Новини криптоміра

У той час як OpenAI та Anthropic роблять агресивну ставку на рекурсивне самонавчання та створення ШІ, здатного самостійно проєктувати наступні покоління алгоритмів, Google DeepMind, схоже, обрав принципово інший шлях. Зовні гігант продовжує випускати моделі та заробляти, але його фокус змістився з гонитви за сирою потужністю на розуміння фізичного світу.

Новий курс DeepMind: від токенів до реальності

Остання модель Gemini 3.6 Flash, випущена 21 липня, робить акцент на швидкості та вартості, а не на абсолютному лідерстві в бенчмарках. За даними Google, нова версія генерує на 17% менше токенів, що знижує вартість відповіді. Однак у рейтингу Artificial Analysis ця модель посіла лише 10-те місце, поступившись конкурентам. Це не свідчить про відмову від розробок — компанія вже запустила найбільше навчання для майбутньої Gemini 4, а Gemini 3.5 Pro проходить тести у партнерів.

Ключову відмінність стратегії озвучив генеральний директор Google Сундар Пічаї: він пов'язує дорожню карту з розвитком персональних агентів і світових моделей, а не з позиціями в рейтингах. DeepMind відкрито декларує цей курс: і Genie 3, і Gemini Robotics знаходяться в розділі світових моделей та втіленого ШІ (embodied AI). Ці системи аналізують гравітацію, рух і причинно-наслідкові зв'язки, прогнозуючи розвиток подій у просторі, а не просто підбираючи слова.

Ризики та реакція ринку

Інвестори реагують гостро: у червні акції Alphabet впали на 6% після переходу двох провідних дослідників до конкурентів. Співзасновник Anthropic Джек Кларк у травні опублікував есе, де назвав DeepMind «найстриманішою серед великої трійки», оцінивши ймовірність того, що ШІ зможе самостійно керувати дослідженнями до кінця 2028 року, у 60%. Його аргументи спираються на документи самої DeepMind, включаючи статтю з питань безпеки ШІ, опубліковану у 2025 році.

Для порівняння, Anthropic діє сміливіше: до травня 2026 року Claude написав понад 80% коду, який компанія впроваджує в продукти. За квітень 2025 року їхні моделі збільшили продуктивність у 52 рази, тоді як роком раніше цей приріст становив лише 2,9 раза. Досвідченому інженеру для чотириразового зростання знадобилося б від чотирьох до восьми годин роботи.

Чому не можна списувати Google з рахунків

Незважаючи на здавалося б відставання, існують два важливі фактори. По-перше, Google утримує першість у тестах досліджень машинного навчання: MLE-Bench, який оцінює здатність моделей самостійно створювати архітектури ШІ, показав результат Gemini 3 у 64,4% у лютому, а версія 3.6 Flash набрала 63,9% у липні. По-друге, IT-гігант зберігає колосальне охоплення: аудиторія застосунку Gemini досягла 950 млн осіб на місяць.

Однак вичікувальна позиція обходиться корпорації дедалі дорожче. У другому кварталі 2024 року дохід компанії сягнув $119,8 млрд, але витрати зростають. За три місяці Alphabet спрямувала $44,9 млрд на розвиток центрів обробки даних та закупівлю обладнання — майже вдвічі більше, ніж рік тому. Вільний грошовий потік склав мінус $5,86 млрд, а 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 проти $3,37 млрд роком раніше.

Що відстежувати в найближчі 30 днів

• Чи відбудеться реліз Gemini 3.5 Pro та які позиції займе 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: Стратегія Google — це не відставання, а усвідомлений вибір. У той час як конкуренти прискорюють розробку через рекурсивне самовдосконалення, DeepMind робить ставку на розуміння фізичного середовища. Якщо їхні світові моделі дійсно зможуть моделювати реальність, а не просто передбачати текст, це може перевизначити саму парадигму розвитку ШІ. Однак висока вартість цієї вичікувальної позиції та зростаючий борг Alphabet роблять ставку вкрай ризикованою.