Поки OpenAI та Anthropic змагаються у створенні рекурсивно самонавчальних систем, здатних самостійно проєктувати наступні покоління алгоритмів, Google DeepMind обрав принципово інший шлях. Зовні різниця може здаватися незначною — корпорація продовжує випускати моделі та заробляти гроші. Однак аналіз останніх кроків підрозділу Деміса Хассабіса вказує на стратегічний розворот у бік так званих «світових моделей» (world models).
Чому Gemini 3.6 Flash — це не про потужність
21 липня Google випустила модель Gemini 3.6 Flash. Ключові акценти — швидкість та вартість, а не абсолютна продуктивність. За даними самої корпорації, нова версія генерує на 17% менше токенів, ніж попередниця, що безпосередньо знижує ціну відповіді. Однак у рейтингу Artificial Analysis ця модель посіла лише 10-те місце, поступившись практично всім провідним конкурентам.
Це не означає, що Google відмовилася від доопрацювань. Компанія вже запустила найбільше навчання для майбутньої Gemini 4, а більш масштабна версія Gemini 3.5 Pro поки тестується у партнерів. Але головне — Сундар Пічаї публічно пов'язав дорожню карту з розвитком персональних агентів, а не з позиціями в бенчмарках.
DeepMind проти рекурсивного покращення
Світова модель — це ШІ, що вивчає фізичні закономірності середовища: гравітацію, рух, причинно-наслідкові зв'язки. Такий алгоритм прогнозує розвиток подій у просторі, а не просто підбирає слова. На сайті DeepMind і Genie 3, і Gemini Robotics знаходяться у розділі «світові моделі» та embodied AI — програмного забезпечення, що керує машинами.
Цілком іншу стратегію обрали OpenAI та Anthropic. Ці команди зосереджені на рекурсивному самовдосконаленні систем. Фактично, дана технологія дозволяє ШІ самостійно проєктувати наступне покоління алгоритмів, запускаючи цикл розробки, в якому продукт створює ще потужніші рішення.
Співзасновник Anthropic Джек Кларк у своєму есе від 4 травня оцінив ймовірність того, що ШІ зможе самостійно керувати процесом досліджень до кінця 2028 року, у 60%. При цьому він зазначив, що DeepMind «виглядає найстриманішою серед великої трійки». Стриманість тут означає обережність. Кларк спирається на документи самої DeepMind, зокрема на статтю з питань безпеки ШІ, опубліковану у 2025 році.
Для порівняння: Anthropic вже зафіксувала випадки, коли ШІ створює більш досконалий ШІ. За один період тестування у квітні продуктивність їхніх моделей зросла у 52 рази. Роком раніше цей приріст становив лише 2,9 раза. Досвідченому інженеру знадобилося б від чотирьох до восьми годин роботи заради чотириразового зростання.
Чому не можна стверджувати, що Google вийшла з гонки
Існують два важливі фактори, що суперечать цій гіпотезі. По-перше, Google утримує першість у тестах досліджень машинного навчання. Бенчмарк MLE-Bench оцінює здатність моделей самостійно створювати архітектури ШІ. У лютому Gemini 3 показала результат 64,4%, посівши перше місце. Пізніше, у липні, версія 3.6 Flash набрала 63,9%. Компанії, що йдуть з ринку, зазвичай не очолюють подібні рейтинги.
По-друге, IT-гігант зберігає колосальне охоплення. Сундар Пічаї заявив, що аудиторія застосунку Gemini досягла 950 млн осіб на місяць.
Фінансова ціна вичікувальної позиції
Доходи від пошукової реклами тривалий час перекривали експериментальні витрати DeepMind. Однак свіжі звіти Alphabet вказують на скорочення фінансового запасу. У другому кварталі 2024 року дохід компанії досяг $119,8 млрд, що на 24% вище, ніж роком раніше. Одна лише пошукова реклама принесла $63,3 млрд.
Але витрати зростають. За три місяці Alphabet направила $44,9 млрд на розвиток центрів обробки даних та закупівлю обладнання — майже вдвічі більше, ніж рік тому. В результаті вільний грошовий потік склав мінус $5,86 млрд. У березні цей показник був плюсовим — $10,1 млрд, а в грудні попереднього року — $24,6 млрд.
Для покриття різниці Alphabet випустила акції на $49,6 млрд та залучила $20,3 млрд кредитів. Обсяг довгострокових зобов'язань за півроку зріс з $46,5 млрд до $98,2 млрд. Стаття витрат, пов'язана зі спільними ШІ-розробками, принесла збиток $5,79 млрд — рік тому вона становила $3,37 млрд. Отже, поточна вичікувальна позиція обходиться корпорації все дорожче.
Що важливо відстежувати найближчим часом
- Чи відбудеться реліз Gemini 3.5 Pro та які позиції зайняла модель у тестах.
- Чи представить DeepMind нові дані щодо світових моделей для Gemini 4.
- Чи повернеться грошовий потік Alphabet до позитивних значень у вересні.
- Чи озвучить Деміс Хассабіс чітку позицію щодо технології самонавчання.
Запуск Gemini 4 стане визначальним моментом для стратегії компанії. Якщо підхід до створення світових моделей себе виправдає, поточне сповільнення виявиться точним розрахунком. Майбутній фінансовий звіт покаже реальні межі ресурсів Alphabet у цій технологічній гонці.
Думка експерта: Поки ринок зациклений на бенчмарках та рекурсивному покращенні, DeepMind робить довгострокову ставку на розуміння фізики реального світу. Якщо ця стратегія спрацює, Google може опинитися в унікальній позиції, коли конкуренти будуть наздоганяти не за токенами, а за фундаментальним розумінням середовища. Однак ціна помилки у вигляді зростаючих боргів і талантів, що йдуть, стає критичною.