GigaChat3.5-432B-A28B API
ID модели в запросах:ru-1/ai-sage/GigaChat3.5-432B-A28B
GigaChat3.5-432B-A28B от Сбер через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 262 144
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Россия · ru-1 | Попробовать | 106 ₽1,06 PnP | 318 ₽3,18 PnP | — | ru-1/ai-sage/GigaChat3.5-432B-A28B |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "ru-1/ai-sage/GigaChat3.5-432B-A28B", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="ru-1/ai-sage/GigaChat3.5-432B-A28B", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "ru-1/ai-sage/GigaChat3.5-432B-A28B", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"ru-1/ai-sage/GigaChat3.5-432B-A28B","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"ru-1/ai-sage/GigaChat3.5-432B-A28B","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
GigaChat 3.5 Ultra от Сбера — флагманская модель линейки GigaChat без режима рассуждения: Mixture-of-Experts на 432B параметров, около 28B активны на токен, гибридное внимание MLA и GatedDeltaNet. Открытые веса по лицензии MIT, сильна в русском языке.
Для чего подходит GigaChat 3.5 Ultra
Это универсальная модель для ответа сразу, без цепочки мыслей: диалоги и помощники на русском и английском, генерация и правка текстов, код, вызов функций в агентных сценариях, ответы в заданном JSON-формате. По данным разработчика, она быстрее прежнего флагмана и при этом сильнее его в коде, математике и агентных задачах.
Модели региона Россия в Nodul Router работают на серверах в России. Это удобно для документов и диалогов, которые нежелательно отправлять за границу.
Через Router модель принимает только текст; доступны вызов инструментов, структурированный вывод и потоковая выдача. Режима рассуждения у этой версии нет.
Не лучший выбор для олимпиадной математики, сложных логических задач и автономной работы с репозиторием в терминале: для таких задач у семейства есть версия с рассуждением, а в агентном программировании по таблице разработчика она заметно отстает от DeepSeek V3.2. Не подойдет для изображений и аудио на входе.
Сильные стороны
- Русский язык и арены. По данным разработчика, на Arena Hard Ru против GPT-5 модель набирает 69,5 (у GigaChat 3.1 Ultra 38,3), на Ru LLM Arena 62,9. Судьей выступала модель MiniMax-M2.7.
- Прирост относительно прошлого флагмана. По данным разработчика, TAU2-bench вырос с 41,87 до 68,71, IFBench с 31 до 43,66, при том что модель примерно на 40% компактнее GigaChat 3.1 Ultra.
- Скорость. По данным разработчика, гибридная архитектура тратит примерно в четыре раза меньше KV-кеша на токен, пропускная способность выросла примерно на 20%, а дополнительные MTP-головы ускоряют генерацию до 2,2 раза.
- Открытые веса. Лицензия MIT; на Hugging Face лежат FP8-версия для запуска, bf16 для дообучения и GGUF.
Ограничения и спорные моменты
- Все цифры от самого разработчика. Независимых замеров мы не нашли. Сравнения построены на выборе разработчика, а арены оценивает модель-судья, не люди.
- Агентный код. На SWE-bench Verified (mini-swe-agent) 42,6 против 44,8 у DeepSeek V3.2, на Terminal-Bench 2 всего 13,48 против 29,21 (по данным разработчика). У версии с рассуждением в карточке разработчика оба показателя выше (SWE-bench Verified 64,7, Terminal-Bench 2 30,3), но подписи к методике в двух карточках расходятся: у Ultra указан агент terminus-2, у Reasoning для обоих тестов mini-swe-agent, так что прямым сравнением это считать нельзя.
- Знания и математика. MMLU-Pro 75,68 против 81,1 и MATH 500 86 против 91,4 у DeepSeek V3.2. Средний балл по таблице разработчика 60,1 против 61,0.
- Название. В карточке модель называется GigaChat 3.5 Ultra, в карточке версии с рассуждением она же названа Ultra Instruct, а в статье на Хабре об этой версии Instant. Совпадение цифр (IFBench 43,66, SWE-bench Verified 42,6, Terminal-Bench 2 13,48, Live Code Bench v6 56,2) говорит, что это одна и та же модель, но прямо разработчик это не подтверждает.
- Развернуть у себя непросто. Пример запуска в карточке рассчитан на 8 видеокарт и сборку SGLang или vLLM из отдельных запросов на слияние.
Бенчмарки
Все значения из карточки модели на Hugging Face, по данным разработчика. Для сравнения разработчик берет DeepSeek V3.2 (instruct). Дата: релиз и последние правки карточки, июль 2026.
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| TAU2-bench, по данным разработчика | 68,71 (DeepSeek V3.2 66) | Hugging Face | июль 2026 |
| SWE-bench Verified (mini-swe-agent), по данным разработчика | 42,6 (DeepSeek V3.2 44,8) | Hugging Face | июль 2026 |
| Terminal-Bench 2 (terminus-2), по данным разработчика | 13,48 (DeepSeek V3.2 29,21) | Hugging Face | июль 2026 |
| Live Code Bench v6, по данным разработчика | 56,2 (DeepSeek V3.2 59,3) | Hugging Face | июль 2026 |
| IFBench, по данным разработчика | 43,66 (DeepSeek V3.2 45) | Hugging Face | июль 2026 |
| MMLU-Pro, по данным разработчика | 75,68 (DeepSeek V3.2 81,1) | Hugging Face | июль 2026 |
| MATH 500, по данным разработчика | 86 (DeepSeek V3.2 91,4) | Hugging Face | июль 2026 |
| Arena Hard Ru против GPT-5, по данным разработчика | 69,5 (DeepSeek V3.2 69,3) | Hugging Face | июль 2026 |
| Ru LLM Arena против GPT-5, по данным разработчика | 62,9 (DeepSeek V3.2 63,6) | Hugging Face | июль 2026 |
Чем GigaChat 3.5 Ultra отличается от соседей
Это базовая версия поколения 3.5 без рассуждения. Версия GigaChat3.5-432B-A28B-Reasoning построена на той же архитектуре, но дообучена с online RL и рассуждает перед ответом. По данным разработчика, она заметно сильнее в математике и следовании инструкциям: например, IFBench 77 против 43,66, GPQA-Diamond 82,32 против 61,11 (Habr, сентябрь 2026). Берите Ultra, когда нужен быстрый ответ без длинной цепочки мыслей, а Reasoning, когда важнее точность.
Из прошлого поколения в каталоге есть GigaChat-3-Pro и компактная GigaChat3-10B-A1.8B для простых и массовых задач.
Альтернативы в каталоге
- GigaChat3.5-432B-A28B-Reasoning: версия с рассуждением для математики, кода и сложных инструкций.
- GigaChat3-10B-A1.8B: компактная модель Сбера для простых запросов и потоковой обработки.
- DeepSeek-V4-Pro: модель DeepSeek в регионе Россия с рассуждением; стоит сравнить на агентном коде, где модели DeepSeek в таблицах разработчика впереди.
- gpt-oss-120b: открытая модель OpenAI с рассуждением и структурированным выводом.
Частые вопросы
Умеет ли GigaChat 3.5 Ultra рассуждать?
Нет, это версия без режима рассуждения: она отвечает сразу. Для задач, где нужна цепочка мыслей, используйте GigaChat3.5-432B-A28B-Reasoning.
Подойдет ли она для программирования?
Для генерации и правки кода в обычном диалоге да, но на агентных тестах результаты скромные (SWE-bench Verified 42,6, Terminal-Bench 2 13,48 по данным разработчика). Для автономной работы с репозиторием лучше сравнить с другими моделями.
Работает ли она с изображениями и инструментами?
Через Router принимается только текст. Вызов инструментов и структурированный вывод поддерживаются.
Можно ли развернуть ее у себя?
Да, веса открыты по лицензии MIT, но это 432B параметров. Пример разработчика рассчитан на 8 видеокарт.
Хорошо ли она знает русский язык?
Русский и английский для нее основные. На русских аренах разработчик показывает результат на уровне DeepSeek V3.2, но оценивает модель-судья, а не люди.
Источники
Все параметры API · 13
frequency_penaltymax_tokensnpresence_penaltyresponse_formatseedstopstreamstructured_outputstemperaturetool_choicetoolstop_p

