diffresearch итмо — это новая разработка исследователей ИТМО, которая ускоряет глубокий поиск на ИИ в шесть раз. Система заменила привычные авторегрессионные модели на диффузионные и показала стабильные результаты на сложных задачах.
Анонс состоялся 17 ноября 2026 года. Статья принята на EMNLP 2026 Industry Track, код опубликован под Apache-2.0 на GitHub.
Как DiffResearch ускоряет поиск на диффузионных моделях
Команда заменила авторегрессионный бэкенд на открытую диффузионную модель DiffusionGemma внутри многоагентного пайплайна. Пайплайн включает планирование, декомпозицию запросов, поиск и синтез ответа. Дополнительный режим dFast извлекает подзапросы из промежуточных состояний денойзинга, что позволяет начинать поиск до завершения полной генерации.
На бенчмарке Deep Research Bench с сотней задач уровня PhD по 22 направлениям диффузионная версия завершила работу в среднем в шесть раз быстрее авторегрессионной при тех же промптах и инструментах. Этап планирования и написания ускорился в 10–12 раз, а dFast дал дополнительное ускорение декомпозиции в 1,99 раза по медиане.
Качество ответов осталось на прежнем уровне. По шкале RACE диффузионная модель набрала 0,3895 балла против 0,3904 у авторегрессионной, а усиленная версия dFast — 0,3969. В некоторых задачах система превзошла коммерческие решения из открытого лидерборда.
Где применить DiffResearch в России
Система подходит для анализа научной литературы, подготовки обзоров и бизнес-аналитики. В образовании она помогает студентам и преподавателям быстро собирать материалы по сложным темам. В медицине DiffResearch ускоряет обобщение клинических рекомендаций и стандартов лечения.

Фреймворк поддерживает как открытые провайдеры через vLLM и llama.cpp, так и закрытые API. Это снижает порог входа для российских команд, которые хотят тестировать диффузионные модели без лишних затрат.
Вот сравнение ключевых показателей двух подходов:
| Параметр | Авторегрессионная модель | DiffResearch (диффузионная) |
|---|---|---|
| Скорость end-to-end | 1× | 6× |
| Ускорение планирования | 1× | 10–12× |
| Качество (RACE) | 0,3904 | 0,3895–0,3969 |
| Лицензия | зависит от модели | Apache-2.0 |
Типичные ошибки при внедрении — использование слишком жёстких промптов без адаптации под диффузионный процесс и игнорирование режима dFast. Лучше начинать с открытых моделей и постепенно добавлять собственные инструменты поиска.
Разработчики планируют дальнейшую интеграцию в реальные сервисы и расширение на другие агентные задачи. Открытый код позволяет любому желающему проверить работу системы на своих данных уже сейчас.
Частые вопросы
Что такое diffresearch итмо и когда его выпустили
DiffResearch — система глубокого поиска от ИТМО на основе диффузионных моделей. Её представили 17 ноября 2026 года, код доступен на GitHub под свободной лицензией.
Насколько быстрее работает DiffResearch по сравнению с обычными моделями
На бенчмарке Deep Research Bench диффузионная версия завершает задачи в шесть раз быстрее авторегрессионных аналогов. Планирование и синтез ускоряются в 10–12 раз.
Можно ли использовать DiffResearch бесплатно
Да, репозиторий alanrbtx/DiffResearch опубликован под Apache-2.0. Фреймворк поддерживает открытые модели через vLLM и llama.cpp.
В каких областях уже применяют диффузионный поиск
Основные направления — анализ научной литературы, подготовка отчётов, медицинские обзоры и образовательные задачи. Система сохраняет качество ответов при значительном росте скорости.
Комментарии
Комментариев пока нет. Будьте первым!