Multiverse Computing выпустила Quasar 438B, лучшую ИИ-модель Европы

Компания Multiverse Computing выпустила Quasar 438B, свою первую крупную модель, ризонинг-модель для корпоративных агентов и работы с кодом. Модель работает на английском и испанском языках и доступна через API CompactifAI.

По индексу Intelligence Index v4.1.1 от Artificial Analysis (сводная оценка по девяти тестам: GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience и AA-LCR) Quasar набрала 43 балла, лучший результат среди европейских моделей в сравнении. Это на 13 баллов больше, чем у Mistral Medium 3.5 (30 баллов), и на 5 баллов больше, чем у NVIDIA Nemotron 3 Ultra, у которой при этом на 112 млрд параметров больше (сам источник называет для Nemotron 3 Ultra два разных значения индекса в разных местах текста, 38 и 36 баллов, и не поясняет расхождение). Quasar также обходит модель Inkling (42 балла). До лидера сравнения, Claude Opus 5 (63 балла), Quasar не дотягивает 20 баллов.

По скорости Quasar выдаёт ответ на 500 токенов (включая время на рассуждение) за 15,3 секунды. Быстрее неё в сравнении только три модели: Nemotron 3.5 Lightning (9,4 с, 24 балла), Gemini 3.5 Flash-Lite (10,8 с, 37 баллов) и Gemini 3.7 Flash (11,5 с, 56 баллов), из них только последняя одновременно быстрее и способнее Quasar. Среди моделей, которые набирают больше баллов, чем Quasar, лишь две отвечают быстрее чем за 25 секунд, остальные, от 38 до 156 секунд.

В тесте на работу с длинным контекстом AA-LCR Quasar набрала 75,0 балла, на уровне Grok 4.6 (high) (тоже 75,0) и в пределах одного балла от Claude Opus 5 (75,7) и Qwen3.8 2.4T A95B (75,3). Она опережает Nemotron 3 Ultra на 4,0 балла и Mistral Medium 3.5 на 9,7 балла, это тест, где Quasar ближе всего подошла к моделям-лидерам.

В тесте на агентную работу в терминале Terminal-Bench v2.1 Quasar набрала 69,3 балла, опередив Mistral Medium 3.5 на 18,7 балла и Nemotron 3 Ultra на 15,4 балла, но заметно отстав от лидера сравнения Claude Opus 5 (89,1 балла). По словам компании, именно здесь у модели больше всего пространства для роста, и туда направлена следующая волна доработок.

Multiverse Computing позиционирует Quasar для корпоративных задач: агентов для разработки, технических копайлотов, исследовательских систем и автоматизации рабочих процессов. Название отражает класс параметров: источник относит Quasar к «классу 400 млрд+ параметров», но точное число параметров, данные и архитектуру обучения не раскрывает. Поддержка английского и испанского языков, по словам компании, делает модель практичной основой для европейских и международных компаний. Multiverse Computing обещает дальнейшие обновления модели.

Ключевые факты

Multiverse Computing выпустила Quasar 438B, свою первую крупную модель, доступную через API CompactifAI, для агентов и работы с кодом на английском и испанском языках.
По индексу Artificial Analysis Intelligence Index Quasar набрала 43 балла, лучший результат среди европейских моделей, но на 20 баллов ниже лидера сравнения Claude Opus 5 (63 балла).
Ответ на 500 токенов модель выдаёт за 15,3 секунды, быстрее только три модели, и лишь одна из них (Gemini 3.7 Flash) при этом ещё и способнее Quasar.
В тесте на длинный контекст AA-LCR Quasar (75,0) почти сравнялась с Claude Opus 5 (75,7), это тест, где отставание от лидеров минимально.
В агентном тесте Terminal-Bench v2.1 Quasar набрала 69,3 балла против 89,1 у Claude Opus 5, по признанию компании, здесь у модели больше всего пространства для роста.

Почему это важно

Для Multiverse Computing это первый выход в класс крупных моделей: компания строила репутацию на эффективности и лёгком развёртывании ИИ, и теперь переносит этот опыт в модель уровня 400 млрд+ параметров. Quasar 438B стала лидером среди европейских моделей по индексу Artificial Analysis Intelligence Index (43 балла против 30 у Mistral Medium 3.5, 38 у NVIDIA Nemotron 3 Ultra и 42 у Inkling), но от мирового лидера сравнения, Claude Opus 5 (63 балла), отстаёт на 20 баллов, закрыть разрыв с фронтиром пока не удалось.

Кому это важно

Корпоративным командам, которые разворачивают ИИ-агентов, технических копайлотов, исследовательские системы и автоматизацию рабочих процессов, особенно европейским и международным компаниям, которым нужна поддержка испанского языка наравне с английским. Интересно и тем, кто следит за развитием европейских альтернатив американским моделям.

Как это применить

Quasar 438B доступна через API CompactifAI, команды могут протестировать модель без развёртывания собственной инфраструктуры, оформив доступ на dashboard.compactif.ai. Цена использования в источнике не указана. Скорость ответа (15,3 секунды на 500 токенов) позволяет встраивать модель в интерактивные продукты, а не только в пакетную обработку; сильные результаты по длинному контексту и работе в терминале делают её кандидатом для агентных сценариев разработки и анализа документов.

Можно ли доверять

Все цифры в материале, из собственной публикации Multiverse Computing со ссылкой на сравнения Artificial Analysis; независимой проверки в тексте нет. Источник противоречит сам себе: в одном месте NVIDIA Nemotron 3 Ultra указана с 38 баллами по индексу, в другом, с 36, без объяснения расхождения. Точное число параметров модели, данные и архитектура обучения не раскрыты, известно только название «438B» и отнесение к «классу 400 млрд+ параметров».

Риски и подводные камни

Несмотря на первое место среди европейских моделей, Quasar заметно отстаёт от мирового лидера сравнения, на 20 баллов по общему индексу и почти на 20 баллов по Terminal-Bench, то есть звание «лучшая в Европе» не равно «на уровне фронтира». Материал написан самой компанией-разработчиком, дата релиза, цена и условия лицензирования не раскрыты, а модель «Inkling», использованная для сравнения, не привязана ни к какому производителю, проверить её происхождение по тексту нельзя.