Новости криптомира

В то время как OpenAI и Anthropic делают агрессивную ставку на рекурсивное самообучение и создание ИИ, способного самостоятельно проектировать следующие поколения алгоритмов, Google DeepMind, похоже, выбрал принципиально иной путь. Внешне гигант продолжает выпускать модели и зарабатывать, но его фокус сместился с погони за сырой мощностью на понимание физического мира.

Новый курс DeepMind: от токенов к реальности

Последняя модель Gemini 3.6 Flash, вышедшая 21 июля, делает акцент на скорости и стоимости, а не на абсолютном лидерстве в бенчмарках. По данным Google, новая версия генерирует на 17% меньше токенов, что снижает стоимость ответа. Однако в рейтинге Artificial Analysis эта модель заняла лишь 10-е место, уступив конкурентам. Это не говорит об отказе от разработок — компания уже запустила крупнейшее обучение для будущей Gemini 4, а Gemini 3.5 Pro проходит тесты у партнеров.

Ключевое отличие стратегии озвучил генеральный директор Google Сундар Пичаи: он связывает дорожную карту с развитием персональных агентов и мировых моделей, а не с позициями в рейтингах. DeepMind открыто декларирует этот курс: и Genie 3, и Gemini Robotics находятся в разделе мировых моделей и воплощенного ИИ (embodied AI). Эти системы анализируют гравитацию, движение и причинно-следственные связи, прогнозируя развитие событий в пространстве, а не просто подбирая слова.

Риски и реакция рынка

Инвесторы реагируют остро: в июне акции Alphabet упали на 6% после ухода двух ведущих исследователей к конкурентам. Сооснователь Anthropic Джек Кларк в мае опубликовал эссе, где назвал DeepMind «самой сдержанной среди большой тройки», оценив вероятность того, что ИИ сможет самостоятельно управлять исследованиями к концу 2028 года, в 60%. Его аргументы опираются на документы самой DeepMind, включая статью по вопросам безопасности ИИ, опубликованную в 2025 году.

Для сравнения, Anthropic действует смелее: к маю 2026 года Claude написал более 80% кода, который компания внедряет в продукты. За апрель 2025 года их модели увеличили производительность в 52 раза, тогда как годом ранее этот прирост составлял лишь 2,9 раза. Опытному инженеру для четырехкратного роста потребовалось бы от четырех до восьми часов работы.

Почему нельзя списывать Google со счетов

Несмотря на кажущееся отставание, существуют два важных фактора. Во-первых, Google удерживает первенство в тестах исследований машинного обучения: MLE-Bench, оценивающий способность моделей самостоятельно создавать архитектуры ИИ, показал результат Gemini 3 в 64,4% в феврале, а версия 3.6 Flash набрала 63,9% в июле. Во-вторых, IT-гигант сохраняет колоссальный охват: аудитория приложения Gemini достигла 950 млн человек в месяц.

Однако выжидательная позиция обходится корпорации все дороже. Во втором квартале 2024 года доход компании достиг $119,8 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. Свободный денежный поток составил минус $5,86 млрд, а 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 против $3,37 млрд годом ранее.

Что отслеживать в ближайшие 30 дней

• Состоится ли релиз Gemini 3.5 Pro и какие позиции займет 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: Стратегия Google — это не отставание, а осознанный выбор. В то время как конкуренты ускоряют разработку через рекурсивное самоулучшение, DeepMind делает ставку на понимание физической среды. Если их мировые модели действительно смогут моделировать реальность, а не просто предсказывать текст, это может переопределить саму парадигму развития ИИ. Однако высокая стоимость этой выжидательной позиции и растущий долг Alphabet делают ставку крайне рискованной.