Сбербанк представил GigaChat Vision — мультимодальную версию языковой модели GigaChat, способную обрабатывать не только текст, но и изображения, документы в формате PDF и таблицы¹. Новая модель работает на русском языке и оптимизирована для задач корпоративного документооборота, анализа деловой документации и визуального контроля качества.
Возможности GigaChat Vision
Модель принимает на вход изображения, сканы документов и файлы PDF и отвечает на вопросы об их содержании на русском языке². Основные сценарии применения:
Работа с документами: извлечение данных из договоров, актов, счетов-фактур; сравнение версий документов; проверка заполненности форм.
Анализ изображений: описание фотографий, распознавание объектов, чтение текста на изображениях (OCR с пониманием контекста).
Работа с таблицами и графиками: интерпретация числовых данных, ответы на вопросы по диаграммам, расчёты на основе табличных данных.
Конкурентный контекст
В мировой практике мультимодальные возможности стали стандартом: GPT-4V, Gemini 1.5 Pro, Claude 3 от Anthropic — все работают с изображениями³. GigaChat Vision закрывает аналогичную функциональность для русскоязычного корпоративного рынка с важным дополнением: данные обрабатываются на серверах в России, что критично для компаний с требованиями по локализации данных.
Особенность российского рынка — огромное количество документов в специфических российских форматах (1С, ЕИС, ГИС ЖКХ), с которыми зарубежные модели работают хуже.
Доступность
GigaChat Vision доступен через API для разработчиков и в веб-интерфейсе GigaChat для корпоративных подписчиков. Физическим лицам функция постепенно открывается в рамках GigaChat Max¹.
Мы специально обучили Vision на российской деловой документации. Модель понимает наши форматы, наш язык, нашу бюрократию — в хорошем смысле слова, — рассказал вице-президент Сбербанка по технологиям¹.
---
¹ Анонс GigaChat Vision — Сбербанк / developers.sber.ru, март 2026
² Функции модели — ТАСС, март 2026 — tass.ru
³ Конкурентный контекст — РБК, март 2026 — rbc.ru