Пока OpenAI и Anthropic стремятся к созданию рекурсивно самообучающегося ИИ, Google DeepMind делает ставку на принципиально иной вектор — мировые модели (World Models). Это не просто смена приоритетов, а фундаментальное расхождение в понимании того, какой должна быть следующая эпоха искусственного интеллекта.
Внешне гигант из Маунтин-Вью продолжает выпускать новые модели. 21 июля вышла Gemini 3.6 Flash, где акцент сделан на скорость и снижение стоимости, а не на абсолютную мощь. По данным Google, 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, пропустив вперед всех ключевых конкурентов.
Ставка на физику, а не на текст
Ключевое отличие стратегии DeepMind — отказ от погони за рекордами в бенчмарках «следующего токена». Вместо этого лаборатория фокусируется на embodied AI и системах, понимающих законы физического мира: гравитацию, причинно-следственные связи и движение в пространстве. Проекты Genie 3 и Gemini Robotics уже находятся в разделе мировых моделей на сайте компании.
В мае DeepMind расширила Project Genie, интегрировав его с Street View, и представила SIMA 2 — агента, обучающегося взаимодействию с виртуальными 3D-мирами. Это принципиально иной подход по сравнению с рекурсивным самоулучшением, которое выбрали конкуренты.
Риск или точный расчет?
Сооснователь Anthropic Джек Кларк в своем эссе от 4 мая оценил шансы на то, что ИИ сможет самостоятельно управлять исследованиями к концу 2028 года, в 60%. При этом он назвал DeepMind «самой сдержанной среди большой тройки», ссылаясь на внутренние документы лаборатории по безопасности. Сдержанность в данном контексте означает осторожность, граничащую с риском отставания.
Тем временем Anthropic уже фиксирует случаи, когда Claude пишет более 80% кода, внедряемого в продукты. За апрель производительность их моделей выросла в 52 раза. Для сравнения: опытному инженеру для четырехкратного роста требуется от четырех до восьми часов работы.
Финансовое напряжение
Alphabet по-прежнему генерирует огромные доходы — $119,8 млрд за второй квартал, из которых $63,3 млрд принесла только поисковая реклама. Однако расходы растут опережающими темпами. За квартал компания направила $44,9 млрд на развитие ЦОД и закупку оборудования — почти вдвое больше, чем год назад.
Свободный денежный поток впервые стал отрицательным, составив минус $5,86 млрд. Для покрытия дефицита Alphabet выпустила акции на $49,6 млрд и привлекла $20,3 млрд кредитов. Долгосрочные обязательства за полгода выросли с $46,5 млрд до $98,2 млрд. Статья расходов, связанная с ИИ-разработками, принесла убыток в $5,79 млрд против $3,37 млрд годом ранее.
Вывод аналитика
Стратегия Google — это игра вдолгую. Если мировые модели DeepMind докажут свою состоятельность, текущее «отставание» в генеративных тестах окажется гениальным тактическим ходом. Однако при текущих темпах роста расходов и отрицательном денежном потоке у Alphabet остается все меньше пространства для ошибки. Релиз Gemini 4 станет ключевым моментом, который покажет, оправдан ли был этот рискованный разворот.