Технология релизі2026 ж. 21 қарашаРедакция 105.kz
Itô Labs Theia моделін нөлден оқытты: бұл кәсіпорын контурындағы LLM үшін нені білдіреді
Itô Labs Theia тіл моделін нөлден оқытқанын мәлімдеді: 1,22 млрд параметр, қазақ тіліне арналған жеке токенизатор және рөлдік құқықтары бар қорғаныс қабаты. Мұның қайсысы өнеркәсіптік кәсіпорында қолданылады, қайсысы әзірге гипотеза екенін талдаймыз.
Қысқаша. Itô Labs 1,22 млрд параметрлі Theia Eos компактты моделін жеке токенизаторымен нөлден оқытты: қазақ сөзіне 1,6 токен, шетелдік модельдерде 3,4–4,9. Қазақстандық кәсіпорын үшін бұл жергілікті тіл модельдерінің пайдасына дәлел, бірақ дереккөзде өнеркәсіптік кейстер мен on-premise жеткізу туралы деректер жоқ — құжаттама бойынша пилоттан және орналастыру тәсілін тексеруден бастау керек.
Нені болды
Қазақстандық Itô Labs Theia тіл моделін нөлден, дайын шетелдік модельдерді қосымша оқытусыз оқытқанын мәлімдеді. Компанияның айтуынша, архитектураны, сөздікті және оқытуды команда өзі жасаған; техникалық толық мәліметтер жеке мақалада жарияланған, ал Digital Business KZ редакциясына архитектурасы, сөздігі, оқыту кезеңдері және лицензиялары сипатталған «Theia Eos 1.0 моделінің паспорты» берілген. Отбасының бірінші моделі — Theia Eos: 1,22 млрд параметр, қазақ, орыс және ағылшын тілдеріндегі тазартылған деректердің 70 млрд токенінде, сондай-ақ код пен математикада оқытылған. Модель қазірдің өзінде Opkit платформасына кіріктірілген және пайдаланушылардың сұраныстарына жауап береді: тапсырмалар құрады, есептер мен коммерциялық ұсыныс жобаларын дайындайды.
Әзірлеушілер нөлден оқытуды үш себеппен түсіндіреді: құқықтық тәуелсіздік (салмақтар 100% Itô Labs-қа тиесілі — компанияның мәлімдемесі), жеке токенизатор және Clocked HRM гибридті архитектурасы, мұнда жылдам бөлік тапсырмаларды орындайды, ал жеке жады модулі ұзақ мерзімді контекстті ұстайды. Itô Labs деректері бойынша Theia Eos үшін қазақ сөзі 1,6 токен, орыс сөзі — 1,59, шетелдік модельдерде — 3,4-тен 4,9-ға дейін. Іске қосу алдында модель 48 000 жұмыс сценарийінде сыналған: қажетті әрекет 91–95% жағдайда таңдалған, қалғандарында модель нақтылау сұрағын қойған. Адам мен модель арасында қорғаныс қабаты мәлімделген: рөл бойынша құқықтарды тексеру, деректерді өзгерту алдында міндетті растау, журналдарда дербес деректерді маскировкалау, құжаттарда жасырылған командаларды орындаудан бас тарту. Opkit жабық бетасына тіркелу 20–27 қарашада ашық, тест — 28 қарашадан 28 желтоқсанға дейін, шығарылым 2027 жылғы 8 қаңтарға жоспарланған. 2027 жылға графикалармен, сызбалармен және фотолармен жұмыс істей алатын неғұрлым ауыр Theia Selene және Theia Helio модельдері мәлімделген.
Бұл Қазақстан кәсіпорындары үшін нені білдіреді
Маңызды ескерту: дереккөзде бірде-бір өндірістік кейс жоқ. Сипатталған сценарийлердің барлығы офистік: тапсырмалар, есептер, шарттар, кадрлық құжаттар, деректерді шығару. Өнеркәсіптік кәсіпорын үшін бұл технологиялар класы туралы жаңалық (жергілікті тілдері және құқықтарды бөлуі бар компактты тіл моделі), ал цех үшін дайын құрал туралы емес. Өндірістік құжаттамаға қолданылуы — гипотеза (бағалау).
Соған қарамастан, мұнда шешілетін тапсырмалар класы кәсіпорындарда бар және ақша тұрады — бұл технологиялық процесс емес, мәтінмен жұмыс.
| Сала | Тіл моделіне арналған тапсырмалар класы | Қандай деректер қажет | Пилотта нені тексеру керек |
|---|---|---|---|
| Мұнай-газ | Жабдық регламенттері мен паспорттары бойынша іздеу, айналым есептерінің жобалары, ақаулық ведомостарын талдау | Регламент мәтіндері, актілер, наряд-допускілер, ПСВ есептері, ТОиР тарихы | Жауап құжаттың тармағына сілтеме жасай ма; инженерді алмастырмай ма |
| Энергетика | Диспетчерлік журналдармен, ауыстыру бланкілерімен, жөндеу өтінімдерімен жұмыс | Журналдар, типтік бланкілер, өтінімдер, схемалар (мәтін түрінде) | Мұрагерлік нысандар мен қысқартулардағы дұрыстық |
| Уран және ТМК | Еңбекті қорғау нұсқаулықтары, ППР, наряд-допускілер, HSE есептілігі | Нұсқаулық мәтіндері, тексеру актілері, нұсқамалар | Бір құжатта қазақ және орыс тілдеріндегі сапа |
| Заводтар | Спецификациялар, КТГ мен МРП-ның мәтіндік бөлігі, ТОиР бойынша хат-хабар | Номенклатура, паспорттар, өтінімдер, хат-хабар | Кестелермен және ұзақ тізімдермен жұмыс |
Тілдер туралы бөлек: бір наряд-допускіде немесе нұсқаулықта қазақ және орыс тілдері — әдеттегі практика, және дәл осы жерде токенизатор туралы дәлел маркетингтік болудан қалады. Алайда мәлімделген сөзге 1,6 токен өңдеу жылдамдығы мен құнын өлшейді, регламент бойынша жауап сапасын емес.
Регуляторлық контекст: ұлттық компаниялар мен жер қойнауын пайдаланушылар үшін негізгі сұрақтар — дербес деректерді локализациялау, АҚ талаптары және модельді периметр ішінде орналастыру. Дереккөзде қорғаныс қабаты мен деректерді маскировкалауы бар платформа сипатталған, бірақ модельді кәсіпорынға жеткізу тәсілі (on-premise, жеке бұлт, сыртқы API) көрсетілмеген. Бұл жауапсыз енгізуді талқылау теориялық күйінде қалады.
Қалай қолдану керек: 8–12 апталық пилот
- Деректер мен шекаралар аудиті. Мәтіндік корпустардың тізімін жинау (регламенттер, паспорттар, актілер, журналдар), контурдан шығуға құқығы жоқ нәрсені және әртүрлі қатынау құқықтары бар рөлдер тізімін анықтау. Онсыз пилот қабылдау емес, демонстрация болады.
- Өлшенетін шығысы бар бір тапсырмалар класы. «ЖИ енгізу» емес, мысалы, регламенттің қолданыстағы тармағын іздеу немесе типтік есеп дайындау уақытын қысқарту. Стартқа дейін қолмен орындалған базалық уақытты өлшеу.
- Орналастыру талаптарын тексеру. Жеткізу тәсілі, салмақтарға лицензия, сұраныстарды журналдау, құқықтарды бөлу, деректерді кез келген өзгерту алдында адамның міндетті растауы. Мұндай жүйелерге жалпы тәсіл Корпоративтік LLM бетінде сипатталған.
- Шектеулі топ және адамның міндетті тексеруі. 10–30 инженер, әр жауап тек жоба ретінде пайдаланылады; құжатқа дұрыс сілтемесі бар жауаптар үлесі және нақтылау сұрақтарының үлесі тіркеледі.
- Алдын ала келісілген метрикалар бойынша қабылдау. Құжат дайындау уақыты, қателер үлесі, рөл құқықтарынан шығу үлесі, сұранысты өңдеу құны. ТОиР мен диспетчерлеудің салалық ерекшелігі — Өнеркәсіптік кәсіпорындар бөлімінде. Кепілдендірілген экономикалық тиімділік алдын ала уәде етілмейді: ол өлшенеді, болжанбайды.
Шектеулер мен тәуекелдер
- Модель өлшемі. 1,22 млрд параметр — компактты класс. Ұзын орыс және қазақ тілді регламенттер, кестелер мен сызбалар бойынша жария өлшемдер дереккөзде жоқ (бағалау).
- 91–95% метрикасының табиғаты. Бұл платформаның 48 000 ішкі сценарийінде қажетті әрекетті таңдау үлесі (тапсырмалар құру, кадрлық ауыстырулар, есептерді шығару), ал нормативтік құжат бойынша сұраққа жауап дәлдігі немесе тәуелсіз бағалау емес.
- Жеткізу және АҚ. Орналастыру тәсілі, салмақтарды лицензиялау, инфрақұрылым талаптары және ұлттық компаниялардың АҚ талаптарына сәйкестік дереккөзде ашылмаған. Кәсіпорын үшін бұл бөлшек емес, жеткізушіге қойылатын бірінші сұрақ.
- Мәлімделген, өлшенбеген. Қорғаныс қабаты (рөл құқықтары, растау, деректерді маскировкалау) компаниямен сипатталған; тәуелсіз аудит келтірілмейді.
- Фактілердің орнына жоспарлар. Графикалар мен сызбалар бойынша жұмыс істейтін Selene мен Helio — 2027 жылға арналған жоспарлар; жоба шешімінде оларға сүйенуге болмайды.
- Қолданылу шекаралары. Тіл моделі технологиялық процесті басқару құралы болып табылмайды және АСУ ТП-ны алмастырмайды; шешім жауапкершілігі адамда қалады, ал вибрация, SCADA-трендтер және RUL — деректері басқа бөлек тапсырмалар класы.
- Иелік ету құны туралы фактілер аз және модельдің салалық спецификалық терминологияда өзін қалай ұстайтыны туралы да (бағалау).
Дереккөздер
- Digital Business KZ: Независимая отечественная ИИ-модель — разработчики рассказали, как обучили Theia с нуля · 2026-11-20T15:30:45.000Z
Мы выбрали обучение с нуля по трем причинам. Во-первых, это юридическая независимость: модель и ее веса на 100% принадлежат Itô Labs, а для B2B и госсектора это критично.
- Фото: Diliff — US Capitol dome Jan 2006.jpg (CC BY 2.5, Wikimedia Commons)
Материал жоғарыда көрсетілген дереккөздер негізінде ЖИ көмегімен дайындалды. Қате байқасаңыз, info@105.kz мекенжайына жазыңыз.