
GigaChat3.5-Omni-lek: Sbers 432B-model kreeg ogen en oren in een concept-PR
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 185 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 228 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 89 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 98 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Een concept-pullrequest dat op 18 november 2026 in de SGLang-repository is geopend, beschrijft een model dat niet publiekelijk bestaat: GigaChat3.5-Omni-432B-A28B, dat GigaChat 3.5 Ultra is — het 432B-parameter mixture-of-experts-taalmodel van Sber — met een InternViT-300M-visiontower en een 24-laagse conformer-audio-encoder eraan gekoppeld, dat afbeeldingen, video met of zonder soundtrack, audiobestanden en combinaties van alle drie verwerkt. Niets in die zin kan aan een modelkaart worden getoetst, omdat er geen openbare modelkaart is. De Hugging Face-repository waarnaar de PR linkt, geeft vandaag bij navraag HTTP 401 terug, een zoekopdracht op naam op Hugging Face levert niets op, en Sbers eigen ontwikkelaarsdocumentatie vermeldt GigaChat 3 Ultra nog steeds als het nieuwste generatiemodel, zonder multimodale vermelding ergens in de lijst. Wat bestaat, zijn 3.290 toegevoegde regels servingcode, een configuratiebestand, ongeveer 2.000 regels tests en een benchmarktabel waarvan iemand de referentiekolom leeg heeft gelaten.
Dat is niet niets. Een pull request van deze vorm kan alleen geschreven zijn door iemand die de checkpoint voor zich heeft gehad: de processor delegeert beelddecodering, pixelindeling en log-mel-extractie naar de eigen remote code van de checkpoint via --trust-remote-code, wat betekent dat de auteur hem moest draaien om te weten hoe die tensors eruitzien. De nuttige vraag is dus niet "heeft Sber dit aangekondigd" — dat heeft het niet — maar wat de code zegt over een model dat zich zeer waarschijnlijk nu in een private repository bevindt, en wat dat zou betekenen voor iedereen die op dit moment per token betaalt om audio en video begrepen te krijgen.
Wat de pull request daadwerkelijk beschrijft
SGLang PR #51276 heeft de titel "[Feat] gigachat35-omni: GigaChat3.5-Omni-ondersteuning voor afbeeldingen, video en audio toevoegen". Het is een concept, het is niet gemerged, en de CI is overgeslagen precies omdat het een concept is. De implementatie is een dunne wrapper — GigaChat35OmniForConditionalGeneration rond de bestaande GigaChat35ForCausalLM — met drie nieuwe elementen eromheen: een vision-pad via InternVisionModel en een pixel-shuffle-MLP-projector, een in-tree conformer-audio-encoder, en een processor die de placeholders plaatst. Alles hieronder is de eigen beschrijving van het model door de PR-auteur, en niets daarvan is bevestigd door Sber.
• Taalstack — ongewijzigd ten opzichte van GigaChat 3.5: 432B totale parameters, 28B actief, 256 gerouteerde experts met 8 per token, 40 lagen, hybride attention die MLA combineert met Gated DeltaNet linear-attention-lagen, twee MTP-heads. Die cijfers komen uit de openbare modelkaart van GigaChat 3.5 Ultra, dus dit deel is verifieerbaar.
• Beeld — InternViT-300M, afbeeldingen opgesplitst in uitsneden van 448×448, 256 tokens per uitsnede.
• Audio — een 24-laags conformer, 1.024 breed, 16 heads, feed-forward van 4.096 breed, 64 mel-bins, subsamplingfactor 4, aandacht beperkt tot chunks van 200 frames met een halo van één blok per laag. Audio tokeniseert met 6,25 tokens per seconde, één token per 160 ms.
• Video — het eerste frame behoudt alle 256 van zijn tokens; latere frames behouden gemiddeld 77, en welke 77 wordt na codering bepaald door het gemiddelde absolute verschil van elke token ten opzichte van dezelfde positie in het vorige frame te rangschikken. Een stabiele sortering over de hele clip kiest ze, zodat een frame uiteindelijk meer of minder dan 77 kan behouden.
• Video met geluid — use_audio_in_video voegt na elk frame het bijbehorende deel van de soundtracktokens in, met HH:MM:SS-tijdstempels tussen frames.
• Lange audio — clips langer dan 32 minuten worden gecodeerd in vensters met een halo, wat volgens de PR bit-identiek is aan één enkele pass. De claim: vijf uur audio op één node.
Foutgedrag — misvormde media retourneert een 400 in plaats van de scheduler te laten crashen, en SGLANG_VLM_CACHE_SIZE_MB staat standaard op 2048 voor deze architectuur, omdat de standaard 100 MiB de embeddings van een lange video niet kon bevatten en elke prefill-chunk de encoders opnieuw uitvoerde.
Concept betekent concept.
Het is de moeite waard om precies te zijn over hoeveel hiervan vandaag verifieerbaar is, want een concept-PR met overgeslagen CI is een voorstel, geen feit over een uitgebrachte runtime. Het bestand gigachat35_omni.py bestaat niet op SGLang's main-branch — als je het daar ophaalt, krijg je een 404 — en de pagina met ondersteunde multimodale modellen in main heeft geen GigaChat-vermelding. De PR heeft één commit, van een account waarvan de enige SGLang-interactie deze PR is, en de enige reactie erop is een notitie van de documentatiebot die om preview-goedkeuring van een fork vraagt.
De herkomst is het sterkste indirecte bewijs in het hele verhaal. Het volledige mediapad van de processor is gedelegeerd aan "de externe processor van het checkpoint", en de auteur meldt prompt-id-pariteit tegen "de serving-stack waarmee het model is getraind en geëvalueerd" — een interne referentiestack die niet bij naam wordt genoemd en niet openbaar is. Je kunt geen van beide opschrijven op basis van een model dat je niet hebt gedraaid. Iemand buiten de muren van Sber zou het checkpoint nodig hebben; iemand binnen de muren zou de interne stack hebben. Niets in de PR zegt welke van de twee, en dit stuk zal niet gissen.

Het enige wat de code duidelijk maakt, is dat dit geen hernoeming of configuratievlag is. Het model registreert een nieuw model_type (gigachat3_5_omni) met zijn eigen token-id's — 128004 voor afbeeldingen, 128005 voor videoframes, 128006 voor audio, 128007 voor soundtrack — een nieuwe processor, een nieuw embedding-resultaattype waarop mm_schedule.py moet dispatchen naast het bestaande EVS-pad, en nieuwe afhandeling voor chunked prefill, omdat het aantal tokens dat een frame behoudt pas bekend is nadat het is geëncodeerd. Dat is de signatuur van een model dat is getraind met die voorbewerkingsbeslissingen erin ingebakken, niet van een community-fine-tune die hypothetisch op een tekst-checkpoint is geschroefd.
De tokenwiskunde is het deel dat het lezen waard is.
Sla de benchmarktabel even over. Het rekenwerk in de PR is de kern, want daaraan zie je of een 432B-model dat lange audio en video verwerkt iets is dat je je kunt veroorloven om te draaien — en het is het deel dat niet verandert als Sber nooit een woord over dit model zegt.
Neem een uur audio. Bij 6,25 tokens per seconde is dat 22.500 inputtokens, plus een tijdstempel elke 60 seconden en een afsluitende duurmarkering — klein bier vergeleken met de audio zelf. Neem een video van 512 frames. Bij 256 tokens voor het eerste frame en 77 per frame daarna komt de clip op ongeveer 39.600 tokens vóór de soundtrack, wat ruwweg een derde is van een context van 128K voor een halve minuut beeldmateriaal. Voeg de soundtrack toe en elk frame draagt daar bovenop extra tokens. Dit is het hele argument voor het wijzigingsreductieschema: zonder dat zouden 512 frames bij 256 tokens elk 131.072 tokens zijn, een heel venster van 128K voor één clip.
Wat dat in geld betekent, is eenvoudig te controleren aan de hand van modellen die je vandaag kunt aanroepen. In de catalogus van OrcaRouter wordt een uur audio in de mixed-media-vermeldingen momenteel als volgt geprijsd:
• Gemini 3.8 Flash — $0,75 per miljoen inputtokens, dus een uur audio kost ongeveer 1,7 cent, en een clip van 512 frames ongeveer 3 cent.
• Qwen3-VL 235B A22B Instruct — $0,40 per miljoen inputtokens, dus ongeveer 0,9 cent per uur en 1,6 cent per clip.
• DeepSeek V4 Flash Vision Exp — $0,22 per miljoen inputtokens, maar alleen beeldinvoer; het kan audio helemaal niet verwerken.
Zet er een echte workload achter. Veertig uur opgenomen gesprekken is 900.000 tokens: ongeveer 68 cent op de Google-prijsopgave en 36 cent op die van Qwen, tegen de lijstprijs van de provider. OrcaRouter geeft providertarieven door zonder opslag, dus een prijsverlaging van een leverancier op een van deze is dezelfde dag live aan onze kant — wat ook de eerlijke grens is van wat we hier kunnen zeggen: GigaChat3.5-Omni-432B-A28B staat niet in onze catalogus en wij zijn geen manier om het aan te roepen. Het is nergens aan te roepen. Het punt van de berekening is dat wanneer zoiets opduikt, de audio niet het dure onderdeel is; de tokens die je niet kunt comprimeren zijn dat wel.
Dat is ook waar het 32-minutenvenster en de bewering van vijf uur uit de PR zich bevinden. Die cijfers zijn van belang voor iedereen die het model zelf host op acht H100's, omdat ze bepalen hoeveel van een lange opname opnieuw moet worden gecodeerd wanneer een verzoek over prefill-chunks wordt gesplitst. Ze maken niet uit voor wie per token betaalt, want daar is een uur audio een uur audio, ongeacht welke encoder het heeft geproduceerd.
Vier benchmarkcijfers, één lege kolom
De PR rapporteert vier scores, behaald op acht H100's in FP8 bij tensor-parallel 8, met greedy decoding: MMLU-Pro 73.07, MMAU test-mini 78.50, MMMU-validatie 64.11, en Video-MME 80.74 op een clip van 512 frames met bijbehorende soundtrack. Lees ze met drie kanttekeningen erbij, allemaal zichtbaar op de PR-pagina zelf.
Het eerste is dat de referentiekolom leeg is. De tabel heeft een kolom voor de oorspronkelijke serving-stack van het model en een kolom voor deze PR, en alleen de tweede is ingevuld, dus er staat naast geen van deze getallen een baseline en uit de tabel valt niet op te maken of de port overeenkomt met de stack waarop het model is getraind of daarbij achterblijft. De tekst doet wél een pariteitsclaim — identieke prompt-ID's bij elk verzoek dat de referentie kon bedienen, overeenkomende eerste tokens bij 19 van de 19 — wat impliciet zegt dat de referentie een van de twintig vaste verzoeken niet kon bedienen.
Het tweede is de checklist. Het item met de tekst "Provide accuracy and speed benchmark results according to Test the accuracy" is niet aangevinkt, en de snelheidstabel, met rijen voor batch 1 en batch 16 en kolommen voor basedecodering, MTP-decodering, versnelling en acceptlengte, is volledig leeg. Er is dus helemaal geen doorvoercijfer voor dit model, ondanks de twee MTP-heads in de taalstack waaraan de openbare GigaChat 3.5-kaart tot 2,2× generatiesnelheid toeschrijft.
De derde is context, en hier worden de cijfers interessant in plaats van louter mager. MMLU-Pro op 73,07 ligt ongeveer 2,6 punt onder de 75,68 die de eigen modelkaart van GigaChat 3.5 Ultra voor het tekstmodel onder dezelfde benchmarknaam vermeldt — wat kan betekenen dat de multimodale variant wat tekstkwaliteit heeft ingeleverd, of dat de twee runs verschillende testopstellingen hebben gebruikt, en er is niets gepubliceerd waarmee je tussen die verklaringen kunt kiezen. MMAU op 78,50 is hoger dan de 74,7 die GigaChats eigen audiomodelkaart voor Qwen3-Omni vermeldt, en ver boven de 62,2 die dezelfde kaart voor Sber's eigen GigaChat3.1-Audio-10B-A1.8B rapporteert — een kaart die op de volledige MMAU-set is gemeten in plaats van op de test-mini-subset, dus beschouw die vergelijking als indicatief en niet als een gelijkwaardige vergelijking. MMMU op 64,11 is een middenmoot-score voor beeldbegrip. Video-MME op 80,74 voor een clip van 512 frames met audio is degene die wenkbrauwen zou doen fronsen als een onafhankelijke partij die zou reproduceren.

Wat er nodig is om te dienen, en wat Sber heeft gezegd
Eerst de deploymentrealiteit. Het FP8-tekstcheckpoint achter GigaChat 3.5 Ultra is 437,9 GB verdeeld over 39 bestanden, dus tensor-parallel 8 op H100's laat ongeveer 55 GB aan gewichten per kaart over vóór de KV-cache — daarom is de testopstelling van de PR acht H100's, en daarom zal dat voor de Omni-variant niet veel veranderen. De twee torens zijn een afrondingsfout vergeleken met 432B: InternViT-300M plus een 24-laags conformer met een breedte van 1.024 is ruim onder een miljard parameters, dus de hardwarevereiste is in wezen die van het taalmodel. Metadata, launch-flags en de gigachat35 tool-call-parser staan al in SGLang main dankzij het GigaChat 3.5-werk dat in september is samengevoegd, en de cookbook van het project heeft sindsdien een GigaChat 3.5-pagina; wat in main ontbreekt, is een multimodaal pad.
Sber zelf heeft niets gepubliceerd dat dit artikel kan vinden. In de ontwikkelaarsdocumentatie staat GigaChat 3 Ultra als het nieuwste generatiemodel, naast GigaChat 2 Max, Pro en Lite, plus embeddingmodellen — geen 3.5, geen Omni, geen multimodale vermelding. Artificial Analysis heeft geen pagina voor GigaChat 3.5 Ultra of voor de Omni-variant onder welke slug we vandaag ook hebben geprobeerd, dus er is ook geen onafhankelijke score voor het basismodel om vanuit te redeneren. De openbare modelkaart van GigaChat 3.5 Ultra is echt, is MIT-gelicentieerd, richt zich op Russisch en Engels, en meldt een benchmarkset van de leverancier met onder meer TAU2-bench 68.71, SWE-bench Verified 42.6, Terminal-Bench 2 op 13.48 en LiveCodeBench v6 op 56.2 — allemaal cijfers van Sber zelf, niet gereproduceerd, en allemaal alleen voor het tekstmodel.
De audio-afstammingslijn is het deel hiervan dat eerder als een plan dan als toeval leest. Sber bracht in juli 2026 GigaChat3.1-Audio-10B-A1.8B uit: een conformer-spraakencoder en een modaliteitsadapter die een 10B mixture-of-experts-decoder aansturen, getraind voor temporele grounding op een speciaal daarvoor gebouwde long-audio-dataset, met tijdgestempelde beschrijvingen en het samenvatten van lange audio als voornaamste vaardigheden. Dat is precies het vermogen dat het stempelingsschema van de Omni-PR is ontworpen om te behouden — een tijdstempel vóór elk frame, een stempel elke zestig seconden audio, een afsluitende duur — en de conformer-afmetingen in de configuratie van de PR passen bij het opvouwen van die stack in het 432B-model in plaats van ernaast te staan.
Wat zou het beslechten?
Vier dingen, in oplopende volgorde van hoeveel ze je zouden vertellen. Een openbaar checkpoint bij dat repository-ID zou bevestigen dat het model bestaat en zou iedereen de config laten lezen, die momenteel de volledige feitelijke basis vormt voor de torendimensies. Een gemergede, niet-concept-PR met groene CI zou je vertellen dat de port werkt voor meer dan de twintig vaste verzoeken van de auteur. Een snelheidstabel met getallen erin zou je vertellen of de twee MTP-heads de multimodale wrapper overleven, wat het verschil is tussen een model dat je interactief kunt serven en een dat je niet kunt. Een onafhankelijke benchmark — die van wie dan ook, op de volledige sets in plaats van test-mini — zou je vertellen of 78.50 en 80.74 iets betekenen.
Tot dan is de beslissing voor een lezer eenvoudig, en ze hangt niet af van het oplossen van deze leak. Als je product vandaag audio of video moet begrijpen, staat GigaChat3.5-Omni-432B-A28B niet op tafel en geen enkele aankondiging heeft het daar gebracht; de modellen die het werk kunnen doen, hebben al een prijs per token, en de rekensom hierboven zegt dat de rekening kleiner is dan de meeste teams aannemen. Als je van plan bent een Russischtalige multimodale stack zelf te hosten op je eigen H100's, is deze PR het vroegste publieke bewijs dat zo'n checkpoint wordt gebouwd, en de tokenboekhouding ervan is nu het lezen waard — het compressieschema, niet de benchmarktabel, is het deel dat je geheugenbudget bepaalt.
![The GitHub pull request page for sgl-project/sglang PR #51276, titled '[Feat] gigachat35-omni: Add GigaChat3.5-Omni image, video and audio support', showing 'Mogreine wants to merge 1 commit into sgl-project:main from Mogreine:gigachat35-omni', the tab strip with Commit 1, Checks 133 and Files changed 26, and the top of the Motivation section describing GigaChat3.5-Omni-432B-A28B as the GigaChat3.5 language model at 432B total and 28B active parameters with hybrid MLA and Gated DeltaNet attention, an InternViT-300M image and video encoder and a 24-layer conformer audio encoder loaded from the checkpoint.](https://cms.orcarouter.ai/api/media/file/4-4177.png)
Wat we hierna in de gaten zouden houden: of de repository openbaar wordt, of de PR ophoudt een draft te zijn, en of de ontwikkelaarsdocumentatie van Sber een multimodale vermelding krijgt voordat een van beide gebeurt. Elk van die drie zou dit veranderen van een stuk over wat we tot nu toe weten in een aankondiging van een lancering, en dit artikel zou dan herschreven moeten worden in plaats van bijgewerkt.
