Quasar 438B — флагманская модель для рассуждений от Multiverse Computing, созданная для корпоративных агентов и задач программирования. Это первая крупная модель, выпущенная компанией: она работает на английском и испанском языках и набирает 43 балла по Artificial Analysis Intelligence Index — лучший результат среди европейских моделей в этой области.
Intelligence Index v4.1.1 объединяет девять тестов: GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience и AA-LCR. Результат Quasar в 43 балла ставит модель выше Mistral Medium 3.5 (30 баллов), NVIDIA Nemotron 3 Ultra (38 баллов) и Inkling (42 балла) — в рейтинге, который возглавляет Claude Opus 5 с 63 баллами.
Quasar не только умна, но и быстра. Модель возвращает 500 токенов, включая время на рассуждение, за 15,3 секунды. Быстрее в этом сравнении только три модели, и лишь одна из них — Gemini 3.7 Flash — набирает больше баллов по индексу. Среди моделей, превосходящих Quasar по результату, только две отвечают быстрее чем за 25 секунд. Остальным требуется от 38 до 156 секунд.
Multiverse Computing строит свою репутацию на повышении эффективности и практической применимости ИИ. Quasar переносит эту работу в класс моделей с более чем 400 млрд параметров: это модель для рассуждений, рассчитанная на многошаговые задачи, требующие планирования, использования инструментов, выполнения кода и работы с большим контекстом — без задержек, обычно свойственных моделям такого масштаба.
Модель доступна через CompactifAI API, поэтому команды могут протестировать её без развёртывания собственной инфраструктуры.
Самая результативная европейская модель
Рис. 1. Artificial Analysis Intelligence Index v4.1.1 — сводный показатель по девяти тестам. Чем выше, тем лучше.
Quasar набирает 43 балла по сводному индексу. Это на 13 баллов больше, чем у Mistral Medium 3.5, и на 5 баллов больше, чем у Nemotron 3 Ultra, у которой на 112 млрд параметров больше.
Скорость на уровне топовых моделей
Рис. 2. Полное время отклика: секунды на генерацию 500 токенов, включая время рассуждения. Чем меньше, тем лучше.
Quasar завершает генерацию ответа в 500 токенов за 15,3 секунды. Три более быстрые модели в сравнении — это Nemotron 3.5 Lightning (9,4 с, 24 балла по индексу), Gemini 3.5 Flash-Lite (10,8 с, 37 баллов) и Gemini 3.7 Flash (11,5 с, 56 баллов). Только последняя из них одновременно быстрее и результативнее.
Если посмотреть с другой стороны, разрыв становится ещё заметнее. Quasar набирает 43 балла и отвечает за 15,3 секунды. Mistral Medium 3.5 набирает 30 баллов за 18,8 секунды. Nemotron 3 Ultra — 36 баллов за 25,7 секунды, Inkling — 42 балла, но за 48,3 секунды, что более чем вдвое дольше, чем у Quasar 438B.
В сравнении с Mistral Medium 3.5 преимущество Quasar очевидно по обоим параметрам: выше результат (43 против 30) и быстрее ответ (15,3 с против 18,8 с).
Работа с длинным контекстом
Рис. 3. Оценка AA-LCR. Чем выше, тем лучше.
Quasar набирает 75,0 балла по AA-LCR — тесту, проверяющему способность извлекать информацию из объёмных документов, связывать её и делать выводы. Это на уровне Grok 4.6 (high) с теми же 75,0 балла и в пределах одного балла от Claude Opus 5 (75,7) и Qwen3.8 2.4T A95B (75,3). Модель опережает Nemotron 3 Ultra на 4,0 балла и Mistral Medium 3.5 на 9,7 балла.
Работа с длинным контекстом лежит в основе корпоративных исследований, анализа документов и агентных рабочих процессов — именно здесь Quasar подходит ближе всего к группе лидеров.
Агентное программирование и работа с терминалом
Рис. 4. Оценка Terminal-Bench v2.1. Чем выше, тем лучше.
Quasar набирает 69,3 балла по Terminal-Bench v2.1 — тесту, в котором агенты работают в реальном терминальном окружении. Модель опережает Mistral Medium 3.5 на 18,7 балла и Nemotron 3 Ultra на 15,4 балла, но отстаёт от группы лидеров во главе с Claude Opus 5 (89,1 балла). Это тест с наибольшим потенциалом для роста Quasar, и именно на нём сосредоточена дальнейшая работа.
Четыре результата в одной таблице
Таблица 1. Результаты Quasar 438B по четырём приведённым графикам Artificial Analysis. Источник: Artificial Analysis.
Создана для корпоративных агентов и программирования
Quasar рассчитана на организации, использующие агентов для разработки ПО, технических копилотов, исследовательские системы и автоматизацию рабочих процессов. Результаты по Terminal-Bench и работе с длинным контекстом подтверждают пригодность модели для агентов, которым нужно удерживать контекст, координировать действия и решать многошаговые задачи. Скорость отклика позволяет использовать такие циклы в интерактивных продуктах, а не только в пакетной обработке.
Поддержка английского и испанского языков делает Quasar практичной основой для европейских и международных предприятий, которым нужны возможности рассуждения без ограничения развёртывания одним языком. Модель можно применять в инженерии, операционной деятельности и работе со знаниями — везде, где результат определяют точность, учёт контекста и надёжное выполнение задач.
Разработчики обещают дальнейшие обновления Quasar.
Как начать работу
CompactifAI API. Регистрация и отправка запросов: dashboard.compactif.ai
Artificial Analysis. Ознакомиться с бенчмарками
Контакты. Связаться с командой можно по адресу business@multiversecomputing.com