GigaChat 3.5 Ultra
PulseAugur coverage of GigaChat 3.5 Ultra — every cluster mentioning GigaChat 3.5 Ultra across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Sber的GigaChat在免费访问和性能方面存在困惑
Sber的GigaChat因存在众多非官方访问入口以及免费套餐缺乏明确性而面临困惑。虽然官方的GigaChat 3.5 Ultra模型可免费使用，但独立评估表明其性能处于中等水平，并非顶尖。Sber已列出五个官方访问入口，并强调用户应警惕任何要求付款、提供银行卡信息或访问giga.chat以外域名的请求，因为这些很可能是网络钓鱼企图。文章还澄清，GigaChat API为开发者提供基于令牌的定价，这与消费者订阅模式不同。
-
Sber 发布开放权重的 GigaChat 3.5 Ultra 432B 模型
Sber 发布了 GigaChat 3.5 Ultra，一个拥有 432B 参数、在 MIT 许可下开放权重的模型，专注于编码、代理和长上下文。虽然开放权重消除了许可障碍，但用户仍需验证运行时兼容性、硬件要求和实际性能，以用于软件开发等实际用例。文章建议不要认为更大的模型总是更好，并指出如果较小的、可在本地运行的模型满足特定任务要求并保持开发节奏，它们可能在开发工作流程中更有效。
-
Sber 发布 GigaChat 3.5 Ultra，KV 缓存减少 4 倍
Sber 已发布 GigaChat 3.5 Ultra，这是其 AI 助手的一个更紧凑、功能更强大的版本，采用 MIT 许可。该新模型比其前身小约 40%，在编码、数学和代理任务方面表现出更强的性能。一项关键创新是其混合架构，它将 KV 缓存使用量减少了大约四倍，从而在相同的视频内存中处理更多的上下文，并使其对于处理长文档的企业更具成本效益。
-
LLM显存需求：4位GGUF的GigaChat 3.5、GLM-5.2、Kimi K3
文章详细介绍了2026年7月运行大型语言模型（如GigaChat 3.5 Ultra、GLM-5.2和Kimi K3）的显存需求，重点关注4位量化。文章解释说，“4位”的说法是一种简化，由于Q4_K_M等量化方法（每个权重平均使用4.85位）的存在，实际平均比特使用量更高。文中提供了一个计算显存需求的公式，该公式同时考虑了模型权重和KV缓存，并指出像Kimi K3和GLM-5.2这样具有超大上下文窗口的模型，其KV缓存需要大量内存。文…
-
自托管AI GPU很少能收回成本；工程师和闲置时间是真正的成本
与使用云API相比，自托管AI模型的GPU通常不具备成本效益，这主要是由于专业工程师的高昂成本和硬件的利用率不足。虽然开源模型是免费提供的，但运营费用，包括工资和闲置硬件，使得自托管仅适用于极高且持续的工作负载（每月数十亿个token）。自托管的主要驱动因素是数据主权和监管合规性，例如俄罗斯的152-ФЗ法律，而不是为了节省成本。采用混合方法，将本地基础设施用于常规任务，将云API用于高峰负载，可以将总体成本降低40-85%。
-
Sber 发布 GigaChat 3.5 Ultra，文档处理速度更快 · 跟踪到 1 个来源
Sber 发布了 GigaChat 3.5 Ultra，这是一款新的旗舰语言模型，其尺寸几乎是前代模型的一半，并且处理大型文档的速度提升高达四倍。该模型采用了线性注意力技术，以提高长上下文的效率，可供 GigaChat 助手用户免费使用，并作为开源代码提供给开发者。此次发布旨在增强编程、数学、文档分析和多步代理场景的能力。
-
ai-sage 发布 4320 亿参数的 GigaChat 3.5 Ultra
ai-sage 发布了 GigaChat 3.5 Ultra，这是一款拥有 4320 亿参数的混合专家模型，专为多语言任务、推理和代码生成而设计。与前代 GigaChat 3.1 Ultra 相比，新版本体积缩小了约 40%，同时在编码和数学场景下性能有所提升。GigaChat 3.5 Ultra 采用混合注意力架构，结合了多头潜在注意力 (Multi-head Latent Attention) 和门控 Delta 网络 (Gate…