Яндекс создал Sona — единую модель для рекомендаций, заменяющую десятки алгоритмов

Яндекс анонсировал Sona — новую генеративную модель для музыкальных рекомендаций. Она объединяет поиск и сортировку треков в одном алгоритме, что необычно для крупных сервисов. В тестах на умных колонках с Алисой Sona показала рост времени прослушивания и количества лайков.
Почему нужна новая модель рекомендаций
Ранее музыкальные рекомендации на Яндекс.Станциях строились с помощью цепочки из более чем 15 алгоритмов. Сначала эти алгоритмы отбирали подходящие треки, затем отдельные модели сокращали список и расставляли композиции в порядке воспроизведения. Такой подход требует сложной координации и поддержания множества моделей и признаков. Улучшение одного этапа не всегда приводит к лучшему результату на выходе, потому что изменения могут конфликтовать с другими частями системы.
Как работает Sona
Sona объединяет этапы поиска и ранжирования. Она анализирует историю прослушиваний, лайков и пропусков пользователя один раз, а потом использует эту информацию для поиска треков и оценки их релевантности. Для ускорения поиска Яндекс присваивает каждому треку специальный короткий код — Semantic ID, который учитывает первые 90 секунд композиции, метаданные и поведение слушателей. Модель генерирует похожие коды на основе истории пользователя, постепенно сужая круг кандидатов. Затем модуль ранжирования выставляет оценки и определяет порядок воспроизведения.
Роль модели-«учителя» в обучении Sona
Для обучения Sona использовали отдельную более мощную модель, называемую «учителем». Она способна выполнять более сложные вычисления и оценивает, насколько трек подходит конкретному слушателю, основываясь на данных за год. Оценки «учителя» служат эталоном для обучения Sona: модель сравнивает свои прогнозы с этими оценками и корректируется, чтобы приближаться к ним. При работе в сервисе «учитель» не нужен — Sona самостоятельно подбирает и сортирует треки.
Обучение на свежих данных и результаты теста
После запуска Sona продолжает учиться на новых действиях пользователей. В любой момент одна копия модели подбирает музыку, а другая обновляется на основе свежих прослушиваний, лайков и пропусков. В A/B‑тесте на умных колонках с Алисой Sona заменила прежнюю систему из десятков алгоритмов. Это увеличило общее время прослушивания на 6,3% и количество лайков — на 11,4%. Перед широким внедрением предстоит проверить модель в разных сценариях и на разных устройствах.
Источники
- Яндекс — Яндекс представил Sona — модель, способную заменить десятки алгоритмов рекомендаций (проверено 9 ноября 2026)
Частые вопросы
Sona объединяет поиск и ранжирование треков в одной модели, в то время как раньше эти задачи выполнялись разными алгоритмами, работающими последовательно.
Для каждого трека создаётся короткий составной код — Semantic ID, который учитывает звук, метаданные и поведение слушателей. Модель генерирует похожие коды по истории пользователя, что позволяет быстро сузить выбор.
«Учитель» — более сложная модель, которая оценивает, насколько треки подходят пользователю. Эти оценки служат эталоном для обучения Sona, помогая ей учиться быстрее и точнее.
В A/B‑тесте на умных колонках с Алисой Sona увеличила время прослушивания на 6,3% и количество лайков на 11,4% по сравнению с прежней системой.
Короткие новости про ИИ-генерации и ссылки на полные разборы — в канале vostorg.ai. На сайте всегда можно открыть статью целиком.
Что прочитать дальше
Gemini Robotics 2.5 расширяет возможности роботов в выполнении сложных задач и ускоряет их обучение. Модель успешно протестирована на производстве Mercedes-Benz с высокой точностью.
Яндекс запустил новую версию Алисы AI для бизнеса, способную выполнять сложные рабочие задачи и интегрироваться с популярными корпоративными сервисами. Решение уже доступно клиентам Яндекс 360.
