Новый стандарт эффективности в поиске
Команда T-Tech выложила в открытый доступ модель T-Search, разработанную для задач многошагового поиска (multi-step search). В основе архитектуры лежит гибридная модель Qwen3.6-35B-A3B, которая сочетает в себе мощь больших языковых моделей с экономичностью архитектуры Mixture of Experts (MoE).
Главная ценность решения — не только в качестве ответов, но и в экономике вычислений. Использование активации только части параметров (Active Parameters) позволяет снизить затраты на инференс без критической потери точности, что делает T-Search привлекательным для продакшн-решений.
Технические характеристики и поддержка языков
Модель оптимизирована для работы с двумя ключевыми языками: английским и русским. Это закрывает важную нишу для русскоязычных разработчиков, которым часто не хватает качественных open-source решений для сложного поиска по базам знаний.
| Параметр | Значение |
|---|---|
| Базовая модель | Qwen3.6-35B-A3B |
| Архитектура | MoE (Mixture of Experts) |
| Поддерживаемые языки | Английский, Русский |
| Тип задачи | Агентный ретривер (Multi-step search) |
| Платформа | Hugging Face (Collection: t-tech/t-search) |
Почему это важно для разработчиков
В отличие от стандартных RAG-систем, T-Search позиционируется как агентный ретривер. Это означает, что модель способна самостоятельно планировать цепочку запросов, уточнять данные и фильтровать шум, что критически важно для сложных аналитических задач. Экономичная природа Qwen3.6-35B-A3B позволяет развертывать такие агенты на более доступном оборудовании, чем требуют полные dense-модели аналогичной мощности.
Доступность
Коллекция с моделями и примерами использования доступна на Hugging Face. Обновления и новые версии компонентов коллекции публикуются регулярно, что позволяет разработчикам всегда иметь доступ к актуальным весам и инструкциям по интеграции.
Источник: Huggingface ↗