Группа «Т-Технологии» представила открытую модель T-Search для многошагового поиска для бизнеса

В отличие от традиционных систем генерации на базе поисковой выдачи, где информация из баз знаний извлекается классическими поисковыми алгоритмами, T-Search позволяет собирать контекст специализированным поисковым суб-агентом, заточенным на многошаговое исследование баз знаний и формирование наиболее полного и качественного контекста под размышления большой языковой модели. 

По оценке разработчиков, экономический эффект от внедрения T-Search в агентские сценарии составляет от 20 до 100% экономии на обработке запроса моделью в зависимости от сценария. Кроме того, модель позволяет работать локально, что, в свою очередь, снижает стоимость каждого запроса и позволяет масштабировать поддержку при пиках без расширения GPU-кластера и одновременно обеспечивает соблюдение регуляторных требований по защите персональных данных и запрету на вывод чувствительных данных во внешнее облако.

Разработка будет востребована у интеграторов, поставляющих коробочные решения на базе генеративного ИИ для среднего бизнеса, а также у крупных компаний, где есть массовые потоки запросов по внутренним данным с высокой нагрузкой и строгими требованиями к безопасности и стоимости: телеком-операторов, маркетплейсов и e-commerce, страховых компаний, медицинских и фармдистрибьюторов, логистических компаний и сервисов доставки. 

Т-Технологии используют T-Search в собственных решениях, включая агентов автоматизации клиентского сервиса, RAG-платформу для работы с корпоративными документами, копайлотов для сотрудников и поисковые сервисы для B2B-клиентов. В перспективе технология также заменит поисковый модуль ИИ-сотрудника поддержки Афанасия Иванова, что сократит расходы на контекстный поиск и позволит быстрее обрабатывать более широкий спектр документов. 

Суммарные затраты на разработку T-Search, включая расходы на вычислительные мощности для R&D и финальное дообучение, а также зарплаты сотрудников, составили 70 млн рублей.

Модель построена на базе Qwen3.6-35B-A3B и работает как специализированный поисковый агент, отвечающий за извлечение релевантного контекста. Модель содержит 35 млрд параметров, из которых одновременно активны только 3 млрд, благодаря чему способна разворачиваться на одной GPU H100 вместо стандартных 16-ти. Работает до трех раз быстрее на типичной нагрузке и до пяти раз дешевле в токенах по сравнению с открытыми моделями сопоставимого качества. На специализированных бенчмарках многошагового поиска T-Search превосходит по качеству более крупные открытые решения и значительно опережает базовую модель. Архитектура позволяет запускать несколько поисковых субагентов параллельно, дополнительно повышая качество поиска до 15%. Это дает компаниям возможность гибко разменивать вычислительные ресурсы на качество под свою задачу.

T-Search опубликована на Hugging Face под лицензией Apache 2.0 вместе с кодом для интеграции модели в ИИ-агентов и воспроизведения заявленных результатов.

Компании могут свободно скачивать модель, адаптировать ее под собственные задачи и интегрировать в корпоративные продукты и сервисы. 

Дмитрий Ушанов, директор центра искусственного интеллекта Т-Банка:
- Мы создали специализированную модель, которая решает одну из ключевых задач современных корпоративных ИИ-агентов — поиск полного и достоверного контекста. Открытая публикация T-Search позволит компаниям быстрее внедрять подобные решения и адаптировать их под собственные задачи, а главное — делать внедрение ИИ-агентов и ИИ-сотрудников экономически эффективным за счет компактной архитектуры, которая позволяет до двух раз сократить требования к вычислительным ресурсам без потери качества многошагового поиска. Это делает технологию доступной для более широкого круга компаний, которым важно локальное развертывание.