GrootTeam выпускает семейство MoE reasoning моделей Groot

Введение: Новая эра эффективного рассуждения

23 октября 2026 года команда GrootTeam представила Groot — семейство из четырех open-weight моделей архитектуры Mixture-of-Experts (MoE), специально оптимизированных для решения сложных задач логического рассуждения и агентского поведения. В отличие от многих современных релизов, стремящихся к бесконечному масштабированию параметров, Groot делает ставку на плотность знаний и эффективность каждого отдельного веса.

Выпуск моделей под лицензией Apache-2.0 знаменует собой важный сдвиг в сторону доступного, но высокопроизводительного ИИ для разработчиков. Семейство включает четыре конфигурации: 19B-A3B, 65B-A6B, 238B-A18B и 280B-A16B, что позволяет адаптировать вычислительные мощности под любые задачи — от локального запуска на потребительском железе до развертывания масштабных агентских систем в облаке.

• Дата релиза: 23 октября 2026 года
• Лицензия: Apache-2.0 (Open Source)
• Архитектура: Mixture-of-Experts (MoE)
• Назначение: Сложное логическое рассуждение (Reasoning) и агентские задачи

Архитектура и ключевые особенности

Происхождение моделей Groot прозрачно: они прошли этап post-training на базе Qwen3.6-35B-A3B, используя менее 0.1B токенов высококачественных открытых данных. Такой подход позволяет достичь невероятной 'способности на параметр', минимизируя избыточность и фокусируясь на глубоком понимании логических структур.

Одной из самых впечатляющих характеристик является эффективность генерации. Модели Groot демонстрируют краткость и точность: средняя длина вывода у Groot-19B-A3B на 23.1% меньше, чем у Qwen3.6-35B-A3B, и на 65.6% меньше, чем у Gemma-4-26B-A4B. Это не просто экономия токенов, а свидетельство того, что модель достигает правильного ответа за меньшее количество шагов рассуждения.

• 4 размера моделей: 19B, 65B, 238B, 280B
• Эффективность: Высокая плотность знаний при малом количестве активных параметров
• Контекстное окно: До 1M токенов (для версии 238B) и 256K для остальных
• Оптимизация: Минимизация лишних токенов в цепочке рассуждений (CoT)

Производительность и бенчмарки

Результаты тестов показывают, что Groot бросает вызов лидерам индустрии. В среднем по 16 бенчмаркам Groot-19B-A3B набрал 41.44 балла, обойдя Qwen3.6-35B-A3B (38.08) и Gemma-4-26B-A4B (30.05), при этом используя на 45.7% меньше общих параметров, чем Qwen.

В специализированных тестах разрыв становится еще более заметным. На Terminal Bench 2.1 модель показала 52.10 против 43.82 у конкурентов. В задачах программирования (NL2Repo-Bench) результат составил 35.65, что значительно выше показателей Gemma-4. Версия 280B-A16B демонстрирует выдающиеся способности в SWE-bench Pro (63.47) и обеспечивает стоимость решения задачи всего в $0.13 на DeepSWE 1.1, предлагая при этом настраиваемый уровень усилий для рассуждений (adjustable reasoning effort).