lentainform.org — это
новостной агрегатор, который автоматически собирает новости из интернет-СМИ и
ранжирует их по времени публикации и популярности. Рядом с заголовком каждой
статьи указано количество ее прочтений на текущий момент. Статистика обновляется
в режиме онлайн.
Можно посмотреть ленту популярных материалов за час, сутки или за неделю, а также
выбрать определенную тематику и получить выборку новостей по ней. На lentainform.org
публикуются новости следующих тематик: Политика, Общество, Спорт, Экономика,
Шоу-бизнес, Знаменитости. Каждая из тематик представлена в меню сайта.
Материалы, отсортированные по времени публикации, размещены в блоке «Последние
новости» на главной странице и страницах тематических рубрик. При клике на
заголовок новости происходит переход на сайт издания, которое ее опубликовало.
Для СМИ
Мы дорожим доверием читателей и внимательно относимся к отбору поставщиков контента,
поэтому сотрудничаем с изданиями, которые зарегистрированы как СМИ. Участие в ранжировании
в новостном агрегаторе lentainform.com
абсолютно бесплатно. Подать заявку на участие вы можете на странице регистрации
partner.lentainform.org/.
Для попадания контента в новостной агрегатор необходимо разместить код Lentainform на сайте
вашего издания. Мы открыты к сотрудничеству. По всем вопросам обращайтесь на
support@lentainform.org.
Для читателей
Мы стремимся к тому, чтобы пользование
lentainform.org
приносило удовольствие, и читатели возвращались к нам снова. Для удобства чтения вы можете
настроить свою персонализированную новостную ленту. Есть возможность выбрать список СМИ
и тематику новостей, которая вас интересует.
Контакты
Адрес:
ул. Большая Полянка, дом 55, строение 2, оф. №7, г. Москва
3 ноября 2026 года в Индии были представлены сразу три языковые модели индийской разработки: EKA-1 компании Soket и Dhīr 2B и Dhīr 5B компании ZenteiQ. Все три создавались при поддержке государственной программы IndiaAI Mission, которая дала доступ к субсидируемым вычислительным ресурсам и поддержке исследований.
Для правительства Индии это очередной шаг к технологической самостоятельности, а для компаний — возможность предложить ИИ, учитывающий местные языки и специфику.
Современный «искусственный интеллект»
То, что сейчас называют «искусственным интеллектом», на самом деле правильно называть большими языковыми моделями (Large Language Model — LLM), которые являются подвидом группы алгоритмов, вдохновленных строением и принципами работы биологического мозга, называемых нейросетями. Создание языковой модели можно условно разделить на проектирование и обучение. Сначала разработчики выбирают архитектуру — устройство нейросети: из каких блоков она состоит и как они взаимодействуют. Архитектура и ее конфигурация определяют в том числе количество параметров или «весов» — настраиваемых числовых величин внутри модели.
Во время обучения программа многократно обрабатывает данные и корректирует значения этих параметров, чтобы лучше выполнять учебную задачу — например, предсказывать следующий фрагмент текста. Обучение большой модели с нуля требует значительных объемов данных и вычислительных ресурсов.
После предварительного обучения модель обычно проходит дополнительные этапы подготовки: ее учат следовать инструкциям, вести диалог и решать нужные задачи. Разработчики могут также взять уже обученную чужую модель и дообучить ее для своих целей. Такое дообучение меняет значения всех или части параметров и может заметно изменить поведение модели.
Особенности новых индийских моделей
Подходы индийских компаний, представивших свои нейросети, отличаются. Soket предлагает более крупную модель для сложных корпоративных задач. EKA-1, по данным презентации, содержит 26,3 млрд параметров. Она поддерживает английский язык и 22 языка, указанных в индийской конституции. Эта модель предназначена для программирования, математических задач, рассуждения и систем, способных выполнять последовательность действий. Сама Soket особо выделяет банковскую сферу, финансовые услуги и кибербезопасность.
Модели от Dhīr спроектированы для других целей. Они значительно меньше — старшая версия на 5 млрд параметров, а младшая — примерно на 2 млрд. Обе версии поддерживают английский и десять индийских языков. Их предполагаемые задачи — поиск по документам, ответы на вопросы сотрудников и автоматизация работы с внутренними знаниями.
Старшая модель построена по принципу Mixture of Experts (MoE) — «смесь экспертов», которая позволяет при выполнении запросов пользователя задействовать не все параметры, а только необходимые в данный момент. Это позволяет существенно снизить требования к быстродействию оборудования и запускать модель локально, а не только в дата-центрах. Dhīr утверждает, что обе модели были обучены с нуля, без использования готовых весов других моделей.
Все три модели заявлены как открытые, что подразумевает, что любой желающий может скачать их веса и запустить модели при наличии у него подходящего оборудования, однако EKA-1 в публичный доступ еще не выложена.
Это не первые индийские модели. Лидером в этой сфере является основанная в 2023 году компания Sarvam. Две ее самые мощные модели Sarvam-30B и Sarvam-105B построены по принципу MoE с 30 млрд и 105 млрд параметров соответственно. Компания отметила, что за основу своей архитектуры взяла реализации MoE от Llama и DeepSeek, причем сами модели, представленные в марте, обучены с нуля.
Как заявляет компания, модели предназначены для обслуживания клиентов, доступа к информации и автоматизации рабочих процессов на индийских языках. Младшая 30B ориентирована на быстрые разговорные сервисы, старшая 105B — на сложные запросы, программирование и выполнение многошаговых задач. Обе модели поддерживают английский и все 22 языка, указанные в конституции Индии.
Возможности индийских ИИ
Подробные тесты опубликованы пока только для моделей Sarvam. Они демонстрировали примерно равный процент правильных ответов с выпущенными в августе 2025 года открытыми моделями GPT-OSS-120B от OpenAI и китайской Qwen3-30B-Thinking-2507. Сравнивая производительность своей модели с Qwen3-30B-A3B, вышедшей весной 2025 года, Sarvam отмечает, что на MacBook Pro M3 ее модели быстрее где-то на 20%. А на серверных NVIDIA H100 ее модель может обслуживать в 3–6 раз больше запросов одновременно.
Компания Dhīr не раскрыла точных результатов тестирования, но назвала свои модели конкурентоспособными среди открытых компактных моделей 1–7 млрд параметров, точные названия моделей при этом не приводятся. В материалах подчеркивается, что основное предназначение ее моделей — локальная работа без интернета и передача данных внутри организации.
Компания Soket утверждает, что EKA-1 по производительности примерно соответствует открытой GPT-OSS-30B, вышедшей летом 2025 года. По заявлению компании, качество ответов модели примерно соответствует открытым моделям на 20–30 млрд параметров, выпущенным в конце 2025 — начале 2026 года.
Наиболее масштабным примером использования индийских моделей является государственная платформа BHASHINI, через которую приложения могут использовать разные языковые ИИ-модели для перевода, распознавания речи и текста, синтеза голоса. Готовые приложения также публикуются на этой платформе. Там есть как приложения общего использования, например BHASHINI App для голосового и текстового перевода, так и специализированные решения для организаций, в том числе и государственных, к примеру, в сентябре 2026 года для высшего органа государственного аудита CAG запущена система перевода документов с контролем человека CAG-BHASHINI Anuvaad.
Обучение собственных моделей
Все эти нейросети обучались в рамках IndiaAI Mission — государственной программы развития ИИ, созданной в 2024 году. Она охватывает вычислительные ресурсы, модели, платформу данных AIKosh, приложения, подготовку кадров, поддержку стартапов и безопасность ИИ.
В рамках этой программы государство финансирует исследования, разработку моделей и доступ к вычислительным ресурсам. В том числе она помогает компаниям получить субсидируемые мощности коммерческих операторов. Правительство Индии выделило на эту программу более 100 млрд рупий (88 млрд руб.).
По данным Soket, для проекта EKA использовались полторы тысячи ускорителей NVIDIA H100 в дата-центрах оператора Yotta. ZenteiQ использовала для создания своих моделей дата-центр компании Google в Мумбаи, который использует Google Cloud TPU v6e — специализированные ускорители Google для машинного обучения. Для обучения моделей Sarvam использовались ускорители NVIDIA H100, размещенные в индийских дата-центрах.
Зависимость от США
В том, что обучение, да и использование индийских ИИ-моделей идет на американских ускорителях, никакой неожиданности нет. США прочно захватили безоговорочное лидерство в этой сфере, и даже Китай, занимающий прочное второе место в ИИ-гонке, серьезной конкуренции составить им пока не может. У Индии в принципе с производством полупроводников дела обстоят не очень, не говоря уж о чипах конкретно для ИИ-сферы.
Однако Индия стремится изменить ситуацию. 15 июля правительство одобрило госпрограмму Semicon 2.0. С помощью нее Индия пытается создать внутри страны полную цепочку разработки и производства полупроводников. На программу выделяется 1,275 трлн рупий (1,1 трлн руб.).
Semicon 2.0 предусматривает шесть направлений: проектирование чипов, оборудование и материалы, новые фабрики, сборка, тестирование и корпусирование — ATMP/OSAT, исследования и разработка, подготовка кадров.
Для стартапов и малых компаний предусмотрено начальное финансирование до 50% стоимости проекта, максимум 150 млн рупий (130 млн руб.) на заявку, с выплатами по этапам. 6 ноября заработал портал приема заявок по трем производственным направлениям, несмотря на некоторые успехи в создании собственных моделей,
Индия не может полностью закрыть ими имеющиеся потребности и плотно взаимодействует с лидерами рынка. Так, одна из наиболее успешных компаний в сфере ИИ — американская Anthropic — оценивает индийский рынок как весьма перспективный, в частности Индия была вторым по величине рынком ее пользовательского продукта Claude.ai.
16 февраля компания объявила об открытии офиса в Бангалоре, а 17 февраля было объявлено о сотрудничестве с компанией Infosys, которое предусматривает создание ИИ-агентов для телекоммуникаций, финансов, производства и разработки ПО. Получается, что индийский разработчик ПО будет внедрять американские модели у своих заказчиков по всему миру.
Anthropic сообщила об улучшении работы моделей на десяти распространенных в Индии языках, сотрудничестве с индийской компанией Karya над локальными проверками качества, образовательных проектах с компанией Pratham и поддержке юридического сервиса Adalat AI.
Ближайший конкурент Anthropic — компания OpenAI — 19 февраля объявила о контракте с крупными индийскими корпорациями Tata Group и TCS. Проект предусматривает внедрение продуктов компании ChatGPT Enterprise и Codex, а также совместные отраслевые решения для индийских и международных заказчиков. Инфраструктурная часть предусматривает создание дата-центра на 100 МВт с возможностью расширения до 1 ГВт.
В создании IT-инфраструктуры, которая может использоваться в том числе и в ИИ-сфере, участвует Google. В октябре 2025 года компания объявила об инвестициях около $15 млрд (1,25 трлн руб.) на 2026–2030 годы в ИИ-хаб в Вишакхапатнаме. Будут созданы дата-центры, которые необходимо обеспечить энергоснабжением и международными кабельными соединениями.
В декабре 2025 года компания Microsoft объявила, что вдобавок к анонсированным ранее $3 млрд (250 млрд руб.) она планирует вложить в создание и расширение своих дата-центров в Индии дополнительные $17,5 млрд (1,45 трлн руб.) на период до 2029 года.
Вывод
Индия, имеющая традиционно сильный IT-сектор, активно включилась в ИИ-гонку. Создание собственных больших языковых моделей является важным шагом в этом направлении. На настоящий момент отставание лучших индийских моделей можно оценить примерно в год по сравнению с передовыми китайскими, которые, в свою очередь, примерно так же на год отстают от лучших американских.
Два года разницы в такой бурно развивающейся сфере является весьма существенным отставанием, однако само наличие собственных моделей, обученных с нуля, свидетельствует о серьезном уровне подготовки специалистов в этой сфере, который дает Индии определенные позиции в условной «второй лиге» стран с собственными ИИ-моделями.