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.

Мұнай-газЭнергетикаУран және ТКМӨнеркәсіпКорпоративтік LLM

Itô Labs Theia моделін нөлден оқытты: бұл кәсіпорын контурындағы LLM үшін нені білдіреді

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

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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

  1. 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.
  2. 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.

FAQ

Жиі қойылатын сұрақтар

Бізге жиі қойылатын сұрақтарға қысқа әрі тура жауаптар.

Theia-ны кәсіпорын контурының ішіне, on-premise орнатуға бола ма?

Дереккөзде бұл туралы айтылмаған: сөз Opkit платформасы және оның жабық бетасы туралы. Жеткізу тәсілін, салмақтарды лицензиялауды және инфрақұрылым талаптарын пилот басталғанға дейін жеткізушіден нақтылау керек — ұлттық компаниялар үшін бұл шешуші фактор.

Мұндай модель болжамды қызмет көрсетуді алмастыра ма?

Жоқ. Модель мәтінмен және платформадағы әрекеттермен жұмыс істейді: тапсырмалар, есептер, құжат жобалары. Вибрация, SCADA деректері және қалдық ресурсты бағалау — басқа тапсырмалар класы, ал дереккөзде өндірістік кейстер жоқ.

Неліктен жеке токенизатор қазақстандық кәсіпорын үшін маңызды?

Ол өңдеу жылдамдығы мен құнына әсер етеді: қазақ сөзіне 1,6 токен, шетелдік модельдерде 3,4–4,9, яғни бір сұранысқа көбірек мәтін сыяды. Бірақ бұл өңдеу сипаттамасы, регламент бойынша жауаптың расталған сапасы емес.

91–95% — бұл модельдің дәлдігі ме?

Бұл платформаның 48 000 ішкі сценарийінде модель қажетті әрекетті таңдаған жағдайлардың үлесі; қалғандарында ол нақтылау сұрағын қойған. Бұл көрсеткіш нормативтік құжаттама бойынша сұрақтарға жауап дәлдігіне қатысты емес.

2026 ж. 22 қарашаНарық және сала

Деректер актив ретінде және Цифрлық кодекс: ҚР цифрлық экономикасы туралы мәлімдемелер зауыттар үшін нені білдіреді

Депутат Екатерина Смышляева Цифрлық кодекс, пайдалануға берілген екі суперкомпьютер және деректердің экономикалық ресурс ретіндегі рөлі туралы айтты. Осының қайсысы Қазақстанның өнеркәсіптік кәсіпорындары үшін жұмыс контексті, ал қайсысы әзірге тек жарияланған перспектива екенін талдаймыз.

ЭнергетикаӨнеркәсіп

Оқу

2026 ж. 22 қарашаТехнология релизі

Google DeepMind-нан Gemini 4 Neon: бұлттық модель Қазақстанның өнеркәсіптік кәсіпорындарына не береді

Google DeepMind Gemini 4 Neon — 1 млн токен контекстімен және кэштелетін токендердің миллионы үшін 0,15 доллардан басталатын бағасы бар жалпы мақсаттағы бұлттық модельді таныстырды. Ол қандай инженерлік міндеттерді шешетінін және оны неге АСУ ТП контурына қоюға болмайтынын қарастырамыз.

Мұнай-газЭнергетикаУран және ТКМӨнеркәсіп

Оқу

2026 ж. 22 қарашаТехнология релизі

Cloudflare Clairic және Clairic-flash салмақтарын ашты: PDF және скандардан деректерді алу

Cloudflare Clairic және Clairic-flash модельдерінің ашық салмақтарын жариялады — бұл модельдер суреттер мен PDF-тен құрылымдалған өрістерді алуға арналған. Бұл Қазақстан кәсіпорындарында төлқұжаттарды, актілерді және нарядтарды цифрландыруға не беретінін және пилотқа дейін нені тексеру керегін талдаймыз.

Мұнай-газЭнергетикаУран және ТКМӨнеркәсіп

Оқу

Келесі қадам

Пилоттық жобаны талқылау

Міндет туралы айтыңыз — екі жұмыс күні ішінде деректер аудитінің жоспарымен ораламыз.

  1. 130 минуттық қоңырау: міндет, қазіргі жүйелер, шешімді кім қабылдайды
  2. 2Деректер мен процестерді талдау, мерзім мен құн дәлізі бар кезеңдер жоспары
  3. 32–4 аптада прототип немесе табыс критерийлері алдын ала бекітілген 8–12 апталық пилот

Алғашқы байланыстан бастап NDA

Бір жұмыс күні ішінде жауап