Украина финализирует разработку собственной большой языковой модели «Сияние» с завершением к середине ноября 2026 года. Проект перешёл на новую архитектуру, сменив базовую Gemma 3 на более мощную Gemma 4 от Google. Государство формирует основу для более глубокой интеграции ИИ в правительственные цифровые сервисы. Речь идёт не просто о чат-боте, а об инфраструктуре для GovTech-сектора. Национальная LLM обучается на массиве исторических данных и должна стать ядром для инструментов разработчиков и автономных ИИ-помощников, меняя подход к взаимодействию граждан с государственными институтами.
ИИ-модель «Сияние» с 31 млрд параметров запустят к ноябрю
Пивот на Gemma 4 и 10 ТБ государственных данных
Смена технологического стека на финальном этапе разработки — рискованный, но обоснованный шаг. Сначала команда работала с архитектурой Gemma 3, однако выход нового поколения заставил пересмотреть подход. По данным «Экономической правды», теперь основой «Сияния» является Gemma 4 — флагманская открытая модель Google с 31 млрд параметров.
Gemma 4 относится к reasoning-моделям, то есть к системам, оптимизированным для сложных логических выводов и многошагового анализа. Ключевое преимущество архитектуры — механизм Mixture of Experts (MoE), при котором для каждого запроса активируется только часть нейросети. Это снижает затраты на инференс (запуск модели для получения ответа) и сохраняет высокую скорость обработки запросов. Для государственного сектора это критично с учётом ограниченных бюджетов на облачные вычисления.
Для локализации модель обучают на уникальном датасете. Государственная архивная служба Украины передала разработчикам 10 терабайт оцифрованных архивов для обучения «Сияния». Это примерно эквивалент 70 тысячам книг. Использование такого массива локальных данных должно снизить проблему галлюцинаций, характерную для глобальных LLM в специфическом региональном контексте.
GovTech переходит к автономности: сигнал для рынка
Государственные сервисы постепенно эволюционируют от баз данных к экосистемам на основе искусственного интеллекта. Аналитики ETFocus отмечают тренд: правительства всё чаще отказываются от API коммерческих гигантов вроде OpenAI в пользу локальных open-source решений. Это вопрос контроля данных и национальной безопасности.
Развёртывание «Сияния» подчёркивает изменение подхода к GovTech. Создание собственной LLM можно сравнить с запуском национальной платёжной системы в финансовом секторе.
Пример с архивами показателен: когда юридические, исторические и финансовые документы становятся частью весов модели (weights), это открывает возможность автоматизации сложных бюрократических процессов. Рынок фиксирует смещение фокуса с универсальных чат-ботов на enterprise- и gov-сегменты, где ключевую роль играет приватность. «Сияние» рассматривается как база для ИИ-помощников нового поколения.
Есть и практическое следствие: интеграция модели с 31 млрд параметров в государственные реестры потребует обновления инфраструктуры, что создаст спрос на новые серверные решения. Параллельно это может подтолкнуть финтех-сектор к повышению стандартов сервиса. Пользователи, привыкшие к государственным ИИ-ассистентам, будут ожидать аналогичной скорости и качества от банковских приложений. Это ещё один сигнал постепенной децентрализации ИИ-рынка.
От чат-ботов к инфраструктурному ядру
Ноябрь 2026 года станет тестом способности государства внедрять сложные технологические решения. Успешный запуск «Сияния» на базе Gemma 4 может стать ориентиром для других европейских стран, которые ищут баланс между технологическим суверенитетом и доступом к современным ИИ-архитектурам.
Развёртывание модели как базовой платформы для разработчиков будет стимулировать появление экосистемы локальных микросервисов.
Вместо покупки дорогих корпоративных лицензий стартапы смогут создавать продукты поверх национальной LLM. Это снижает порог входа в GovTech-рынок. В то же время переход к архитектуре Mixture of Experts потребует высокой экспертизы команд, которые будут поддерживать систему в режиме реального времени. Растёт спрос на инженеров, работающих с тонкой настройкой (fine-tuning) больших моделей.
Технологический суверенитет сегодня определяется не только защитой границ или финансовой автономией. Он всё больше зависит от способности страны самостоятельно обрабатывать, анализировать и защищать собственные данные с помощью алгоритмов.
Развитие ИИ-государственных технологий происходит параллельно с глобальной конкуренцией в высоких технологиях — в частности, в таких направлениях, как квантовые вычисления.