивное мышление и контекст 1M токенов за ту же цену, что Opus 4.5 — 80.8% на SWE-bench Verified.

Открытая мультимодальная эволюция Kimi K2: рассуждения, зрение и агентные «рои» на весах под свободной лицензией.

Qwen3-Max-Thinking показала, что масштабирование inference — не только больше параллельных попыток: рефлексия над предыдущими траекториями дала заметный прирост при близком расходе токенов.

Дешёвый фронтир Google как новый дефолт: втрое быстрее и заметно дешевле Gemini 2.5 Pro при 90.4% GPQA.

Ответ OpenAI на Gemini 3 в режиме «Code Red»: флагман для профессиональной работы, 92.4% GPQA.

Открытый флагман Европы: 675B MoE под Apache 2.0 — «одна из лучших permissive-моделей мира».

Разреженное внимание DeepSeek: та же архитектура V3, но дешевле в длинном контексте — $0.28/$0.42.

Первая модель выше 80% на SWE-bench Verified (80,9%) — и втрое дешевле предыдущего Opus.

1501 Эло на LMArena, 37,5% на Humanity's Last Exam — и впервые сразу в Поиске Google в день запуска.

Крупный апгрейд личности и эмоционального интеллекта: втрое меньше галлюцинаций и #1 в слепых сравнениях LMArena.

«Теплее и умнее»: адаптивное рассуждение, 8 пресетов характера и ответ OpenAI на Gemini 3.

Открытый reasoning-агент: 44,9% на Humanity's Last Exam и 200–300 вызовов инструментов подряд.

Near-фронтир по коду за треть цены: 73.3% на SWE-bench Verified при $1/$5 за млн токенов.

«Лучшая кодинг-модель мира» на день релиза: 77,2% SWE-bench Verified и 30+ часов автономного фокуса.

«Первый шаг в эру агентов»: один чекпойнт — два режима (think/non-think) и рост в использовании инструментов.

Единая система с роутером вместо зоопарка моделей: 74,9% SWE-bench Verified и доступ даже бесплатным пользователям.

Инкрементальный, но заметный апгрейд Opus 4: аккуратнее в больших кодовых базах и точнее в многофайловом рефакторинге при той же цене.

Первые открытые веса OpenAI со времён GPT-2: Apache 2.0, старшая модель влезает в одну GPU на 80 ГБ.

355B MoE под MIT: 3-е место в мире по сумме 12 бенчмарков — при цене от $0,11 за млн токенов.

Открытый «триллионник»: 1T параметров MoE — SOTA среди открытых моделей в кодинге.

Флагман xAI с нативными инструментами, поиском в реальном времени и мультиагентной версией Heavy.

Reasoning для масс: думающая модель по цене воркхорса, с ручкой «сколько думать» — лучший баланс цены и интеллекта в линейке 2.5.

Первая рассуждающая модель Европы: прозрачный chain-of-thought на русском и ещё 7 языках.

Поколение, заточенное под кодинг и длинные агентские задачи; Opus 4 удерживал фокус на многочасовых задачах в тысячи шагов.

Opus 4 — «лучшая кодинг-модель мира»: 72,5% SWE-bench и семь часов автономной работы.

Ход «medium — это новый large»: цена $0.40/$2 при качестве около Sonnet 3.7 сделала эту модель самым выгодным флагман-эквивалентом Mistral середины 2025-го.

8 открытых моделей за один день — от 0.6B до MoE 235B с гибридным «думающим» режимом.

o3 и o4-mini объединили reasoning с полноценным использованием инструментов и зрением, а летнее падение цены o3 на 80% сделало топовое рассуждение доступным.

API-семейство с окном в 1 млн токенов — рывок OpenAI в длинный контекст и дешёвый кодинг.

Первые нативно мультимодальные MoE-модели Meta; у Scout — рекордное окно в 10 млн токенов.

Первая «думающая» модель линейки Gemini: дебют на 1-м месте LMArena и контекст 1 млн токенов.

«Гигантская и дорогая» последняя нерассуждающая флагманская модель OpenAI — исчезла из API уже через 4,5 месяца.

Новое поколение LLM Яндекса: Pro — в Алисе и облаке, Lite 8B — первый опенсорс со времён YaLM-100B.

Первая на рынке гибридная reasoning-модель: одна модель — два режима мышления, плюс дебют Claude Code.

Модель, обученная на суперкомпьютере Colossus (~200 тыс. GPU) — в 10 раз больше вычислений, чем у Grok 2.

Дешёвый мультимодальный воркхорс с миллионным контекстом и нативными инструментами — базовая рабочая модель большинства продовых интеграций 2025 года.

o3-mini сделала пошаговое рассуждение дешёвым и быстрым, доведя reasoning до массового и бесплатного использования.

Открытая reasoning-модель уровня OpenAI o1, обученная в основном через RL — вызвала шок на рынке.

Открытая MoE на 671B, обученная всего за ~5,6 млн долларов и вставшая на уровень GPT-4o.

Прорыв в рассуждениях: рекорд на ARC-AGI и регулируемый бюджет «размышления».

Первая reasoning-модель: «думает» перед ответом, масштабируя вычисления на инференсе.

Модель «агентной эры» с нативной генерацией изображений и аудио.

Компактная 70B, вплотную подошедшая к флагманской 405B по качеству, — лучший баланс цена/качество в линейке Llama 3.

Первая reasoning-модель с открытыми весами — за два месяца до DeepSeek-R1.

Первая модель, которая сама водит курсором: computer use в бете и скачок на SWE-bench с 33.4% до 49.0%.

Открытое семейство 0.5B–72B на 18 трлн токенов — флагман достал Llama-3-405B.

o1-preview открыла целый класс reasoning-моделей, показав, что «время на размышление» резко поднимает результаты в математике и коде.

Фронтир-модель xAI с чатом, кодом, рассуждениями и генерацией изображений.

Первый по-настоящему конкурентный флагман Mistral: 123B на одном узле, 128K контекста и агрессивная цена, задавшая планку линейке Large.

Первая открытая frontier-модель, соперничающая с GPT-4o и Claude 3.5 Sonnet.

GPT-4o mini сделала «умную» модель настолько дешёвой, что закрыла эпоху GPT-3.5 Turbo и открыла массовые high-volume сценарии.

Обошла Claude 3 Opus по интеллекту при цене и скорости среднего уровня — и принесла Artifacts.

Второе поколение Qwen: до 72B, контекст 128K и обгон Llama 3 70B на бенчмарках.

Рабочая лошадка линейки: миллион токенов контекста по бросовой цене, любимый разработчиками за соотношение цена/скорость.

Модель, которая в одиночку сделала «миллион токенов контекста» новым стандартом индустрии и задала темп всей линейке Gemini.

«Omni»-модель: единая сеть для текста, аудио и изображений с почти живой скоростью речи.

Открытая MoE-модель, представившая Multi-head Latent Attention и резко удешевившая инференс.

SLM на 3.8B уровня GPT-3.5, помещающийся на телефон, с контекстом до 128K.

Новый уровень качества открытых моделей масштаба 8B и 70B.

Крупнейшая на момент выхода открытая модель — 314B параметров MoE под Apache 2.0.

Enterprise-модель Cohere, заточенная под RAG и использование инструментов.

Первое серьёзное поколение Claude: три уровня цена/качество и мультимодальность, задавшие структуру всей линейки.

Самая быстрая и дешёвая модель Claude 3 — читает плотную arXiv-статью за пару секунд.

Флагман семейства Claude 3 — обошёл конкурентов на MMLU, GPQA и GSM8K и добавил мультимодальность.

Сбалансированная модель Claude 3 — вдвое быстрее Claude 2 при более высоком интеллекте.

Первая флагманская закрытая модель Mistral, конкурент GPT-4, с запуском ассистента Le Chat.

Первые открытые веса от Google — лёгкие модели на технологиях Gemini.

Контекстное окно до 1 млн токенов на архитектуре Mixture-of-Experts.

Маленькая модель на 2.7B, обходящая модели в 25 раз крупнее на рассуждениях.

Первая открытая sparse MoE-модель, обошедшая Llama 2 70B при в 6 раз более быстром инференсе.

Первая нативно мультимодальная модель Google в трёх размерах: Ultra, Pro, Nano.

Открытая 7B-модель, обошедшая Llama 2 13B и задавшая стандарт для компактных LLM.

Дебют открытой линейки Alibaba — одна из первых китайских LLM с коммерчески доступными весами.

Первая открытая модель Meta, разрешённая для коммерческого использования.

Прорыв по длине контекста: 100K токенов — можно загрузить сотни страниц или целую книгу в один запрос.

Открытая модель из ОАЭ под Apache 2.0, возглавившая Open LLM Leaderboard.

Первая генеративная LLM Яндекса, встроенная в голосового ассистента Алису.

Главный российский конкурент ChatGPT и YandexGPT — мультимодальный сервис Сбера.

Первая публичная модель Anthropic — ассистент, обученный по методу Constitutional AI быть полезным, честным и безвредным.

Первая мультимодальная GPT: принимает изображения и проходит экзамены на уровне человека.

Открытые веса, с которых начался бум локальных LLM: 13B обошла GPT-3 175B.

Запуск ChatGPT — самый быстрый в истории выход продукта на миллион пользователей.

Открытая многоязычная модель на 176B, созданная 1000+ исследователями из 70+ стран.

Плотная модель на 540 млрд параметров, обученная на системе Pathways.

Компьют-оптимальное масштабирование: 70B на 1,4 трлн токенов обошла Gopher 280B.

RLHF-выравнивание на человеческих оценках — прямой предшественник ChatGPT.

175B параметров и few-shot in-context learning без изменения весов.

Единый text-to-text формат: любая NLP-задача — как преобразование текста в текст.

1.5B-модель, которую сначала «побоялись» выложить целиком из-за риска фейков.

Двунаправленный трансформер-энкодер, задавший стандарт предобучения в NLP.

Первая GPT: доказала, что предобучение на неразмеченном тексте + дообучение работает.