Alice AI LLM API
ID модели в запросах:ru-2/aliceai-llm
Alice AI LLM от Yandex через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
Описание
Alice AI LLM — самая мощная текстовая модель Яндекса на архитектуре Mixture of Experts, на которой работает Алиса AI. Сильна в русскоязычных фактах, диалогах, ответах по базам знаний и школьных задачах. Здесь доступна в регионе Россия.
Для чего подходит Alice AI LLM
Это флагман семейства Alice AI, которое Яндекс представил в октябре 2025 года и в котором собрал свои самые мощные модели. Разработчик называет ее самой мощной языковой моделью компании. Модель обучена с подкреплением на многокомпонентных наградах, то есть оценивалась сразу по нескольким критериям: полезность, качество языка, форматирование.
Для бизнеса Яндекс разбирает такие сценарии: ответы по базам знаний (RAG), открытые вопросы, переформулировка и генерация контента, например тезисы для презентации или тексты для сайта. Отдельно разработчик отмечает, что в чатах модель точнее учитывает контекст диалога. Отдельно команда собирала учителей-экспертов, чтобы улучшить объяснение школьных тем, так что модель хорошо подходит для образовательных продуктов на русском языке.
Модели региона Россия в Nodul Router работают на серверах в России. Это удобно для документов и диалогов, которые нежелательно отправлять за границу.
Входные данные только текстовые. Поддерживаются вызов инструментов, структурированный вывод и потоковая выдача. Режима рассуждений в каталоге у модели нет.
Не стоит брать ее для работы с изображениями на входе, для кода на уровне топовых моделей или для сложных научных задач, где нужен режим рассуждений. Если нужны скорость и экономия, смотрите младшую Alice AI LLM Flash.
Сильные стороны
- Русскоязычные знания. По данным разработчика, на собственных тестах Яндекса по русским фактам модель опережает DeepSeek V3.1: WikiFacts RU 85 против 67, CultCat RU (знание российского культурного кода) 74 против 57.
- Школьные предметы. Яндекс отдельно выделяет рост качества на школьных задачах. В EduBench по русскому языку модель набирает 83 против 52 у DeepSeek V3.1 и 74 у YandexGPT Pro 5.1 (по данным разработчика).
- Эффективная токенизация. Яндекс сделал токенизатор под русский язык: по данным разработчика, по оценке разработчика, один токен у модели в среднем вмещает 4–5 символов кириллицы против 2–3 у открытых моделей вроде Qwen3. Текст на русском занимает меньше токенов.
- Бизнес-задачи. В слепом сравнении на потоке бизнес-запросов она выигрывает у YandexGPT Pro 5.1 в 53% случаев, у DeepSeek V3.1 в 60% (по данным разработчика).
- Вызов функций. В тесте BFCL модель набирает 68%, заметно выше DeepSeek V3.1 (58%), но на уровне с YandexGPT Pro 5.1 (69%), по данным разработчика.
Ограничения и спорные моменты
- Почти все цифры от Яндекса. Почти все числа на странице разработчика получены на собственных тестах Яндекса (EduBench, CultCat, WikiFacts RU, Format RU и другие) и на слепых сравнениях, методика которых раскрыта частично. Независимая проверка одна: пользовательский рейтинг LLM Arena (см. таблицу ниже).
- Не лидер в стандартных тестах. По данным разработчика, DeepSeek V3.1 впереди на GPQA Diamond (75 против 72), MMLU Pro (84 против 82), IFEval (87 против 84) и LiveCodeBench v6 (52 против 48). Модель не позиционируется как лучшая для кода и точных наук.
- Сравнение со старыми соперниками. Яндекс сравнивает модель с DeepSeek V3.1 и YandexGPT Pro 5.1, а не с самыми свежими моделями других разработчиков.
- Не с нуля. В техническом отчете Яндекс пишет, что инициализировал обучение весами открытой модели Qwen3-235B, а затем провел полный цикл на своих данных и инфраструктуре: токенизатор, предобучение, расширение окна контекста, RL. Разработчик подчеркивает, что это не простое дообучение, но стартовые веса взяты из чужой модели.
- Русский язык в школьных задачах. В техническом отчете сам Яндекс пишет, что русский оказался самым трудным предметом: приемлемое качество получилось только у модели, ориентированной на рассуждения, а доля решений с оценкой «хорошо» и выше осталась невысокой. В нашем каталоге у Alice AI LLM режима рассуждений нет, так что на этот результат разработчика опираться не стоит.
- Модель закрытая. В техническом отчете Яндекс называет Alice AI LLM проприетарной моделью. Открытые веса у компании есть только у другой, базовой модели AliceAI-Foundation-80B-A3B-Base (80 млрд параметров, 3 млрд активных, обучена с нуля, без дообучения под диалоги); это не Alice AI LLM.
Бенчмарки
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| Слепое сравнение с прошлой версией Алисы, по данным разработчика | победы в 69% случаев | Яндекс | на нояб. 2026 |
| Слепое сравнение с DeepSeek, по данным разработчика | победы в 50% случаев | Яндекс | на нояб. 2026 |
| Слепое сравнение на бизнес-запросах с YandexGPT Pro 5.1, по данным разработчика | победы в 53% случаев | Яндекс | на нояб. 2026 |
| GPQA Diamond, по данным разработчика | 72% (DeepSeek V3.1 75%, YandexGPT Pro 5.1 49%) | Яндекс | на нояб. 2026 |
| MMLU Pro, по данным разработчика | 82% (DeepSeek V3.1 84%, YandexGPT Pro 5.1 72%) | Яндекс | на нояб. 2026 |
| MATH 500, по данным разработчика | 96% (DeepSeek V3.1 96%, YandexGPT Pro 5.1 81%) | Яндекс | на нояб. 2026 |
| LiveCodeBench v6, по данным разработчика | 48% (DeepSeek V3.1 52%, YandexGPT Pro 5.1 33%) | Яндекс | на нояб. 2026 |
| WikiFacts RU (факты из Википедии), по данным разработчика | 85% (DeepSeek V3.1 67%, YandexGPT Pro 5.1 74%) | Яндекс | на нояб. 2026 |
| IFEval (следование формату), по данным разработчика | 84% (DeepSeek V3.1 87%, YandexGPT Pro 5.1 81%) | Яндекс | на нояб. 2026 |
| LLM Arena, независимый открытый рейтинг | Elo 1069, 19-е место из 112 моделей (GigaChat 3.5 1130, 7-е место; YandexGPT Pro 5.1 985, 55-е место) | vc.ru, данные llmarena.ru на 13.09.2026 | сент. 2026 |
Чем Alice AI LLM отличается от соседей
Alice AI LLM — старшая текстовая модель семейства, в которое входят также Alice AI LLM Flash, визуальная Alice AI VLM, омнимодель Alice AI Omni и модель изображений Alice AI ART.
Alice AI LLM Flash — компактная версия для быстрых и массовых сценариев: боты, модерация, классификация, суммаризация. По данным Яндекса, Flash в ряде тестов обходит YandexGPT Pro 5.1, но на GPQA Diamond набирает 68% против 72% у старшей модели. Берите Flash, если важны скорость отклика и бюджет; Alice AI LLM, если нужны более глубокие ответы и больше знаний.
YandexGPT Pro 5.1 — предыдущий флагман. В независимом рейтинге LLM Arena Alice AI LLM заметно выше (Elo 1069 против 985).
Альтернативы в каталоге
- Alice AI LLM Flash: та же линейка, быстрее и дешевле. Подойдет для массовых запросов и ботов.
- YandexGPT Pro 5.1: предыдущий флагман Яндекса. Берите, если уже настроили промпты под него.
- GigaChat3.5 432B A28B Reasoning: модель Сбера с режимом рассуждений в регионе Россия. Выбирайте, если нужен режим рассуждений. В LLM Arena линейка GigaChat 3.5 по данным vc.ru выше Alice AI LLM, но рейтинг относится к GigaChat 3.5 в целом, а не к этой версии.
- DeepSeek V4 Pro: модель с режимом рассуждений в регионе Россия. Берите, когда задаче нужны рассуждения, которых у Alice AI LLM нет.
Частые вопросы
Подойдет ли Alice AI LLM для чат-бота на русском языке?
Да, это один из основных сценариев. Яндекс отдельно улучшал чатовые сценарии: модель точнее учитывает контекст диалога и дает более развернутые ответы. Проверьте, как она держит роль и формат на ваших диалогах.
Умеет ли модель работать с изображениями и инструментами?
Изображения она не принимает, вход только текстовый. Вызов инструментов, структурированный вывод и потоковая выдача поддерживаются. Режима рассуждений в каталоге у модели нет.
Чем она лучше YandexGPT Pro 5.1?
По данным Яндекса, в слепом сравнении на бизнес-запросах она выигрывает у YandexGPT Pro 5.1 в 53% случаев и заметно сильнее на русских фактах и школьных задачах. В независимом рейтинге LLM Arena она тоже выше.
Подойдет ли она для программирования?
Скорее нет, если вам нужен топовый результат. На LiveCodeBench v6 она набирает 48% и по данным разработчика уступает DeepSeek V3.1 (52%). Для кода лучше посмотреть специализированные или более сильные модели.
Можно ли запустить ее у себя?
Нет: Яндекс называет Alice AI LLM проприетарной моделью и не публикует ее веса. Открыты веса только базовой модели AliceAI-Foundation-80B-A3B-Base, это другая модель.
Источники
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-2/aliceai-llm",
"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-2/aliceai-llm",
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-2/aliceai-llm",
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-2/aliceai-llm","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-2/aliceai-llm","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;Все параметры API · 13
frequency_penaltymax_tokensnpresence_penaltyresponse_formatseedstopstreamstructured_outputstemperaturetool_choicetoolstop_p

