В бенчмарке три новых модели. Все три – из разных ценовых категорий, с разными сильными сторонами. Qwen 3.7 Max (Alibaba) – 9-е место из 30 Решение проблем – 8-е место, поиск информации – 8-е

В бенчмарке три новых модели. Все три – из разных ценовых категорий, с разными сильными сторонами.

Qwen 3.7 Max (Alibaba) – 9-е место из 30

Решение проблем – 8-е место, поиск информации – 8-е. Ближайший сосед – DeepSeek V4 Pro (10-е место), но Qwen обходит его в решении проблем и коммуникации. Доступна из России напрямую через chat.qwen.ai. Alice AI LLM (Yandex, 27-е место) – лучшая из российских моделей в рейтинге – уступает Qwen 3.7 Max во всех восьми категориях. В верхней десятке четыре модели с прямым доступом: MiMo v2.5 Pro (3-е), Kimi K2.6 (5-е), Qwen 3.6 Plus (7-е) и теперь Qwen 3.7 Max (9-е). Цена: $2,5/$7,5 за миллион токенов.

Gemini 3.5 Flash (Google) – 12-е место

Региональная осведомлённость – 5-е место из 30. Для задач с российской спецификой (регулирование, рынок, культурные особенности) это лучший результат среди моделей Google и один из лучших среди западных моделей в целом. Для сравнения: Claude Sonnet 4.6 v2 – 6-е место в этой категории, GPT-5.4 Mini – 15-е. Заблокирована в России, доступ через VPN. Цена: $1,5/$9.

GigaChat Ultra v2 (Sber) – 30-е место

Лучшие категории – планирование (28-е) и анализ (28-е). Среди российских моделей в бенчмарке – Alice AI LLM v2 (Yandex) на 27-м месте при цене $0,8/$0,8, GigaChat 2 Max v2 – на 57-м при $7,22. GigaChat Ultra v2 стоит $10 за миллион токенов – самая дорогая среди российских моделей в рейтинге.

Что выбрать

Для менеджера в России с прямым доступом – Qwen 3.7 Max закрывает большинство задач на уровне верхней десятки. Для задач с российской спецификой через VPN – Gemini 3.5 Flash даёт неожиданно сильный региональный контекст. GigaChat Ultra – вариант для тех, кому важно хранение данных на территории РФ, но соотношение цена/качество слабее конкурентов.. Тем не менее, что-то все же можно улучшить.

Кроме трёх новых, в бенчмарке уже есть обновлённые версии знакомых моделей: Claude Sonnet 4.6 v2 (6-е место), GPT-5.4 Mini v2 (11-е), Claude Haiku 4.5 v2 (19-е), Gemini 3 Flash v2 (24-е) и GigaChat 2 Max v2 (57-е). Все оценены по той же методологии.

Полная таблица с фильтрами – mysummit.school/research/benchmark