Сяйво: що відомо про українську національну мовну модель

Україна активно працює над створенням власної великої мовної моделі (LLM) під назвою «Сяйво». Цей амбітний проєкт реалізується у формі державно-приватного партнерства Міністерства цифрової трансформації та компанії «Київстар». Мета — створити ШІ-інструмент, який глибоко розуміє українську мову, культурний та історичний контекст України і стане основою для майбутніх державних сервісів, бізнес-рішень та освітніх продуктів.

Назву «Сяйво» (Siaivo) обрали громадяни шляхом голосування в додатку «Дія», в якому взяли участь понад 136 тисяч користувачів. Це підкреслює громадську значимість ініціативи. Розробка проєкту стартувала в червні 2025 року, і «Київстар» як технічний партнер відповідає за організацію процесу, формування інженерних команд, управління хмарною інфраструктурою, навчання моделі та її фінансування. Державний бюджет на це не витрачається.

На якому етапі розробка

Станом на листопад 2026 року проєкт перебуває на завершальній фазі тренування малої мовної моделі розмірністю 4 млрд параметрів (4B). Ця мала модель використовується як експериментальний полігон для перевірки архітектурних рішень, гіпотез і підходів до навчання. Вона вже пройшла етапи pre-training та supervised fine-tuning і перебуває на етапі alignment — остаточного налаштування поведінки, щоб відповіді моделі на складні або провокативні запити були коректними, безпечними та доречними.

Паралельно команда активно готує дані для навчання повноцінної великої моделі. Головне завдання зараз — збір і перевірка якісного національного корпусу даних, адаптація токенізатора спеціально для української мови та формування власної системи бенчмарків для оцінки.

Які дані використовують для навчання

Фундаментом для «Сяйва» стане унікальний український корпус даних. На відміну від глобальних моделей, які часто сприймають український текст через проміжний переклад англійською, що призводить до втрати контексту та нюансів, національну модель тренують безпосередньо на оригінальних текстах.

Дані збирають з понад 90 джерел, серед яких державні установи, ЗМІ, університети, наукові організації, бібліотеки та видавництва. Це новини, аналітика, літературні твори, навчальні матеріали, закони, судові рішення та історичні архіви. Наприклад, Укрдержархів уже передав для навчання моделі 10 ТБ даних — це унікальні історичні матеріали, державні документи та наукові тексти, обсяг яких еквівалентний приблизно 70 тисячам книжок.

Одним з найбільших викликів є юридичне врегулювання використання таких даних, оскільки багато матеріалів захищені правами інтелектуальної власності. Крім того, значна частина важливих історичних і документальних матеріалів досі зберігається лише в паперовому вигляді та потребує попередньої оцифрування.

Як і коли очікують запуск

Початковий план передбачав створення трьох моделей (малої, середньої та великої), але команда вирішила пропустити проміжний етап. За новим, прискореним графіком, повноцінну тестову версію великої моделі планують отримати до кінця листопада 2026 року. Її тренуватимуть на базі новішої архітектури Google Gemma 4 (розмірністю 31 млрд параметрів), а не на Gemma 3, яку використовували для малої моделі.

Після цього модель чекає масштабне тестування. Для її перевірки сформовано експертний комітет з понад 70 фахівців, які працюють у чотирьох напрямках: науково-технічному, етико-правовому, культурно-історичному та мовознавчому. Критерії оцінки включатимуть: точність української мови, розуміння національного контексту, стійкість до галюцинацій та дезінформації, відсутність упереджень.

Якщо тестування пройде успішно, вже в січні 2027 року базову версію моделі планують опублікувати як open source і передати державі. Це дозволить розробникам, науковцям і компаніям використовувати її як основу для своїх продуктів і сервісів.

Для чого потрібна національна LLM

«Сяйво» має стати ключовим елементом AI-суверенітету України. Її планують інтегрувати в майбутні державні ШІ-сервіси, такі як «Дія AI» чи AI-тьютор в освітній платформі «Мрія». Вона забезпечить коректну роботу з українською мовою в бізнес-середовищі, науці, освіті та оборонній сфері, де розуміння локального контексту є критично важливим.

Часті запитання

Чи зможуть звичайні користувачі спілкуватися з «Сяйвом»? Так, але не відразу. Спочатку модель стане доступною для розробників і компаній. Звичайні користувачі зможуть взаємодіяти з нею опосередковано — через майбутні державні сервіси, такі як оновлена «Дія» з AI-помічником.

Чи буде модель безкоштовною? Базову версію моделі планують опублікувати з відкритим вихідним кодом (open source), що робить її безкоштовною для використання, модифікації та розподілу. Однак її комерційне використання та розгортання можуть мати свої умови.

Чим «Сяйво» відрізнятиметься від ChatGPT? Ключова відмінність — глибоке розуміння української мови, культури, історії та законодавства. Вона тренується на українських даних, а не на перекладених текстах, що має забезпечити більш точні, контекстно збагачені та релевантні відповіді для українських користувачів.