Исследователи ИИ-Центра «Т-Банка» разработали два метода обучения моделей для компаний, которые запускают ИИ на собственной инфраструктуре. Первый помог объединить более 200 внутренних сервисов в языковой модели на основе Qwen3-32B. По данным «Т-Банка», она обрабатывает запросы в 2,8–3,9 раза дешевле Qwen3-235B и принимает половину месячного трафика внутренней платформы.
Второй метод обучает модель извлекать данные из документов разных типов по текстовому запросу. Компания сообщает, что ее применение обходится более чем на 80% дешевле ручной обработки и более чем на 50% дешевле лучшей из протестированных открытых моделей. Модель для корпоративных запросов и описание метода выложены в открытый доступ; модель для документов обучена на внутренних данных компании.
Почему это важно
Для банков и других компаний, которым нужно хранить данные внутри своей инфраструктуры, методы могут снизить расходы на обработку запросов и документов; независимая проверка заявленной экономии в сообщении не приводится.
