ИИ от T-Банка: что стоит за моделью T-Pro 2.0

Один из упомянутых кейсов — T-Банк. Кстати, компания на днях выложила в открытый доступ собственную языковую модель с гибридным режимом рассуждений T-Pro 2.0, которую разработали, дообучив Qwen3. Расходы на создание модели составили менее 120 млн руб. — это примерно в 100 раз меньше, чем уходит на создание проприетарной модели.

Что в ней интересного:

➡️ модель работает на русском языке и, по заявлению компании, обрабатывает русскоязычные запросы быстрее исходной модели в два раза;

➡️ внутри банка с ее помощью выросло качество в поддержке — сейчас до 45% запросов клиентов решаются без участия операторов;

➡️ модель open-source под открытой лицензией: подходит для коммерческого использования, можно дообучать под свои задачи.

Это не первая модель, которую T-Банк выкладывает бесплатно: на ПМЭФ представители компании заявляли, что зарабатывают не на LLM, а на downstream — от экономии в поддержке до автономных агентов, которые растят эффективность операционных процессов.

💡 Есть нюанс: пока публичных сравнений по качеству генерации или масштабам внедрения немного. Но сам факт, что российские игроки продолжают выкатывать подобные решения — это хороший сигнал для рынка.

Вывод: T-Pro 2.0 — не «революция», но как минимум серьезный прогресс и заявка на серьезность намерений (модели с рассуждениями сейчас на пике): именно на их основе создают ИИ-агентов, которые могут менять целые отрасли.