SberAI lança o FRIDA-Decisions, modelo de decisão de 823M para russo baseado em encoder

Fonte · Ficha do modelo: FRIDA-Decisions

O time УЭСМО da SberAI publicou o FRIDA-Decisions em 2 de outubro de 2026, na organização ai-forever. É um modelo de decisão construído sobre o FRIDA, um encoder T5 de 823M de parâmetros, que responde perguntas choice, score, noul e ranking sobre um texto numa única passada do encoder, sem gerar nada. Pesos e código (GitHub, v0.2.0) são MIT. Um build ONNX int8 roda em CPU, e um plugin do vLLM serve o modelo via POST /pooling.

O JSON da requisição segue o formato do Jev (state, questions, criteria), mas não há endpoint /v1/systemone; clientes do Jev precisam de um adaptador pequeno.

Os números (UnverifiedClaim). No razvilka, 735 itens em russo em 15 tarefas, o time reporta 0,893 para o FRIDA-Decisions e 0,897 para o Jev nos mesmos itens (McNemar p = 0,84), à frente do migom-2b (0,853) e do decider-2b (0,833). O razvilka saiu no mesmo dia, o scorer fica no repo do modelo e todas as linhas foram rodadas pelo time. Latência: 28–34 ms por requisição no processo numa RTX 5060 Ti; cerca de 0,9 s em seis threads de CPU com o build int8. O card não traz números de calibração.

Por que importa. É o primeiro modelo de decisão do catálogo treinado principalmente em russo (71% de 1,42M exemplos) e o primeiro só-encoder que trata o build para CPU como caminho principal.

Como listamos. Catálogo, 5,8 de maturidade / 6,8 de capability / 4 de adoção.