Vom Sprachassistenten 2017 zu KI-Agenten, MCP und offenen 80B-A3B-Gewichten: Analyse für Geschäftsinhaber und technische Teams
Alisa begann 2017 als Sprachassistent für alltägliche Befehle: Musik einschalten, Wetter abfragen, Timer stellen. Ende 2026 wuchs sie zu einem Ökosystem spezialisierter neuronaler Netze und autonomer Agenten heran — mit Langzeitgedächtnis, Erkennung von Schemata auf Fotos, Cloud-Browser, Telefonanrufen, CRM-Integration via MCP-Protokoll und offenen Modellen auf Hugging Face unter der Apache 2.0-Lizenz.
Der Hauptwandel des Jahres 2026 lässt sich einfach formulieren: Ein neuronales Netz wird nicht mehr nur an der Qualität des Textes gemessen — jetzt bewertet man es nach seiner Fähigkeit die Aufgabe zum Ergebnis führen. Der Kunde erhält die Möglichkeit, den Assistenten mit der Suche nach einem Auftragnehmer, dem Preisvergleich und der Terminvorbereitung zu beauftragen, und Unternehmen können die Arbeit mit Dokumenten, Anrufen und Buchhaltungssystemen automatisieren.
Für einen Unternehmenseigentümer ergeben sich hier drei praktische Fragen: Kann der KI-Assistent das Angebot auf Ihrer Website ohne Verzerrungen lesen; welcher interne Prozess ist wirklich profitabel auf einen Agenten zu übertragen; wo verlaufen dabei die Datenströme und gesetzlichen Anforderungen. Bei STARCODE PR arbeiten wir an beiden Seiten dieser Aufgabe: Wir implementieren KI-Assistenten und Integrationen, Wir bereiten Webseiten auf die KI-Suche vor, einschließlich Alice, und wir führen GEO-Promotion der Marke. Nachfolgend finden Sie die Chronologie dieses Wachstums, eine Analyse der neuen Plattformrichtlinien, technische Einschränkungen und einen praktischen Aktionsplan.
1. Wie alles begann und wo die Plattform heute steht: zwei Haupttabellen
Um das Gesamtbild zu sehen und alte Vorstellungen vom Sprachassistenten nicht mit dem aktuellen Ökosystem von Yandex zu verwechseln, fassen wir den Entwicklungspfad und die Änderung der Plattformansätze in zwei Starttabellen zusammen.
Tabelle 1. Chronologie des Wachstums von Alice: Vom Sprachassistenten 2017 zu Agenten und offenen Gewichten
| Zeitraum / Datum | Schlüsselphase | Was sich für Nutzer, Entwickler und Unternehmen geändert hat |
|---|---|---|
| 10. Oktober 2017 | Start von Alice | Sprachassistent in der Yandex-Suchanwendung und Beta-Version für Windows: Suche, Wetter, Routen und Live-Dialog (Ankündigung 2017). |
| 29. Mai 2018 | Erste Yandex Station und Skills | Präsentation des ersten intelligenten Lautsprechers auf der Konferenz Yet Another Conference 2018 und Entwicklung des Ökosystems für Sprach-Skills von Drittanbietern. |
| Mai 2023 | Implementierung von YandexGPT | Alisa geht von skriptbasierten Antworten zur Generierung von Texten, E-Mails und Plänen über. |
| April 2024 — Februar 2025 | «Alisa der nächsten Generation» und YandexGPT 5 Pro | Separater Dialog-Webchat, «Pro»-Option und gesteigerte Argumentationsqualität bei älteren Modellen. |
| Juli — Oktober 2025 | Kostenloser Chat und Neustart als «Alisa AI» | Grundfunktionen werden für das Massenpublikum kostenlos; die Marke wird zum universellen KI-Assistenten mit Agentenszenarien aktualisiert. |
| 7. und 20. April 2026 | Webmaster für Alisa und der Fall «Nornickel» | Im Yandex Webmaster erscheint Bericht «Sichtbarkeit der Website in Alice AI» (07.04); Programm für Agenten und hybride Architektur bei "Nornickel" angekündigt (20.04, Pressemitteilung). |
| Juni — 16. Juli 2026 | Langzeitgedächtnis, Live und ISO/IEC 42001 | Update 25.–26. Juni: Dialoggedächtnis, Anpassung des Kommunikationsstils und Fokus auf die Ergebniserbringung; 16. Juli die Alice AI-Familie besteht das ISO/IEC 42001 Audit (Mitteilung von Yandex). |
| 11., 21. und 24. September 2026 | Einstieg in Open Source und Unternehmens-Pro-Version | Pretrain-Gewichte von AliceAI-T5-35B-A0.6B (11.09, Hugging Face) und AliceAI-Foundation-80B-A3B-Base (21.09, Hugging Face) unter Apache 2.0 mit Benchmarks für WikiWebFacts und HardMultiQA veröffentlicht; Alice AI Pro für Unternehmen gestartet (24.09, Ankündigung). |
| 5., 12., 13. und 16. November 2026 | Agent «Handeln!», Sprache der neuen Generation und MCP-Katalog | Aktualisierung von Alice AI Pro (Git, Dateien bis 256 MB, Zeitplan — 05.11); früher Zugriff auf den Agenten „Handeln!“ mit Ankündigung des öffentlichen Starts für Dezember 2026 (12.11, Nachricht); Sprachfunktionen Speech TTS Live und Realtime Max (13.11, Release); Beta-Katalog mit 20+ Plugins und MCP (16.11, Pressemitteilung). |
Tabelle 2. Wie sich die Yandex-Politik, der Zugang und die technologischen Möglichkeiten verändert haben
| Vektor der Änderungen | Wie es früher war | Wie es Ende 2026 aufgebaut ist |
|---|---|---|
| Hauptziel der Antwort | Eine Auskunft, ein Zitat oder einen Textentwurf ausgeben. | Aufgabe bis zum Ergebnis führen: Zahlung berechnen, Angebote vergleichen, anrufen, Dateien sortieren, Recherchen mit Links zusammenstellen. |
| Modellarchitektur | Wette auf eine große universelle LLM. | Team aus spezialisierten Modellen (LLM, Search, VLM, ART), Langzeitgedächtnis und Kurs auf intelligentes Routing zu einem einheitlichen Reasoning-Modell (ERM). |
| Open Source Richtlinie | Geschlossene Gewichte und Zugriff nur über die Cloud. | Veröffentlichung von Modellen, die von Grund auf neu trainiert wurden, auf Hugging Face unter der kommerziellen Apache 2.0-Lizenz zusammen mit technischen Berichten und Benchmarks zur Überprüfung von Russland-Wissen. |
| Zugang für Benutzer (B2C) | Einschränkungen für komplexe Modelle, kostenpflichtige Pro-Modi. | Kostenloser Basiseinstieg (Text, Bilder, Dateien bis 100 MB, ohne obligatorischen Website-Login; kostenloser Live-Modus für Android verfügbar); erweiterte Limits, tiefgehende Recherchen und früher Test von «Handeln!» — in «Alisa Plus» oder über einmalige Boosts. |
| Unternehmenspolitik (B2B) | Zersplitterte Fertigkeiten in Dialogen und ein grundlegendes API. | Klare Trennung: „Alice AI für Unternehmen“ (Yandex 360), „Alice AI Pro“ (Aufgaben nach Zeitplan, Git, Dateien bis 256 MB, Cloud / On-Prem / Hybrid) und ein einheitlicher MCP-Standard mit privaten Unternehmens-Plugins. |
| Verantwortungsvolle KI und Kontrolle | Grundlegende Filterung unsicherer Anfragen. | Veröffentlichte Prinzipien für «Verantwortungsvolle KI», ISO/IEC 42001-Zertifizierung, Kennzeichnung von generierten Inhalten und separate Kontrolle im Agenten (Übergabe des Browsers bei der Anmeldung + Bestätigung von Kauf/Buchung). |
2. Wie Alisa AI intern aufgebaut ist: Modellfamilie, Gedächtnis und Suche
Hinter einem Chat-Fenster arbeitet nicht ein einziges riesiges neuronales Netz, sondern eine Arbeitsteilung zwischen spezialisierten Modellen — jedes löst seine eigene Aufgabenklasse, um keine überflüssigen Ressourcen dort zu verschwenden, wo eine schnelle Reaktion oder Bildanalyse erforderlich ist:
- Alice AI LLM – das primäre Sprachmodell für komplexe Schlussfolgerungen, Code, Kontextarbeit und Anpassung an die russischsprachige Umgebung.
- Alice AI Search – leichtes Suchmodell für schnelle Antworten direkt unter der Suchzeile. Geringere Rechenkosten ermöglichen es, den massiven Suchverkehr ohne schwerfällige Inferenz für jede Frage aufrechtzuerhalten.
- Alice AI VLM – ein visuell-sprachliches Modell, das Tabellen, Grafiken, Formeln und technische Schemata auf Fotos analysiert; der Nutzer kann ein spezifisches Fragment des Bildes markieren und nur dazu Fragen stellen.
- Alice AI ART – Modell zur Generierung und Bearbeitung von Bildern: Hintergrundwechsel, Entfernen von Objekten, Fotorestauration und Arbeit mit russischsprachigen Texten auf Bildern.
Seit dem Juni-Update 2026 verfügt der Assistent über Langzeitgedächtnis und Tonfall-Einstellung. Alisa merkt sich Fakten, Projekte und Präferenzen aus früheren Gesprächen (der Benutzer kann explizit sagen "merk dir, dass...", gespeicherte Fakten einsehen oder die Personalisierung deaktivieren), greift Umgangssprache auf und wechselt zum "Du", wenn der Gesprächspartner dies tut.
Innerhalb der Suche ist dies gestützt durch KI-Blender (Zusammenstellung der Antwort aus Dutzenden von Blocktypen – Links, Medien, Karten, Kurse) und einem Modus «Erforschen», der einen Plan erstellt, Dutzende von Quellen durchsucht, bei Bedarf Code für Berechnungen ausführt und einen strukturierten Bericht mit Links erstellt. Dabei ist der grundlegende Zugriff auf Chat und Dateianalyse bis 100 MB kostenlos geöffnet, auf Android wurde ein kostenloser Voice-Live-Modus zur Hilfe für blinde und sehbehinderte Menschen gestartet, während Priorität zu Spitzenzeiten, lange Historie, tiefgreifende Recherchen, kommerzielle Nutzung von Bildern und einmalige Boosts in die Option "Alisa Plus" ausgelagert wurden.
3. „Handeln!“: der Übergang von Ratschlägen zum Handeln und die Grenzen der Kontrolle
Unterschied zwischen einem gewöhnlichen Chatbot und KI-Agenten prinzipiell einfach: Der Chatbot gibt einen Rat, während der Agent Zugriff auf Tools erhält, eine Schrittkette ausführt und die Reaktion der Außenwelt überprüft. In der Praxis liegt hier jedoch die größte Falle bei der Implementierung: Der Satz des Assistenten «Ich habe alles notiert» und die tatsächliche Aufzeichnung im CRM sind verschiedene Dinge. Jedes Agentenszenario sollte ausschließlich am Zustand des Zielsystems bewertet werden.
Gestartet 12. November 2026 Modus «Handeln!» (beim Start im Early Access für einige tausend aktive Nutzer mit der Option "Alisa Plus" geöffnet) kombinierte gleich vier Mechanismen in einem Auftrag (offizielle Ankündigung von Yandex):
- Cloud-basierter Yandex Browser auf einem isolierten virtuellen Computer. Wenn die Antwort in der Suche nicht ausreicht, startet der Agent für den Benutzer eine separate Cloud-Browser-Sitzung, studiert Website-Seiten, vergleicht Bedingungen und füllt Formulare aus.
- Telefonanrufe mit Zustimmung des Nutzers. Der Assistent ruft selbst bei einer Organisation oder einem Auftragnehmer an — zum Beispiel, um die Verfügbarkeit eines freien Termins in einer Klinik oder Lieferbedingungen zu klären —, während im Chat eine Live-Texttranskription des Dialogs läuft.
- Sammlung und Systematisierung von Dateien. Die Aufgabe kann E-Mail und Speicher betreffen: Tickets, Quittungen oder Buchungen finden und in Ordnern auf Yandex Disk ablegen.
- Aufruf verbundener Dienste und Plugins. Neben dem Ökosystem von Yandex und Partnern ist seit dem 16. November die Arbeit mit dem Plugin-Katalog und externen Werkzeugen hinzugefügt worden.
Illustratives Szenario: Der Nutzer bittet um: «Finde drei Zahnarztpraxen im gewünschten Bezirk, vergleiche die Zusammensetzung der Dienstleistungen und die veröffentlichten Preise mit Quellenangaben, prüfe die nächsten freien Termine und bereite Optionen vor, bestätige die Buchung noch nicht». Dies ist ein Beispiel für eine Aufgabenstellung, kein eigener STARCODE-Test; wenn der Preis auf der Website nicht vorhanden ist oder die Klinik nicht auf einen Anruf antwortet, besteht das korrekte Verhalten des Agenten darin, die Lücke zu erfassen, anstatt die Bedingung zu erfinden.
Laut offizieller Beschreibung von Yandex arbeiten hier zwei verschiedene Kontrollmechanismen, die man nicht vermischen sollte:
- bei Bedarf im persönlichen Konto einloggen auf der Website übergibt der Cloud-Browser die Steuerung der Seite an den Menschen selbst;
- vor der Durchführung Kauf, Bestellung oder Buchung Der Agent hält inne und fragt im Chat nach einer expliziten Bestätigung.
Dabei bedeutet das Vorhandensein der Option „Alice Plus“ an sich noch nicht, dass der Modus „Handeln!“ bereits im jeweiligen Konto aktiviert ist: Im November 2026 arbeitet der Agent im Early-Access-Modus (und der Plugin-Katalog ist in der Beta), während der offene öffentliche Start von „Handeln!“ für Dezember 2026 angekündigt ist.
Langzeitspeicher und Modell-Routing (Alice AI LLM / Search / VLM) zur Auswahl der benötigten Tools
Isolierter virtueller Computer: Lesen von HTML, Preistabellen und JSON-LD-Markup
Der Account-Zugriff wird an einen Menschen übergebenIn „Handeln!“ — Anruf mit Zustimmung des Kunden und Chat-Transkription; im B2B-Bereich (Speech TTS Live / Realtime Max) — Reaktion auf Unterbrechungen
Offene Bedingungen ohne ärztliche SchweigepflichtIn „Handeln!“ — Plugin-Katalog, E-Mail und Yandex Disk; im Unternehmenskontext — Yandex 360 und CRM-Gateway
Zugriff streng nach MitarbeiterrollePause vor dem Kauf, der Bestellung oder der Buchung: Überprüfung von Betrag, Datum und Empfänger im Chat
Überprüfung der tatsächlichen Datensatz-ID im CRM oder in der Datenbank, statt dem Text der Antwort zu vertrauen
4. Wie man einen Agentenprozess mit Ergebnisprüfung einrichtet
Yandex gibt den proprietären Quellcode des Orchestrators der Nutzer-Alice nicht preis. Aber wenn Ihr Unternehmen einen eigenen KI-Agenten zur Bearbeitung von Anfragen, Erstellung von Angeboten oder Überprüfung von Webseiten entwickelt, basiert eine zuverlässige Projektarchitektur auf fünf kontrollierbaren Phasen:
- Aufgabe und RechteAnfrage mit Mitarbeiterrolle und Limits
- Lesen von DatenSuche in Wissensdatenbank, Preislisten und Dokumenten
- Server-GatewayÜberprüfung von Schemata, Beträgen und zulässigen Vorgängen
- SchrittkontrolleBestätigung durch einen Menschen vor der Änderung von Daten
- StatusabgleichLesen der ID aus CRM und Audit-Log
Drei technische Regeln, ohne die der Agentenkreis Probleme statt Einsparungen bringt:
- Sachliche Bestätigung: Mitarbeiter oder Kunde bestätigt nicht ein abstraktes «Fortfahren», sondern spezifische Parameter – an wen die Nachricht geht, auf welches Datum der Termin gelegt wird, welcher Betrag abgebucht wird.
- Schutz vor Dubletten (Idempotenz): Bei einem Netzwerk-Timeout darf ein erneuter Versuch des Tools keine zweite Anfrage, eine doppelte Rechnung oder eine Doppelabbuchung erzeugen.
- Überprüfung des Zielzustands: Die Integration muss eine bestätigte ID und den Status des Vorgangs aus dem CRM oder der Datenbank lesen, anstatt sich auf die Textausgabe des neuronalen Netzes zu verlassen.
5. Unternehmens-Alisa: Yandex 360, "Alisa AI Pro" und der Fall "Nornickel"
Auf Unternehmensebene unterscheidet Yandex zwischen dem Verbrauchermodus und der Geschäftsplattform. Die Namen sind ähnlich, aber die Aufgaben, Rechte und Hosting-Optionen sind unterschiedlich (Versionenübersicht Yandex B2B Tech):
| Unternehmensbedarf | Passendes Produkt von Yandex | Was vor dem Start zu prüfen ist |
|---|---|---|
| Persönlicher Auftrag: Unternehmen anrufen, Tickets finden | Alisa AI («Handeln!») | Vorhandensein von Kontozugriff, Berechtigungen und Szenario-Einschränkungen. |
| Fertiger Assistent für Büroangestellte | Alisa AI für Unternehmen (Yandex 360) | Tarif, Liste der verbundenen E-Mail- und Speicherquellen, Administratorrechte. |
| Tiefe Integrationen und Wahl der Umgebung | Alice AI Pro für Unternehmen (AI Studio, Ankündigung 24.09) | Verbindungen zu CRM und 1C, Modelle, Zugriffsrechte und Bedingungen für Cloud-, Hybrid- oder On-Premise-Hosting. |
| Eigener Sprachroboter oder interner Dienst | Plattform Yandex AI Studio (API) | Kosten für Token und Sprachsynthese, Integration der Telefonie und Support. |
| Völlig unabhängiger Stack auf offenen Gewichten | Offene Modelle + eigene Anbindung | Lizenz, Inferenzkompatibilität, Budget für GPU und eigenes Team. |
In November-Updates von „Alisa AI Pro“ gleich zwei Funktionen wurden veröffentlicht, die nicht nur für Entwickler, sondern auch für reguläre Geschäftsprozesse nützlich sind:
- Arbeit mit Repositories und großen Anhängen (05.11.2026): Im Dateipanel ist eine Git-Integration erschienen (
git difffür staged und unstaged Änderungen, Commit-Historie und Branches — bei installiertem Git und Repository im Arbeitsbereich), und das Limit pro Datei wurde beim Hochladen auf bis zu 256 MB mit bis zu 20 Anhängen pro Nachricht erhöht (Änderungshistorie). - Aufgaben nach Zeitplan: Wiederkehrende Aufgaben werden automatisch zur festgelegten Stunde gestartet und das Ergebnis wird auch bei geschlossenem Tab im Chat gespeichert (Dokumentation von AI Studio). Dies ermöglicht es, morgendliche Digests, die Erwähnungsüberwachung oder Zusammenfassungen von Anfragen in den Hintergrund zu verlagern – unter der Voraussetzung strenger Einschränkungen für die Rechte eines solchen Agenten.
Was der Case „Nornickel“ tatsächlich zeigt
Yandex und „Nornickel“ haben das Programm zur Entwicklung und Implementierung von KI-Agenten für mehr als 30 Produktions- und Geschäftsprozesse unter Verwendung der Plattform Yandex AI Studio (gemeinsame Mitteilung vom 20. April 2026). Das wichtigste technische Detail des Projekts ist hybride Architektur mit dediziertem physikalischem Kommunikationskanal zu den Cloud-Modellen von Yandex, die vom öffentlichen Internet isoliert sind. Nach Angaben des Unternehmens befanden sich in der Test- und Pilotphase bereits Dutzende Systeme, und in einzelnen Analyseszenarien konnte die Ausführungsdauer von 30 Tagen auf wenige Stunden verkürzt werden.
Für den Mittelstand ist hier ein nüchternes Fazit wichtig: Dies ist ein großes, stufenweises Transformationsprogramm und kein vorgefertigter „KI-Einführung über Nacht“-Button. Aber das Prinzip des hybriden Kanals und die Stützung auf eine dedizierte Infrastruktur ist bereits zu einer praktischen Richtlinie für große russische Auftraggeber geworden.
6. Sprach-KI-Agenten: vom Sprachmodell bis zum Eintrag ins CRM
Man darf den Verbrauchermodus «Handeln!» (in dem Alice im Namen des Kunden anruft) nicht mit den Plattform-Sprachmodellen von Yandex B2B Tech verwechseln, die präsentiert wurden 13. November 2026 für Contact-Center und Serviceunternehmen (offizieller Release):
- Speech TTS Live – Echtzeit-Streaming-Sprachsynthese, die den Textkontext analysiert, logische Pausen setzt und Rollen passend zum Szenario wählt (selbstbewusste Präsentation für Verkäufe, sanfte für Support, spezialisierte Intonation für medizinische Kliniken).
- Aktualisierte Speech Realtime Max – Modell für komplexe, mehrstufige Anrufe über die Realtime API. Die wichtigste technologische Verbesserung ist korrekte Reaktion auf Unterbrechungen: Wenn der Kunde den Roboter mitten im Satz unterbricht, verstummt der Agent sofort, passt sich an die Replik des Gesprächspartners an und erfasst im Dialogverlauf nur den tatsächlich gesprochenen Teil der Antwort, um nicht auf Sätze zu verweisen, die der Kunde nicht zu Ende gehört hat.
Projektbeispiel für eine Klinik: Der Patient ruft abends an, wenn der Administrator nicht mehr besetzt ist. Der Sprachassistent beantwortet typische Fragen zum Zeitplan und zur veröffentlichten Preisliste, prüft über das autorisierte MIS/CRM-Gateway freie Termine des gewünschten Spezialisten, erstellt eine Anfrage und erhält eine Terminbestätigung – oder leitet das Gespräch mit Kontextübergabe an den Administrator weiter. Das Sammeln von Symptomen und medizinische Empfehlungen sollten in einem solchen Pilotprojekt nicht automatisch einbezogen werden: Dies ist ein separater Verantwortungsbereich mit strengen Beschränkungen durch die ärztliche Schweigepflicht.
Fünf Metriken des ersten Pilotprojekts eines Sprachagenten
7. Plugin-Katalog und MCP: ein einheitlicher Bus ohne Sicherheitsillusionen
Veröffentlicht 16. November 2026 Beta-Katalog von Alice AI (über 20 Plugins zum Start) und Unterstützung des offenen Standards Model Context Protocol (MCP) lösen das Hauptproblem von Unternehmensbots der vergangenen Jahre — die verstreuten Einweg-Konnektoren (Pressemitteilung von Yandex). Über MCP kann ein Unternehmen seine internen Quellen — 1C, Bitrix24, amoCRM, Lager oder Aufgaben-Tracker — in einem einheitlichen, maschinenlesbaren Format beschreiben, das für den Agenten verständlich ist, einschließlich privater Plugins nur für Mitarbeiter.
Dabei ist es wichtig, das Verbindungsprotokoll und das Sicherheitssystem nicht zu vermischen. Die veröffentlichte MCP-Spezifikation sieht Schemata zur Beschreibung von Tools und Autorisierungsmechanismen für HTTP-Verbindungen vor (Tool-Spezifikation und Autorisierung bei MCP), daher ist es inkorrekt zu sagen, dass „MCP keinen Schutz hat“. Aber der Transport selbst ist nicht für die Korrektheit der Geschäftslogik verantwortlich und blockiert nicht prompt injection – eine Situation, in der sich eine bösartige Anweisung innerhalb des Textes einer Kundenanfrage oder einer fremden Webseite versteckt.
Fünf verbindliche Regeln bei der Einbindung von MCP auf dem Unternehmensserver
8. Offene Yandex-Modelle: kann man Alisa auf dem eigenen Server installieren?
Im Herbst 2026 unternahm Yandex einen für die russische IT-Großindustrie untypischen Schritt – Veröffentlichung auf Hugging Face unter einer kommerziell freundlichen Lizenz Apache 2.0 zwei eigene Basismodelle, vollständig von Grund auf neu trainiert, ohne die Basisgewichte anderer zu übernehmen:
| Modell | Architektur und Skalierung | Kontext und Training | Zweck und Lizenz |
|---|---|---|---|
| AliceAI-Foundation-80B-A3B-Base 21. September 2026 (Modellkarte) |
Hybride MoE: 80B Parameter insgesamt, 3B aktiv pro Token (10 von 512 Experten + 1 gemeinsam). | Pretraining auf 17,5 Billionen Token, Kontext-Erweiterung auf 262.144 Token, Reasoning-Phase mit Agentendaten. | Experimentelles Fundament für das zukünftige einheitliche logische Modell (ELM). Basis-Checkpoint unter Apache 2.0 (Technischer Bericht auf Habr). |
| AliceAI-T5-35B-A0.6B Search Pretrain, 11. September 2026 (Modellkarte) |
Encoder-Decoder MoE: 34,35B eindeutige Parameter, ca. 0,6B aktiv pro Token. | Kontext 128 000 Token, 512 Experten in MoE-Schichten; eine geschlossene, nachgeschulte Version arbeitet in den schnellen Suchantworten. | Recherchen und schneller RAG/Such-Inferenz. Basisversion unter Apache 2.0 (Datei LICENSE, Teambeschreibung). |
Hier ist es wichtig, sofort zwei populäre Irrtümer auszuräumen. Erstens: offenes Basismodell (-Base) — das ist keine fertige Endverbraucher-Alisa. Sie wurde darauf trainiert, Text fortzusetzen, und hat Wissen akkumuliert, enthält jedoch keine Dialog-Shell, keinen Cloud-Browser, keine Telefonie, keine Suche und keine Plugins. Um sie in einen Unternehmensassistenten zu verwandeln, sind Nachtraining (SFT/Alignment), Systemanweisungen, RAG und Tests erforderlich.
Der Mythos vom «kleinen 3B-Parameter-Modell für das Smartphone»
Wenn in Veröffentlichungen von «80B Parametern, davon 3B aktiv» die Rede ist, entsteht leicht der Eindruck, es handele sich um ein kompaktes neuronales Netz auf 3B–4B-Niveau, das problemlos auf einem schwachen VDS oder sogar einem Telefon Platz findet. In der Praxis ist es jedoch anders — man muss zwischen folgenden Aspekten unterscheiden Rechenaufwand und Speicherung der Gewichte:
- Berechnungen (3B active): Für jeden generierten Token arbeiten nur 10 ausgewählte Experten und die allgemeine Schicht, wodurch die Antwort deutlich schneller berechnet wird als bei einem dichten Modell vergleichbarer Größe.
- Speicher (80B total): etwa 163 GB Gewichte in BF16 (~2 Byte pro Parameter) müssen ohnehin irgendwo liegen. In der Foundation-Karte für den Vollformat-Start orientiert man sich an einem Server mit vier Beschleunigern der 80-GB-Klasse; selbst bei idealer 4-Bit-Kompression erfordern die Gewichte allein etwa 40–50 GB Videospeicher, den Speicher für 256K-Kontext, KV-Caches und parallele Benutzer nicht mitgerechnet.
- Was ist mit dem kleineren Modell und dem Offline-Modus auf Smart-Speakern: Die offene AliceAI-T5-35B-A0.6B (35B / 0,6B aktiv) in 4-Bit-Darstellung belegt etwa 21 GB – das ist das Niveau einer Workstation oder eines Laptops mit dedizierter GPU, aber keines Smartphones. Das Einzige, was bereits lokal offline beim Nutzer zu Hause funktioniert, ist die Erkennung grundlegender Sprachbefehle für das Zigbee-Smart-Home auf dem neuronalen Prozessor der «Station 3» und «Midi», keine vollwertige LLM an Bord.
Was Benchmarks tatsächlich zeigen und warum das kein „absoluter Sieg“ ist
Zusammen mit dem Modell hat Yandex zwei fachspezifische russischsprachige Datensätze mit Standards und einem Bewertungsprotokoll veröffentlicht: WikiWebFacts (kurze überprüfbare Fakten basierend auf Enzyklopädien und populären Suchanfragen über Russland) und HardMultiQA (anonymisierte komplexe Anfragen an Alisa zu Recht, Medizin, IT und Fehlersuche). Dies ist eine starke Antwort auf das Problem anglozentrischer Benchmarks, die das Wissen über die russische Spezifik schlecht bewerten.
Nachfolgend finden Sie die wichtigsten Zahlen aus dem eigenen technischen Bericht und der Entwicklerkarte (Foundation-Karte, Technischer Bericht auf Habr) — eine eigenständige unabhängige Reproduktion dieser Tests wurde bei STARCODE nicht durchgeführt:
| Benchmark / Protokoll | AliceAI 80B-A3B Base | Qwen3.5 35B-A3B Base | Nemotron 3 Super 120B-A12B Base | DeepSeek V4 Flash Base |
|---|---|---|---|---|
| WikiWebFacts, 5-shot (russische Fakten) | 86,5 | 62,4 | 72,8 | 83,2 |
| HardMultiQA, 5-shot (Expertenanfragen) | 67,9 | 47,2 | 54,5 | 65,4 |
| Schnitt „Medizin“ (technischer Bericht) | 63,6 | — | — | 60,7 |
| Schnitt „Recht“ (technischer Bericht) | 49,6 | — | — | 40,5 |
| HMMT, Februar 2026 (Olympiade-Mathematik) | 96,9 | 87,9 | — | — |
| LiveCodeBench v5–6, pass@1 (Code) | 50,5 | 50,4 | — | 38,1 |
| BigCodeBench, Yandex-Implementierung, 1-shot, pass@1 | 48,3 | 43,5 | 48,8 | 49,1 |
Worauf der technische Direktor in dieser Tabelle achten sollte:
- Der russische Kontext und das Wissen – ein echter Vorteil. Bei WikiWebFacts, HardMultiQA sowie in medizinischen und rechtlichen Bereichen übertrifft AliceAI die Konkurrenz deutlich, darunter DeepSeek V4 Flash Base und NVIDIA Nemotron 3 Super 120B-A12B Base (NVIDIA Modellkarte).
- Es gibt keinen universellen Gewinner. In der eigenen Implementierung von BigCodeBench beim ersten Versuch (
pass@1) das Yandex-Modell (48,3) unterlag leicht sowohl Nemotron (48,8) als auch DeepSeek V4 Flash (49,1). Und Metriken mit mehreren Versuchen wiepass@8darf nicht auf das Warten auf den perfekten Code aus einer einzigen Nutzeranfrage verschoben werden.
9. Eigener KI-Agent auf dem Server: Kompatibilität ist wichtiger als Mode
Vor dem Entwurf eines lokalen Agenten im Jahr 2026 ist der erste Schritt nicht die Auswahl eines schönen Frameworks im Chat, sondern Überprüfung der Kompatibilität der Inferenz-Engine mit einer spezifischen Gewichtsarchitektur:
- für AliceAI-Foundation-80B-A3B-Base In der Karte sind Anleitungen zum Start über veröffentlicht
TransformersundvLLM(einschließlich Nightly-Build und MTP-Modus), doch aufgrund der hybriden Aufmerksamkeitsarchitektur startet sie in herkömmlichen Desktop-Builds wie Ollama oder LM Studio möglicherweise nicht "out of the box"; - für die Such- AliceAI-T5-35B-A0.6B Das Team warnt ausdrücklich: Externen Nutzern steht die Inferenz über
Transformers, während die optimierte Produktionslaufzeit innerhalb von Yandex verbleibt.
Daher sieht der Arbeitsablauf für die Erstellung eines eigenen Agenten wie folgt aus (Projektschema für einen geschlossenen Kreislauf):
- InterfaceInternes Web-Dashboard für Mitarbeiter mit Rollen
- RAG-SucheSuche in Dokumenten mit Überprüfung der Zugriffsrechte
- InferenzKompatibles Modell und feststehende Gewichtsrevision
- MCP-Gateway / APIParameter-Validierung, Limits und diff-Vorschau
- AnwendungPrüfbarer Bericht, Antrag und Audit-Protokoll
Projektszenario: für eine Webseite oder die digitale Abteilung eines Unternehmens kann ein lokaler Bereich auf einem isolierten Server eingerichtet werden, der technische Seitenmetriken sammelt, den Status von Formularen prüft, Formulierungen mit der 152-FZ-Verordnung abgleicht und dem Spezialisten einen fertigen Bericht oder Korrekturvorschlag zur Freigabe übermittelt.
Es ist wichtig zu prüfen der gesamte Datenpfad: Web-Interface, Embeddings, Vektorindex, LLM, Logs und Backups. Wenn die lokale Datenbank auf Ihrem Server gefundene Dokumentenfragmente an eine Cloud-API sendet oder die Korrespondenz über einen normalen externen Messenger geführt wird, ist ein solcher Kreislauf nicht mehr vollständig geschlossen.
10. Cloud, eigener Server oder Hybrid: wie man die Wirtschaftlichkeit richtig berechnet
Die Wahl der Architektur stößt fast immer auf zwei extreme Irrtümer: «Cloud ist immer billiger» oder «Wir kaufen einen Computer und ersetzen vollständig die Unternehmens-Cloud».
| Infrastrukturvariante | Wann wählen | Was man realistisch ins Budget einplanen sollte |
|---|---|---|
| Fertiger Dienst (Yandex AI für Unternehmen / Pro) | Benötigen Sie einen schnellen Start und Standardaufgaben in E-Mail, Dokumenten, Trackern und Basis-Plugins. | Abonnements, Integrationen, Rechteverwaltung und vertragliche Bedingungen für die Datenverarbeitung. |
| Cloud API + eigene Anwendung | Benötigen Sie einen benutzerdefinierten Prozess (Sprachagent, Bewerbungsscoring, Gateway zu CRM) ohne GPU-Kauf. | Kosten für Token und Sprache, Backend-Miete, Suche, Entwicklung und Support. |
| Eigener Server mit GPU (Self-hosted) | Strenge Anforderungen an die Datenunterbringung oder hoher konstanter Anfragestrom. | GPU und RAM mit Reserve, Hosting/Energie, MLOps-Ingenieure, Updates und Redundanz. |
| Hybrid (Trennung der Konturen) | Sensible Daten verbleiben in der RF oder lokal, während allgemeine Aufgaben in die Cloud gehen. | Anfrage-Routing, Anonymisierung, Leck-Audit und Notfallplan bei Ausfall externer API. |
Eine eigene Verwirrung im Netzwerk entstand rund um die Zahlen 136 vCPU, 648 GB RAM, ~4,1 TB Speicher und Kombinationen aus 1 × A100 (80 GB) + 2 × H100 (80 GB). Laut der Dokumentation von Yandex Cloud Stackland 26.3 ist dies ein minimaler Unternehmenscluster für die Bereitstellung der AI Studio On-premises Plattform mit mehreren Komponenten gleichzeitig (YandexGPT 5 Lite, Embeddings, Ethics, Stackland Dokumentation). Für kleine und mittelständische Unternehmen ist ein solcher Cluster für einen einzelnen Anwendungsprozess nicht erforderlich, ebenso wenig wie er mit der Mindestschwelle eines lokalen Skripts gleichgesetzt werden sollte.
Schulungskalkulation der Pilotwirtschaft (wie man rechnet, bevor man Hardware kauft)
Wir nehmen Lernbeispiel (dies ist eine Bewertungsmethodik, kein STARCODE-Tarif und keine Garantie für die Rentabilität):
- Ein Mitarbeiter bearbeitet 1.000 gleichartige Anfragen oder Dokumente pro Monat und benötigt dafür jeweils 8 Minuten.
- Nach der Implementierung des Assistenten prüft eine Person den Entwurf und korrigiert seltene Fehler in durchschnittlich 3 Minuten (unter Berücksichtigung fehlgeschlagener Versuche).
- Bei Kosten von 900 ₽ pro Arbeitsstunde werden frei
1 000 × (8 − 3) / 60 × 900= 75 000 ₽ pro Monat Produktionskapazität. - Wenn die laufenden Kosten für API, Server und Support bei geschätzten 25 000 ₽/Monat liegen und die Einrichtung des Piloten 150 000 ₽ beträgt, ergibt der berechnete Netto-Restbetrag 50 000 ₽/Monat (etwa 3 Monate Amortisationszeit).
Wichtigste Anpassung der Praxis: Frei gewordene Minuten verwandeln sich nur dann in echtes Geld, wenn das Team die Personalkosten senkt oder diese Stunden auf zusätzliche Aufträge überträgt. Und die wichtigste Metrik für den Vergleich von Cloud und eigenem GPU ist nicht der „Preis pro Million Token“, sondern Alle Prozesskosten / Anzahl der ohne Fehler angenommenen Ergebnisse.
11. Abnahmeprüfungen: 5 Prüfungen vor der Erweiterung des Zugangs
Offene Benchmarks sortieren offensichtlich schwache Modelle aus, beantworten aber nicht, wie sich das System bei Preislisten, Verträgen und Formularen genau Ihres Unternehmens verhält. Bevor Sie einen Agenten auf Kunden oder eine Arbeits-CRM loslassen, sollten Sie einen schmalen Piloten durchführen aus 30–50 anonymisierte Aufgaben (ausreichend für eine Vorauswahl, aber kein statistischer Beweis für kritische Systeme) und im Voraus Stopp-Bedingungen genehmigen. Nachfolgend finden Sie das Testprogramm, das wir als Methodik für die Abnahmeprüfung verwenden:
| Testszenario | Was genau geprüft wird | Erfolgskriterium (was als Erfolg gilt) |
|---|---|---|
| 1. Anfrage gemäß Reglement / Recht | Antwort gemäß den Normen (z. B. 152-FZ oder interne Richtlinie) mit Quellen. | Genaue Fassung der Norm, echte Referenz; bei Datenmangel – eine ehrliche Absage anstatt einer Erfindung. |
| 2. Audit einer echten Seite | Analyse von kommerziellem Website-HTML und sichtbaren Bedingungen. | Schlussfolgerungen strikt basierend auf dem erhaltenen Seitencode; verborgene Servereinstellungen werden nicht erraten. |
| 3. Finanzielle Tabelle (CSV/XLSX) | Berechnung von Margen, Rabatten und Zusammenfassung von Anomalien. | Arithmetik wird durch Formeln oder Code reproduziert, leere Zellen und Maßeinheiten werden nicht ersetzt. |
| 4. Mehrschrittige Aufgabe mit CRM/Formular | Sammlung der Bedingungen, Vorbereitung des Antragsentwurfs und Pause vor dem Absenden. | Korrektes Entwurf erstellt, Verbot des eigenmächtigen Versendens eingehalten, Status anhand der ID abgeglichen. |
| 5. Zugriff und Prompt Injection | Der Versuch, auf ein fremdes Dokument zuzugreifen oder einen Befehl aus dem Text einer externen Anfrage auszuführen. | Geschlossene Daten werden nicht offengelegt; Anweisungen innerhalb des Kundenfeldes werden als Daten ignoriert. |
Strenge Regel des Piloten: Jede eigenmächtige Datenübermittlung, das Leaken fremder Kontexte oder eine vorgetäuschte Terminbestätigung stoppt die Zugriffserweiterung, bis die Ursache behoben ist.
12. Sicherheit, 152-FZ und die Lehren aus den Ausfällen im Herbst
Rund um lokale Modelle in Russland hat sich ein gefährlicher Rechtsmythos gebildet: „Server im Büro oder in einem russischen Rechenzentrum aufgestellt — die Frage nach dem 152-FZ ist automatisch geklärt“. Das stimmt nicht. Die physische Platzierung gibt die Kontrolle über den Server, ersetzt jedoch nicht die Einhaltung des Gesetzes Nr. 152-FZ über die gesamte Verarbeitungskette hinweg (Text des 152-FZ):
- Ziele, Grundlagen und Auftrag (Art. 6 und Art. 9 152-FZ): Die Einwilligung ist nicht die einzige Grundlage für die Verarbeitung, aber wenn sie verwendet wird, muss das Dokument spezifisch und von anderen zu bestätigenden Vereinbarungen getrennt sein. Die Datenübermittlung an einen Auftragnehmer erfordert die Erteilung eines Auftrags.
- Lokalisierung und grenzüberschreitende Übertragung (Art. 18 und Art. 12 152-FZ): Eine russische IP des Webservers rettet nicht, wenn der Formulartext, RAG-Fragmente oder API-Telemetrie an eine ausländische LLM oder einen externen Tracker gesendet werden.
- Technische Maßnahmen (Art. 19 152-FZ) und Medizin (Art. 10 152-FZ und Art. 13 Gesetzes Nr. 323-FZ): die Zusammensetzung der Schutzmaßnahmen, einschließlich der Anforderungen an die Verschlüsselung, wird durch geltende Normen und das Bedrohungsmodell bestimmt. Für Kliniken gelten zusätzlich Einschränkungen bezüglich Gesundheitsdaten und ärztlicher Schweigepflicht, unabhängig davon, ob ein Administrator oder ein KI-Sprachroboter dem Patienten antwortet (Gesetz Nr. 323-FZ).
Was die Infrastrukturausfälle im Herbst 2026 tatsächlich gezeigt haben
Der Oktober und November 2026 haben anschaulich gezeigt, wie zerbrechlich die Verbindung «das gesamte Geschäft auf einer Plattform ohne Plan B» sein kann:
- 10. November Yandex Cloud veröffentlichte die Ergebnisse der Infrastrukturwiederherstellung nach den Vorfällen in den Rechenzentren: Ingenieure stellten den Zugriff auf 97,16% der Kundendaten wieder her, während 2,84% aufgrund physischer Schäden an den Datenträgern und fehlender konfigurierter Backups der betroffenen Projekte auf der Plattform selbst verloren gingen – wobei Kunden mit aktivierten Yandex Cloud-Backup-Tools Verluste vermieden (Provider-Bericht).
- 1.–2. November 2026 Ein massiver Cyberangriff auf den Hosting-Provider Beget beeinträchtigte den Betrieb von Subnetzen, DNS und Virtualisierung einiger Projekte, gefolgt von Wiederherstellungsarbeiten (Chronologie des Vorfalls).
Das technische Fazit ist einfach: Eine eigene lokale Maschine im Büro kann ebenfalls ausfallen. Ein unabhängiges Backup (mit regelmäßigem Wiederherstellungstest) schützt vor Datenverlust, ein Reservestandort mit Umschaltprozedur reduziert Ausfallzeiten und getrennte Zugriffsrechte verhindern, dass ein Skriptfehler das Original und das Backup gleichzeitig löscht. Vor der Anschaffung einer Reserve werden Zielvorgaben definiert RPO (zulässiger Verlust der letzten Daten) und RTO (zulässige Wiederherstellungszeit).
13. Wie Alisa AI SEO, GEO und die Bereitschaft von Websites für Agentenaktionen verändert
Für Website-Besitzer und Marketingfachleute laufen hier drei verschiedene Aufgaben zusammen: klassische Präsenz in der Suche, Erscheinen in den Antwortquellen der KI (GEO) und die Möglichkeit für einen Assistenten oder Cloud-Browser, die Bedingungen ohne Ausfälle zu lesen und einen Antrag zu stellen (Agentic SEO – verwenden wir als praktischen Arbeitsnamen für die dritte Aufgabe, nicht als einen eigenständigen, bestätigten Ranking-Faktor von Yandex).
Was der Bericht in Yandex Webmaster tatsächlich zeigt
Werkzeug «Sichtbarkeit der Website in Alice AI» veröffentlicht 7. April 2026 — damals nannte Yandex die historische Zahl von etwa 46,5 Mio. Nutzern monatlich für die Schnellantworten in der Suche (April-Ankündigung). Laut der aktuellen Hilfe des Webmasters wird der Bericht auf Basis einer Stichprobe von Suchanfragen erstellt, bei denen die Website bereits ausreichend hoch rankt. Er wird wöchentlich aktualisiert, speichert Daten für drei Monate und zeigt die Metrik Share of Voice (SoV) — den Anteil der Erwähnungen der Ressource in den Antworten von Alice speziell in der Suche (Yandex Webmaster Hilfe). Dies ist ein nützlicher diagnostischer Orientierungspunkt neben Positionen und Conversions, jedoch kein allgemeiner Zähler für Erwähnungen in privaten Chats, im Agentenmodus oder ein direkter Indikator für den Umsatz.
Anschauliche Analyse: von der Kundenanfrage bis zur Anfrage am Beispiel von zwei Klinik-Websites
Vergleich der Arbeit von KI-Suche und Cloud-Browser bei einer Anfrage (technisches Beispiel der Verfügbarkeit von Bedingungen, keine Prüfung der Alisa AI-Ausgabe):
Der Assistent sucht nach überprüfbaren Fakten in der Suche oder öffnet die Website in einem Cloud-Browser
Allgemeine Phrasen über Premium-Service; vollständige Preisliste in einem herunterladbaren PDF und in Spoilern versteckt, JSON-LD fehlt.
Der Assistent sieht nicht, was im Verfahren enthalten ist, findet keine Ärzte und kann den tatsächlichen Preis nicht nennen.
Felder nur innerhalb von Placeholder beschriftet, starres Captcha blockiert den Durchgang, Formularantwort unklar.
Zusammensetzung veröffentlicht („was ist enthalten und was ist separat“), Ärzte und Zeitplan; sichtbares HTML stimmt mit JSON-LD überein.
Der KI-Assistent erläutert die realen Bedingungen, die Preisspanne und gibt einen direkten Link zur Serviceseite.
Es gibt Label-Beschriftungen, Kanalauswahl (Telegram, MAX oder Telefon), gezielten Betrugsschutz und einen Speicherstatus.
| Website-Element | Was den Menschen und den KI-Agenten behindert | Was sinnvoll ist, noch zu überarbeiten |
|---|---|---|
| Bestandteil der Dienstleistung | Einzelne Summe ohne Liste der Arbeiten und Einschränkungen. | Zusammensetzung, Fristen, Kontraindikationen und Berechnungsgrundlagen offenlegen. |
| Einheitliche Preisquelle | Unterschiedliche Zahlen im Seitentext, in PDF und im Rechner. | Alle Darstellungen abstimmen und das Aktualitätsdatum angeben. |
| Bestätigung von Fakten | Vorlagen-Slogans ohne Lizenzen, Adressen und Namen. | Überprüfbare Referenzen, Spezialisten, Fallstudien und Primärquellen bereitstellen. |
| Datenverfügbarkeit | Wichtige Bedingungen auf Bannern oder in Bildern ohne Text. | Bedingungen in zugänglichen HTML-Text und Tabellen übertragen. |
| Formulare und Erfassung | Ausrichtung nur auf Platzhalter, keine klaren Fehlermeldungen oder Antragsstatus. | Felder über label beschriften, den Kontakt verständlich prüfen und eine eindeutige Antwort liefern. |
| Bot-Schutz | Entweder blockiert ein strikter WAF legitime Zugriffe, oder es gibt überhaupt keinen Antifraud. | Gezielte Schutzregeln mit Überprüfung realer Szenarien erstellen. |
Weder Schema.org noch MCP noch HTTP/3 funktionieren als «magischer Zitier-Knopf»: Die Auszeichnung beschreibt bereits bestehende Inhalte, ein schnelles Übertragungsprotokoll rettet kein leeres HTML und die MCP-Einbindung macht einen Dienst nicht automatisch für alle externen Agenten bekannt. Eine detaillierte Diagnosematrix haben wir besprochen in Handbuch zur Überprüfung der Website für die KI-Suche und Leitfaden zum GEO-Marketing der Marke.
8 praktische Schritte für Website-Besitzer, Marketingexperten und CTOs
- Indizierung, HTTP 200-Codes und Verfügbarkeit der Hauptinhalte prüfen (Server-seitiges HTML — eine zuverlässige Methode, um den Text ohne komplexe Verzögerungen lesbar zu machen, obwohl die Wahl des Renderings vom Engine abhängt).
- Preise, Konditionen, Filialadressen und Öffnungszeiten vereinheitlichen auf allen Seiten und in Feeds.
- Relevante Schema.org-Mikrodaten einrichten streng nach dem sichtbaren Inhalt der Seite.
- Formulare mobil, per Tastatur und in einem automatisierten Testdurchlauf prüfen: Feldbeschriftungen, Hinweise zur Wahl des Kommunikationskanals, verständliche Fehlermeldungen und Bestätigung der Speicherung der Anfrage.
- Stärkung der Expertenschicht von Materialien: Originalanleitungen, Richtlinien und Analysen unter Angabe von Autor, Datum der Überprüfung und Quellen veröffentlichen.
- YML/XML-Feeds oder API-Gateway nur dann verbinden, wenn ein realer Nutzer, Rechte und ein Prozess zur Aktualisierung vorhanden sind.
- Den Bericht «Website-Sichtbarkeit in Alisa AI» im Webmaster in der Dynamik analysieren getrennt von manuellen Überprüfungen im Chat (für manuelle Tests Datum, genaue Wortwahl der Anfrage und mehrere Durchläufe festhalten).
- Den durchgängigen Pfad von der Seitenansicht bis zur Benachrichtigung an den Manager prüfen, einschließlich Wiederholungsversuchen bei Ausfällen und Reserveservern.
14. Wie beginnt man mit der Implementierung und wie hilft STARCODE PR
Der Versuch, „das gesamte Unternehmen auf einmal“ zu automatisieren oder auf ein einheitliches schlussfolgerndes Modell der Zukunft zu warten, ist unrentabel: Grundlegende Prozesse können bereits jetzt problemlos getestet werden, ohne unnötige Hardware vorzeitig zu kaufen.
6-Schritte-Roadmap für den ersten Piloten
- Auswählen ein häufiger, messbarer Prozess und die aktuelle Zeitaufwendung sowie die Fehlerquote messen.
- Datenroute und Grenzen zulässiger Aktionen festlegen; dafür einen Cloud-Dienst, API oder eine lokale Umgebung auswählen.
- Wahrheitsquellen vorbereiten: Richtlinien, Preislisten, Rechte-Matrix und regelmäßige Aktualisierung.
- Starten Sie einen begrenzten Piloten mit Bestätigung signifikanter Vorgänge durch einen Menschen (für ein einfaches, vorbereitetes Szenario rechnet man mit etwa 2–4 Wochen; komplexe Abstimmungen und Unternehmensintegrationen verlängern die Frist).
- Kosten eines einzelnen Vergleichs eines ohne Fehler angenommenen Ergebnisses mit dem ursprünglichen Prozess.
- Zugriff erst nach Bestehen der Abnahmekriterien und Prüfung der Wiederherstellung aus dem Backup skalieren.
Aufgaben, die wir bei STARCODE PR schlüsselfertig übernehmen
Wir vereinen Website-Optimierung, Suche, Content, Serverarchitektur und KI-Implementierung in einem steuerbaren Projekt – ohne das Marketing von der Technik und den Anforderungen zu trennen. 152-FZ:
| Richtung | Was wir in der Praxis tun | Welches messbare Ergebnis erhalten Sie |
|---|---|---|
| KI-SEO der Website und Bereitschaft für Alisa AI | Wir optimieren den Code und die wichtigsten Dienstleistungsseiten, führen Preise und Bedingungen in eine überprüfbare Struktur zusammen, konfigurieren Schema.org, Formulare und Analysen. | Aktualisierte Website ohne technische Barrieren und Bericht über Arbeiten, Sichtbarkeit und erkannte Anfragen (KI-Suchmaschinenoptimierung). |
| GEO-Promotion der Marke | Wir bauen eine Content-Strategie für echte Kundenfragen auf, erstellen Expertenmaterialien mit Quellen, stärken externe Profile und führen wiederholte Messungen durch. | Abgestimmter Plan, veröffentlichte Materialien und regelmäßige Stichproben der Erwähnungen und der Präzisionsdarstellung des Unternehmens (GEO-Promotion). |
| Implementierung von KI-Agenten und Automatisierung | Wir stellen ein Pilotprojekt für einen spezifischen Prozess zusammen, binden die Wissensdatenbank, CRM, Messenger und API an, konfigurieren Rechte, Prüfungen, den Serverkreis der Russischen Föderation und die Anforderungen des 152-FZ. | Ein funktionierendes, abgestimmtes Szenario mit Testprotokoll, Kostenkalkulation und Anweisungen (KI-Integration, Automatisierung, Cloud und Server). |
Bereit, die Website für Yandex AI zu prüfen oder einen KI-Agenten-Piloten zu starten?
Für AI SEO und GEO ist die Startdiagnose direkt im Einführungsprojekt enthalten — ein separates Audit muss nicht bestellt werden, es ist nur für diejenigen notwendig, die einen Arbeitsplan für ihr eigenes Team erhalten möchten. Senden Sie uns einen Link zur Website, die priorisierten Dienste und den zu automatisierenden Prozess — wir erstellen ein konkretes Angebot mit Optimierungspunkten und Abnahmekriterien.
Häufig gestellte Fragen
1. Kann man die offenen Gewichte von AliceAI-Foundation-80B-A3B-Base herunterladen und eine fertige Alisa mit Anrufen und Browser erhalten?
Nein. Offengelegt sind die Basisgewichte des Textmodells. Cloud-Browser, Telefonie, Suche, Plugins und dialogbasierte Abstimmung sind separate Produkt-Layer, die man selbst aufbauen oder über die Unternehmenslinie von Yandex beziehen muss.
2. Stimmt es, dass 3B aktive Parameter es ermöglichen, sie auf einem Telefon oder einem gewöhnlichen günstigen VDS auszuführen?
Nein. 3B bezieht sich auf das Rechenvolumen pro Token, nicht auf die Größe der Gewichte. Alle 80B Parameter müssen im Speicher gehalten werden (etwa 163 GB Gewichte in BF16 oder ab 40–50 GB nur für 4-Bit-Gewichte ohne Kontext). Selbst die kleinste Search Pretrain in 4-bit belegt etwa 21 GB. Ein normaler VDS ohne GPU eignet sich nur für das Interface, das MCP-Gateway und die Wissensdatenbank bei Zugriff auf eine externe API.
3. Wenn man die Dokumentendatenbank in ein lokales RAG überträgt, verlassen kommerzielle Daten dann garantiert nicht den Server?
Nur wenn der gesamte Bearbeitungsweg innerhalb Ihres Kreises bleibt: Embeddings, Vektorsuche, Generierungsmodell, Protokolle und Messenger-Schnittstelle. Wenn die lokale Suche ein Vertragsfragment findet und es an ein öffentliches Cloud-neuronales Netz sendet, gelangt der Text trotzdem nach außen.
4. Warum wird ein Konkurrent von Platz 6 der Suche in der Antwort von Alisa AI zitiert, unsere Website auf Platz 1–2 jedoch nicht?
Eine herkömmliche Suche bewertet die gesamte Seite, während eine generative Antwort (RAG) nach dem Fragment mit der klarsten und überprüfbarsten Antwort auf einen spezifischen Aspekt der Frage sucht. Direkte Bedingungstabellen, Daten und klare Formulierungen helfen der Quelle oft, in die Fußnote zu gelangen, obwohl es kein einheitliches garantiertes Rezept für die Auswahl eines Zitats gibt.
5. Ist es sicher, Captcha und Bot-Schutz zu entfernen, damit KI-Agenten frei auf die Website zugreifen können?
Der Schutz darf nicht komplett abgeschaltet werden – Sie öffnen Formulare für automatischen Spam und Manipulation. Der richtige Weg ist, WAF-Regeln gezielt bei Testdurchläufen zu prüfen und den Schutz bei korrektem Betrieb legitimer Formulare beizubehalten.
6. Wann kann man ehrlich sagen, dass sich die Implementierung eines KI-Agenten rentiert hat?
Nur wenn die Summe aller tatsächlichen Kosten (API oder GPU, Entwicklung, Support und die Zeit der Mitarbeiter für Prüfung und Fehlerkorrektur) niedriger ist als der bestätigte Effekt der fehlerfrei akzeptierten Ergebnisse und die frei gewordene Zeit des Teams tatsächlich genutzt wird.
7. Was ist jetzt schon zu tun, während „Handeln!“ im frühen Teststadium ist?
Nicht auf den Massen-Release warten: Ordnung bei Preisen, Seitenstruktur, Mikrodaten und Formularen auf der Website schaffen, den Sichtbarkeitsbericht in Alice AI im Yandex Webmaster aktivieren und 1–2 interne Routineaufgaben für einen kontrollierten Piloten beschreiben. Weitere Informationen zum Thema finden Sie in unseren Analysen über Automatisierung mittels KI-Agenten und neues Website-Format mit KI-Steuerung.
Quellen und Dokumentation
Quellen überprüft .
- Yandex: Start des Sprachassistenten Alice, 10.10.2017 — Offizieller Release des Sprachassistenten Alice in der Yandex-Suchanwendung und der Beta-Version für Windows.
- Yandex: Start des persönlichen KI-Agenten „Handeln!“, 12.11.2026 — Offizielle Ankündigung des Cloud-Browsers, Telefonanrufe mit Transkription, Übertragung der Steuerung und früher Zugriff.
- Yandex B2B Tech: Speech TTS Live und aktualisierte Speech Realtime Max, 13.11.2026 — Streaming-Sprachsynthese und Dialogmodell für Sprachagenten mit korrekter Reaktion auf Unterbrechungen.
- Yandex: Beta-Katalog für Alice AI-Plugins und MCP-Unterstützung, 16.11.2026 — Start von mehr als 20 Plugins und privaten Unternehmensverbindungen nach dem Model Context Protocol Standard.
- Yandex: Start von Alice AI Pro für Unternehmen, 24.09.2026 — Unternehmensversion mit tiefer Konfiguration und Platzierungsmöglichkeiten in der Infrastruktur des Kunden.
- Yandex B2B Tech: Kartenversionen der Unternehmens-Alisa AI — Vergleich von Alice AI für Unternehmen in Yandex 360 und Alice AI Pro auf der Plattform Yandex AI Studio.
- Dokumentation Yandex AI Pro: Änderungshistorie (05.11.2026) — Eingebautes Git-Panel für Repositories und Erhöhung des Dateianhang-Limits auf 256 MB und 20 Dateien.
- Dokumentation Yandex AI Pro: Aufgaben nach Zeitplan — Einrichtung der regelmäßigen Hintergrundausführung von Aufgaben mit Speicherung der Ergebnisse im Chat.
- Yandex: Sicherheitszertifizierung der Alice AI-Modelle nach ISO/IEC 42001, 16.07.2026 — Unabhängiges Audit der Prozesse für verantwortungsvolle Entwicklung für Alice AI LLM, VLM und ART.
- Yandex-Team: technischer Bericht AliceAI-Foundation-80B-A3B-Base — Details zum Pretraining von Grund auf mit 17,5 Billionen Token, Kontexterweiterung bis 256K und russischsprachigen Benchmarks.
- Hugging Face: yandex/AliceAI-Foundation-80B-A3B-Base — Karte des offenen MoE-Modells (insgesamt 80B / 3B aktiv), Lizenz Apache 2.0, Messungen und Start in Transformers/vLLM.
- Yandex-Team: Veröffentlichung zum offenen Suchmodell Alice AI Search — Aufbau der Encoder-Decoder-MoE-Architektur und Einschränkungen des externen offenen Inferenz-Modells.
- Hugging Face: yandex/AliceAI-T5-35B-A0.6B — Karte des Basis-Such-MoE-Modells (34,35B / ~0,6B aktive Parameter, Kontext 128K, Apache 2.0).
- Hugging Face: nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 — Parameter der Basis-MoE-Architektur von NVIDIA (120B insgesamt / 12B aktive Parameter) für einen korrekten Vergleich.
- Spezifikation Model Context Protocol: Tools und Authorization (25.11.2025) — Standard zur Beschreibung von Server-Tools, Parameterschemata und Autorisierungsmechanismen für HTTP-Verbindungen.
- Dokumentation Yandex Cloud Stackland: Komponenten von AI Studio On-premises — Ressourcenanforderungen eines minimalen Unternehmensclusters (136 vCPU, 648 GB RAM, A100 und H100).
- Yandex: KI-Agentenprogramm von „Nornickel“ auf Yandex AI Studio, 20.04.2026 — Hybride Architektur mit dediziertem physischem Kanal und Test von Agenten für über 30 Prozesse.
- Yandex Cloud: Ergebnisse der Infrastrukturwiederherstellung, 10.11.2026 — Offizieller Bericht über die Wiederherstellung von 97,16% der Daten und die Bedeutung der eingerichteten Backups auf der Plattform.
- Beget: offizielle Chronologie des Sicherheitsvorfalls (November 2026) — Zusammenfassung des Cyberangriffs vom 1.–2. November 2026 und der Phasen der Wiederherstellung von Cloud-Diensten und DNS.
- Yandex Webmaster Hilfe: Sichtbarkeit der Website in Antworten von Alice AI — Methodik zur Berechnung des Anteils der Domainpräsenz (SoV) und Beispiele für Suchanfragen mit Website-Zitaten.
- Föderales Gesetz № 152-FZ „Über personenbezogene Daten“ — Artikel 6, 9, 10, 10.1, 12, 18, 18.1 und 22: Grundlagen der Verarbeitung, Zustimmungen, Schutz und Pflichten des Betreibers.
- Gesetz Nr. 323-FZ „Über die Grundlagen des Gesundheitsschutzes der Bürger in der RF“ — Artikel 13, 22 und 79: ärztliche Schweigepflicht, Information für den Patienten und Pflichten der medizinischen Organisation.
Die Dokumentation beschreibt die Möglichkeiten der Plattform. Konfiguration und Kompatibilität werden für das konkrete Projekt geprüft; Preise und SLA von STARCODE werden durch unser Angebot und den Vertrag bestimmt.