Архитектура Mixture-of-Architectures (MoA)
Interfaze 1.1 Lite — это не единая нейросеть, а гибридная система, состоящая из ядра рассуждений (reasoning core) и набора специализированных модулей. Ядро, использующее гибридное внимание и FP8-квантование, планирует выполнение задач, вызывая нужные «специалисты» через инструментальные вызовы. Это позволяет обрабатывать документы, аудио и изображения в едином потоке с контекстным окном 131k токенов.
Ключевая особенность — полная автономность. Модель работает офлайн, требует только одну GPU с вычислительной способностью 8.9 (Hopper/Ada, например, H100) и не зависит от внешних API. Для ускорения генерации критически важна библиотека flash-linear-attention.
Ключевые возможности и метрики
Модель поддерживает чтение PDF/Word (до 50 страниц за вызов), транскрипцию аудио (95 минут за ~90 секунд) и визуальное обоснование (grounding) элементов интерфейса. Ниже приведено сравнение производительности Interfaze 1.1 Lite с ведущими коммерческими моделями на ключевых бенчмарках:
| Бенчмарк | Что измеряется | Interfaze 1.1 Lite | GPT-5.4-Mini | Claude-Sonnet-4.6 | Gemini-3-Flash |
|---|---|---|---|---|---|
| GPQA Diamond | Наука (физика, химия, биология) | 85.9 | 82.8 | 89.9 | 88.5 |
| MMMU-Pro | Мультимодальные рассуждения | 73.2 | 40.4 | 46.3 | 67.6 |
| olmOCR-Bench | OCR документов (PDF, сканы) | 83.8 | 80.1 | 73.9 | 75.3 |
| RefCOCO (Acc@0.5) | Визуальное обоснование (grounding) | 83.8 | 82.1 | - | - |
| SOB | Структурированный вывод (JSON) | 81.5 | 77.9 | 77.3* | - |
| VoxPopuli (WER ↓) | Распознавание речи (ошибка слов) | 3.01% | 2.4% | - | - |
Примечание: В бенчмарке MMMU-Pro Interfaze 1.1 Lite демонстрирует лучший результат среди всех протестированных моделей. В GPQA Diamond он превосходит GPT-5.4-Mini и Grok-4.3, особенно в задачах по физике.
Технические детали и запуск
Модель предоставляет API, совместимый с OpenAI, что упрощает интеграцию. Для работы требуется установка зависимостей через pip install -r requirements.txt и наличие ffmpeg в системе. Код загрузки через Hugging Face Transformers выглядит следующим образом:
- Запуск:
model.chat()для общих вопросов,model.ocr()для документов,model.transcribe()для аудио. - Безопасность: Встроенный классификатор проверяет текст и изображения на 119 языках, выдавая коды нарушений S1–S14.
- Прогнозирование: Поддержка временных рядов из CSV/JSON для предсказания будущих значений.
Интерфейс позволяет получать не только финальный ответ, но и «precontext» — полные результаты работы каждого специализированного модуля, что обеспечивает прозрачность принятия решений (explainability).
Бенчмарки
| Бенчмарк | Interfaze | Interfaze 1.1 Lite | Claude-Sonnet-4.6 | GPT-5.4-Mini |
|---|---|---|---|---|
| GPQA Diamond | 92.4% | 85.9% | 89.9% | 82.8% |
| MMMLU | 90.9% | 87.8% | 84.9% | 75.3% |
| MMMU-Pro | 71.1% | 73.2% | 46.3% | 40.4% |
| olmOCR-Bench | 85.7% | 83.8% | 73.9% | 80.1% |
| OCRBench v2 (English) | 70.7% | 60.9% | 54.7% | 52.7% |
| RefCOCO (Acc@0.5) | 82.1% | 83.8% | — | — |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Huggingface ↗