Пока OpenAI и Anthropic соревнуются в создании рекурсивно самообучающихся систем, способных самостоятельно проектировать следующие поколения алгоритмов, Google DeepMind выбрал принципиально иной путь. Внешне разница может казаться незначительной — корпорация продолжает выпускать модели и зарабатывать деньги. Однако анализ последних шагов подразделения Демиса Хассабиса указывает на стратегический разворот в сторону так называемых «мировых моделей» (world models).

Почему Gemini 3.6 Flash — это не про мощность

21 июля Google выпустила модель Gemini 3.6 Flash. Ключевые акценты — скорость и стоимость, а не абсолютная производительность. По данным самой корпорации, новая версия генерирует на 17% меньше токенов, чем предшественница, что напрямую снижает цену ответа. Однако в рейтинге Artificial Analysis эта модель заняла лишь 10-е место, уступив практически всем ведущим конкурентам.

Это не означает, что Google отказалась от доработок. Компания уже запустила крупнейшее обучение для будущей Gemini 4, а более масштабная версия Gemini 3.5 Pro пока тестируется у партнеров. Но главное — Сундар Пичаи публично связал дорожную карту с развитием персональных агентов, а не с позициями в бенчмарках.

DeepMind против рекурсивного улучшения

Мировая модель — это ИИ, изучающий физические закономерности среды: гравитацию, движение, причинно-следственные связи. Такой алгоритм прогнозирует развитие событий в пространстве, а не просто подбирает слова. На сайте DeepMind и Genie 3, и Gemini Robotics находятся в разделе «мировые модели» и embodied AI — программного обеспечения, управляющего машинами.

Совершенно иную стратегию выбрали OpenAI и Anthropic. Эти команды сфокусированы на рекурсивном самоулучшении систем. Фактически, данная технология позволяет ИИ самостоятельно проектировать следующее поколение алгоритмов, запуская цикл разработки, в котором продукт создает еще более мощные решения.

Сооснователь Anthropic Джек Кларк в своем эссе от 4 мая оценил вероятность того, что ИИ сможет самостоятельно управлять процессом исследований к концу 2028 года, в 60%. При этом он отметил, что DeepMind «выглядит самой сдержанной среди большой тройки». Сдержанность здесь означает осторожность. Кларк опирается на документы самой DeepMind, в частности на статью по вопросам безопасности ИИ, опубликованную в 2025 году.

Для сравнения: Anthropic уже зафиксировала случаи, когда ИИ создает более совершенный ИИ. За один период тестирования в апреле производительность их моделей выросла в 52 раза. Годом ранее этот прирост составлял лишь 2,9 раза. Опытному инженеру потребовалось бы от четырех до восьми часов работы ради четырехкратного роста.

Почему нельзя утверждать, что Google вышла из гонки

Существуют два важных фактора, противоречащих этой гипотезе. Во-первых, Google удерживает первенство в тестах исследований машинного обучения. Бенчмарк MLE-Bench оценивает способность моделей самостоятельно создавать архитектуры ИИ. В феврале Gemini 3 показала результат 64,4%, заняв первое место. Позже, в июле, версия 3.6 Flash набрала 63,9%. Уходящие с рынка компании обычно не возглавляют подобные рейтинги.

Во-вторых, IT-гигант сохраняет колоссальный охват. Сундар Пичаи заявил, что аудитория приложения Gemini достигла 950 млн человек в месяц.

Финансовая цена выжидательной позиции

Доходы от поисковой рекламы долгое время перекрывали экспериментальные расходы DeepMind. Однако свежие отчеты Alphabet указывают на сокращение финансового запаса. Во втором квартале 2024 года доход компании достиг $119,8 млрд, что на 24% выше, чем годом ранее. Одна только поисковая реклама принесла $63,3 млрд.

Но расходы растут. За три месяца Alphabet направила $44,9 млрд на развитие центров обработки данных и закупку оборудования — почти вдвое больше, чем год назад. В результате свободный денежный поток составил минус $5,86 млрд. В марте этот показатель был плюсовым — $10,1 млрд, а в декабре предыдущего года — $24,6 млрд.

Для покрытия разницы Alphabet выпустила акции на $49,6 млрд и привлекла $20,3 млрд кредитов. Объем долгосрочных обязательств за полгода вырос с $46,5 млрд до $98,2 млрд. Статья расходов, связанная с совместными ИИ-разработками, принесла убыток $5,79 млрд — год назад она составляла $3,37 млрд. Следовательно, текущая выжидательная позиция обходится корпорации все дороже.

Что важно отслеживать в ближайшие 30 дней

  • Состоится ли релиз Gemini 3.5 Pro и какие позиции заняла модель в тестах.
  • Представит ли DeepMind новые данные по мировым моделям для Gemini 4.
  • Вернется ли денежный поток Alphabet к положительным значениям в сентябре.
  • Озвучит ли Демис Хассабис четкую позицию относительно технологии самообучения.

Запуск Gemini 4 станет определяющим моментом для стратегии компании. Если подход к созданию мировых моделей себя оправдает, текущее замедление окажется точным расчетом. Предстоящий финансовый отчет покажет реальные границы ресурсов Alphabet в этой технологической гонке.

Мнение эксперта: Пока рынок зациклен на бенчмарках и рекурсивном улучшении, DeepMind делает долгосрочную ставку на понимание физики реального мира. Если эта стратегия выстрелит, Google может оказаться в уникальной позиции, когда конкуренты будут догонять не по токенам, а по фундаментальному пониманию среды. Однако цена ошибки в виде растущих долгов и уходящих талантов становится критической.