За даними Міністерства цифрової трансформації, повноцінну тестову версію мовної моделі «Сяйво» планують підготувати до кінця грудня 2026 року, а публічний доступ відкрити у січні 2027-го; про це Chief AI Officer Мінцифри Роман Кислий повідомив.
Терміни запуску та публічний доступ
Повноцінну тестову версію «Сяйва» планують підготувати до кінця грудня 2026 року, а публічний запуск очікують у січні 2027-го. Одночасно з відкриттям розробники мають оприлюднити частину датасету, на якому навчали модель.
Модель створюють у співпраці Міністерства цифрової трансформації та компанії «Київстар». Наявність відкритої частини даних ускладнюється питаннями прав на матеріали та умовами доступу.
Дані для навчання: обсяги й джерела
Датасет для «Сяйва» формують із текстів, які включають історичні документи, наукові роботи, книжки, законодавство, судові рішення, словники та інші матеріали українською мовою. Джерела надходять з університетів, бібліотек, державних архівів, наукових установ і медіа.
- історичні документи та архіви
- наукові праці й спеціалізовані словники
- закони, судові рішення й інші офіційні тексти
У квітні 2026 року Державна архівна служба передала для навчання моделі 10 терабайтів історичних матеріалів, державних документів і наукових текстів. До збору даних також долучилися десятки інших установ.
Технічна основа та адаптація моделі
Технологічною основою «Сяйва» стала відкрита модель Gemma 3 від Google, яку додатково адаптують і донавчають на спеціально зібраних українських даних, за інформацією «Київстару». Тобто розробка передбачає донавчання існуючої моделі, а не створення повністю нової системи з нуля.
Мета адаптації — поліпшити розуміння української мови, культурного й історичного контексту, а також точність у роботі з юридичною, технічною та професійною термінологією. Оприлюднення частини датасету має дозволити дослідникам і розробникам незалежно перевіряти якість навчання та створювати власні рішення.
Обмеження якості та тестування
Наявність українського датасету не гарантує абсолютну точність відповідей моделі: її необхідно тестувати на стійкість до дезінформації, упереджень і вигаданих відповідей. Результат залежатиме від обсягу, якості, різноманітності даних і способу навчання.
Оприлюднення частини даних і відкритий доступ до моделі мають надати можливість перевірити склад набору даних та оцінити можливості «Сяйва», але конкретний склад відкритого набору залежатиме від прав на використання матеріалів та встановлених умов доступу.
