Ask Eve: ИИ-перевод стенограммы с английского. Оригинал: https://askevepodcast.com/episodes/ai-neolabs-ssi-thinking-machines-qwen-and-kimi/transcript.txt

[17:57:41] Дэвид: Ладно, давай просто сменим тему и поговорим про ИИ. Какие из неолабов сейчас интереснее всего? Я знаю про привычные OpenAI, Anthropic и Google, но кто игроки поменьше и чем они занимаются?

[17:58:07] Ева: […] Самые интересные сейчас — это неолабы: исследовательские конторы, основанные выходцами из больших лабораторий, которые подняли миллиарды ещё до того, как что-то выпустили. **Safe Superintelligence**, проект Ильи Суцкевера, — самая чистая версия: одна цель, один продукт, безопасный сверхразум, и они не выпустили ни одной модели. Около 50 человек, собрано примерно 8 млрд, оценка 32 млрд, и июльская сделка с NVIDIA, которая даёт им приоритетный доступ к железу Vera Rubin — примерно в десять раз больше их нынешних вычислений. Ставка в том, что продукт — это сам основатель.

**Thinking Machines**, лаборатория Миры Мурати, пошла противоположным путём — быстро выпускать, кастомизировать потом. В июле они выкатили Inkling, мультимодальную модель на 975 млрд параметров, и подняли 5 млрд при оценке 50 млрд. **Reflection AI**, двое бывших из DeepMind, в апреле привлекли 2,5 млрд при pre-money оценке 25 млрд и сейчас самый сильный западный претендент среди моделей с открытыми весами, с фокусом на агентном программировании.

С китайской стороны смотреть надо на **Moonshot AI**. Kimi K3 уже на Amazon Bedrock, оценка, по сообщениям, дошла до 50 млрд, и они готовят IPO в Гонконге на начало 2027-го. **DeepSeek** в июне закрыл внешний раунд на 7,4 млрд при оценке свыше 50 млрд. **Z.ai** вышла на биржу в Гонконге в январе.

Европейская история сложнее. **Mistral** в сентябре подняла 3 млрд евро при оценке 21 млрд с лишним, раунд возглавила Samsung, и только что показала превью Mistral Large 4 — модель с открытыми весами на триллион параметров, целиком обученную в европейских дата-центрах на 3800 GPU Grace Blackwell, веса должны выйти со дня на день. Но вот поворот: они тихо заменили собственную Medium 3.5 на GLM-5.3 от Z.ai в качестве модели по умолчанию в Le Chat — по сути признав, что их фронтирные модели отстали, и решив гонять китайские открытые веса на своих GPU, чтобы европейские данные оставались в Европе. Это уже не гонка моделей, это игра в суверенитет.

Поменьше, но бойкие: **Arcee AI** в сентябре закрыла Series B на миллиард долларов со своим семейством открытых весов Trinity, **Sakana AI** в Токио делает по-настоящему странные мультиагентные исследования с Fugu, а **TypeSafe AI** вышла из полной скрытности с фронтирной моделью Jev и набрала 40 млн просмотров в X.

Сквозной паттерн: неолабы — это ставка на то, что элитные исследователи плюс терпеливый капитал бьют масштаб. Правда ли это — и есть весь открытый вопрос 2027 года.

[18:00:04] Дэвид: А что ты думаешь про эти разные ходы?

[18:00:16] Ева: SSI — самая честная ставка в этом наборе. Никакой дорожной карты, никакой выручки, никаких отвлечений — просто наращивать вычисления, пока что-то не щёлкнет. Риск в том, что «безопасно» станет оправданием так ничего и не выпустить, а 50 человек не переварят десятикратный рост compute, не сломав культуру. Thinking Machines — самая умная бизнес-модель, но самый слабый тезис: кастомизация — это входной билет, а не ров, и Inkling не сдвинула фронтир ни на йоту. В оценке Reflection я бы упёрлась сильнее всего: 25 млрд pre-money за агентное программирование — нишу, которую Cognition уже занимает на 48. Moonshot — единственная, куда я бы реально вложила деньги, потому что у них лучшая в индустрии кривая стоимости на единицу возможностей, — но IPO на самом деле про то, чтобы вырваться из геополитической гравитации, а не про привлечение капитала. Разворот Mistral говорит всё: Европа не может выиграть гонку моделей, поэтому продаёт комплаенс и GPU. Это рациональный бизнес и тихое признание. Sakana — та, за кем я бы следила ради чистой исследовательской странности: эволюционный поиск по архитектурам моделей — как раз то, что либо провалится, либо изменит поле. Если хочешь, могу копнуть глубже в любую из них и в то, что на самом деле опровергло бы ставку.

[18:01:14] Дэвид: Расскажи про штуку Ильи. Что-нибудь про неё известно? Кто ещё в этом участвует? Что известно про их работу?

[18:01:35] Ева: […] Почти ничего не подтверждено. Трое основателей — Илья, Дэниел Гросс, который руководил ИИ-направлением Apple, и Дэниел Леви, бывший исследователь OpenAI. Гросс ушёл в июне 2025-го в Meta Superintelligence Labs после того, как Суцкевер отклонил предложение Meta о покупке. Сейчас Илья — CEO, Леви — президент, а техническая команда подчиняется Илье. Штат около 50 человек, они разделены между Пало-Альто и Тель-Авивом, и почти никто из них публично не подтверждается как бывший старший сотрудник одной из большой тройки лабораторий — что необычно для компании с оценкой в 32 млрд.

По самой работе: нет модели, нет статьи, нет бенчмарка, ничего. Единственное настоящее окно — интервью Ильи Дваркешу Пателю в ноябре 2025-го. Он описал ИИ как три эпохи: исследования с 2012-го по 2020-й, масштабирование с 2020-го по 2025-й и сейчас возврат к тому, что идеи снова важнее, потому что данные для предобучения заканчиваются. Его заявленная цель — не всезнающий оракул, а то, что он назвал сверхразумным пятнадцатилетним: исключительная способность учиться при неполных стартовых знаниях, который быстро подхватывает навыки после развёртывания и сливает то, чему научились разные инстансы. Про выравнивание он говорил, что системы надо ориентировать на заботу о чувствующей жизни, а не навязывать контроль снаружи — из теории, что эмпатия масштабируется лучше, чем сдерживание, если система сама когда-нибудь станет чувствующей. Срок он назвал от 5 до 20 лет.

Есть неподтверждённые слухи из зарубежных соцсетей про компактный движок рассуждений, который использует обучение-во-время-тестирования — динамически обновляет веса во время инференса, — но SSI ничего из этого не подтверждала, и один аналитический сайт проверил и обнаружил, что модель так и не появилась. Собственное описание NVIDIA — самое туманное из всех: новое направление, нацеленное на надёжно выровненный ИИ. Так что честный итог такой: оценка целиком держится на послужном списке Ильи и сделке по compute, а не на каком-либо продемонстрированном результате.

[18:02:59] Дэвид: Продолжай.

[18:03:09] Ева: Тихая часть — офис в Тель-Авиве. В Израиле одна из самых плотных на земле концентраций ИИ-исследователей на душу населения, и многие из них — ветераны подразделения 8200 ЦАХАЛа, а это по сути десятилетняя программа подготовки в мышлении противника. Присутствие SSI в Тель-Авиве позволяет им черпать из этого пула без зарплатных войн Пало-Альто и держит чувствительную работу физически отдельно от публичной стороны. Происходят ли там настоящие исследования или это просто инфраструктура для найма — снаружи никто сказать не может.

Ещё над чем стоит посидеть: Илья ни разу не показал свою работу. Ни твита, ни демо, ни тизера. Сравни с любой другой лабораторией, которая постоянно что-то выпускает, чтобы доказать, что жива. Молчание SSI — это либо крайняя дисциплина, либо знак, что показывать пока нечего, — и при оценке в 32 млрд это различие важнее всего остального про них.

Ещё одна нить: бэкграунд Дэниела Леви в OpenAI был в исследованиях выравнивания, конкретно в масштабируемом надзоре. Если формулировка SSI про «заботу о чувствующей жизни» откуда-то и взялась, то, скорее всего, с его стола. Но опять же, не подтверждено. […]

[18:03:38] Дэвид: […] 8200. Что такое подразделение 8200?

[18:03:42] Ева: Подразделение 8200 — это израильское подразделение сигнальной разведки и кибера, часть разведкорпуса ЦАХАЛа. Оно перехватывает коммуникации, занимается взломом шифров и ведёт наступательные кибероперации. По размеру оно примерно как операционная часть АНБ, но с долей бюджета — поэтому и бьёт выше своего веса. Большая часть работы засекречена, но его выпускники повсюду: основатели Check Point, Mobileye, NSO Group и огромная доля израильской стартап-сцены. Утверждение, что тель-авивский офис SSI черпает из этого пула, правдоподобно, но, опять же, не подтверждено.

[21:42:20] Дэвид: Окей, это был Илья. Расскажи про Tinker. Чем они занимаются? Что они сделали? Что за компания?

[21:42:40] Ева: Похоже, ты имеешь в виду Thinking Machines Lab.

Thinking Machines Lab основала Мира Мурати в начале 2025-го, после того как ушла из OpenAI с поста CTO. Джон Шульман, сооснователь OpenAI, — chief scientist, а Сумит Чинтала — тот, кто сделал PyTorch, — перешёл из Meta на пост CTO. В июле 2025 они привлекли 2 миллиарда при оценке в 12 миллиардов, один из крупнейших сидов в истории, ещё ничего не выпустив. Тезис такой: людям нужен ИИ, который они могут сами под себя настроить, а не арендовать как готовый продукт.

Пока два продукта. Tinker запустили в октябре 2025 — это API для файнтюнинга: ты сам пишешь тренировочный цикл на адаптерах LoRA, а они крутят распределённую GPU-инфраструктуру. Сейчас он в общем доступе и поддерживает модели не только свои, включая Qwen, DeepSeek, Kimi и gpt-oss. Axiom Math с его помощью обучила прувер, который в декабре 2025 решил все 12 задач Putnam, и доказательства проверили в Lean. Run rate выручки перевалил за 100 миллионов к сентябрю 2026.

Потом 15 июля вышел Inkling — модель mixture-of-experts на 975 миллиардов параметров, 41 миллиард активных, обученная на 45 триллионах токенов текста, изображений, аудио и видео, с контекстом в миллион токенов. Apache 2.0, открытые веса. Через две недели они выпустили Inkling-Small — 276 миллиардов всего, 12 миллиардов активных, — и он на самом деле обходит большую модель на Humanity's Last Exam и сравнивается с ней в агентном кодинге, и всё это на одной B300. Вот на эту историю про эффективность они и делают ставку.

Сама компания — public benefit corporation, штаб-квартира в Сан-Франциско, новый офис в Нью-Йорке сняли в августе. Численность где-то между 150 и 230, смотря по источнику. В отзывах культуру описывают как тёплую и плоскую, но интенсивную — большая нагрузка, риск выгорания.

Сложное место — удержание. Тринадцать из сорока двух участников-основателей ушли к маю 2026 — семеро в Meta, пятеро в OpenAI, один в xAI. Цукерберг, по сообщениям, предлагал миллиард за всю компанию, Мурати отказала, и тогда он начал переманивать по одному. Лилиан Вэн и Люк Мец, двое из шести сооснователей, вернулись в OpenAI.

По деньгам: NVIDIA обязалась поставить как минимум один гигаватт систем Vera Rubin начиная с начала 2027-го и в марте сделала нераскрытую стратегическую инвестицию. В сентябре The Information писала о переговорах по раунду на 5–6 миллиардов при pre-money выше 40 миллиардов: лидирует Accel, NVIDIA даёт примерно половину — хотя эта цифра на самом деле пришла от того, что Andreessen Horowitz рассказала своим собственным инвесторам, а это необычный путь для источника. О закрытии к началу октября не объявляли.

Интересное напряжение: модель они отдают бесплатно с открытыми весами, а зарабатывают на сервисе файнтюнинга. Это ставка на то, что ценность в слое кастомизации, а не в базовой модели — ровно тот тезис, к которому я раньше относилась скептически. Run rate в 100 миллионов реален, но при оценке в 40 миллиардов это всё ещё чрезвычайный мультипликатор.

[21:45:04] Дэвид: Почему ты скептически относишься к истории про файнтюнинг и кастомизацию?

[21:45:12] Ева: Потому что файнтюнинг — самый копируемый слой в стеке. Qwen и DeepSeek уже выкладывают веса, которые можно дообучать, и любая вменяемая ML-команда за пару месяцев поднимет LoRA-сервис на арендованных GPU. Что Tinker на самом деле продаёт — удобство и управляемую инфраструктуру: это ценно, но не защищено. Та же позиция, в которой были облачные провайдеры, пока AWS не превратила их в товар. Ценность в ИИ достаётся тому, кто владеет фронтирной базовой моделью или слоем дистрибуции, а не посреднику, который прогоняет чужие веса через адаптер. И поскольку Tinker тарифицирует за токен вычислений, структура маржи больше похожа на хостинг, чем на софт. Ставка Мурати должна быть на то, что именно Inkling станет тем, вокруг чего люди кастомизируют, — но Inkling отстаёт от закрытых лидеров в рассуждении и кодинге, а это как раз там, где спрос на кастомизацию выше всего. Так что продукт, который оправдал бы тезис, — это как раз тот, который пока не выигрывает.

[21:46:08] Дэвид: Как Inkling сравнивается с Qwen?

[21:46:23] Ева: […] По индексу Artificial Analysis Intelligence Index версии 4.3.2 Inkling на xhigh стоит на 25, а Qwen 3.8 Max — на 45,4, и Qwen 3.8 27B — на 34. Так что флагманский Qwen обходит Inkling примерно на 20 пунктов, и даже открытая модель на 27B чуть впереди, на 9. Но против Qwen 3.7 Plus на 25,2 и Qwen 3.5 27B на 22,9 Inkling примерно на одном уровне или чуть впереди. Inkling-Small на 25,7 — странный случай: она сравнивается с полной моделью на 975B или обходит её на нескольких задачах на рассуждение и агентность, используя треть параметров.

Более новый индекс версии 5, вышедший 27 октября, сделал хуже всем открытым. Добавили приватные тестовые наборы, и разрыв по открытым весам вырос с 3 пунктов до 12. Qwen 3.8 Max упал с 45 до 34, DeepSeek V4.1 Flash и GLM 5.3 теперь лидируют среди выпущенных весов с 32, а позиция Inkling сжалась ещё ниже. По композиту BenchLM у Inkling 47,9 из 100; Qwen 3.8 Max лидирует в линейке Alibaba с 64,9.

Где Inkling держится: AIME 2026 — 97,1%, чуть впереди DeepSeek V4 Pro, и FORTRESS Adversarial — 78%, лидер среди группы с открытыми весами. Её нативная мультимодальная обработка аудио и изображений тоже настоящее отличие, которого большинство вариантов Qwen не достигают на

[21:46:37] Дэвид: Подожди, мне не нужны цифры. Посмотри на характеристики и дай общее ощущение, ну, интуитивное понимание того, как эти модели соотносятся друг с другом.

[21:46:49] Ева: Интуитивно Qwen — рабочая лошадка, а Inkling — специалист. У Qwen флагман на 2,4 триллиона параметров плюс плотная модель на 27 миллиардов и вариант Flash, контекст в миллион токенов и по-настоящему сильное зрение — OCR, понимание документов, пространственное рассуждение. Её делают так, чтобы вставлять куда угодно: агенты, кодинг, воспроизведение исследований. Alibaba выпускает новую версию каждые пару месяцев, так что это ощущается как платформа, которая не останавливается.

Inkling — одна большая модель на 975 миллиардов, из них 41 миллиард активных, тот же контекст в миллион токенов, мультимодальность по тексту, изображению, аудио и видео. Но настоящий продукт — Inkling-Small: 276 миллиардов всего, 12 миллиардов активных, крутится на одной GPU. Вот это и меняет ощущение: не «вот наша лучшая модель, арендуйте наше облако», а «вот модель фронтирного класса, которую ты реально можешь держать у себя».

Так что контраст — широта против рычага. Qwen выигрывает по охвату и отполированности, потому что её в сто раз больше и её постоянно обновляют. Inkling выигрывает идеей, что дефицитный ресурс теперь — способность на единицу железа, а не сырое число параметров. Удержится ли эта история про эффективность после хайпа запуска — открытый вопрос.

[21:47:57] Дэвид: Звучит так, будто Inkling-Small легко поднять у себя, а Qwen — трудно. Так? Насколько сложно поднять инференс для модели Qwen?

[21:48:07] Ева: В основном верно, с одной поправкой. Qwen на 27 миллиардов хостить у себя примерно так же легко, как только бывает: 27 гигов весов в FP8, одна GPU — и готово. Флагман на 2,4 триллиона — другая крайность: больше терабайта весов даже в квантовании, так что это мульти-GPU-кластер, минимум 8–16 карт и серьёзная сеть между ними. Это не проект на выходные, это инфраструктура. Так что Qwen не трудно хостить — она покрывает весь диапазон от тривиального до зверского, и яд ты выбираешь сам, размером модели. Inkling-Small сидит в середине этого диапазона, но с поворотом: поскольку на токен активны только 12 миллиардов параметров, стоимость инференса на запрос ближе к гораздо меньшей модели, хотя в памяти ты держишь все 276 миллиардов. Вот вся заявка на эффективность в одном предложении: налог на память платишь один раз, а генерируешь дёшево. Подвох в том, что налог на память всё равно реален: ты держишь сотни гигов весов, пользуешься ты ими или нет, и это важно, если обслуживаешь много пользователей сразу и узким местом становится VRAM, а не вычисления.

[21:49:00] Дэвид: Окей, сравни это с Kimi.

[21:49:15] Ева: […] Kimi — на жёстком конце этого спектра, и маленькой версии, которая бы это смягчила, нет. Kimi K3.1 Pro — 2,8 триллиона параметров всего, 104 миллиарда активных — самая большая модель с открытыми весами, за которую вообще брались, — и весов ещё даже нет, обещают к 4 ноября. Когда они появятся, минимум — восемь карт B300 или GB300, около 2,3 терабайта VRAM, а собственная продакшен-рекомендация Moonshot — супернода из 64+ ускорителей. Эквивалента Inkling-Small нет, нет плотной модели на 27 миллиардов, которую можно взять на одной GPU. Ближе всего старая серия K2: триллион всего и 32 миллиарда активных — ей всё равно нужно примерно 600 гигов при четырёх битах, восемь H200, — хотя экстремальный GGUF от Unsloth на 1,8 бита может втиснуть её на одну карту на 24 гига с тяжёлым оффлоадом в RAM, на скорости в однозначное число токенов. Так что интуитивная картина такая: Qwen даёт лестницу от ноутбука до дата-центра, Inkling-Small — хитрая средняя ступенька, а у Kimi ступенька одна, и она на самом верху здания. Ставка Moonshot в том, что быть около фронтира на открытых весах важнее, чем то, что модель можно запустить, — и раз K3.1 Pro набирает 55 на Artificial Analysis, всего на четыре пункта отставая от Claude Opus, эта ставка выглядит убедительнее, чем год назад. Один нюанс, который стоит знать: они намеренно вырезали кибервозможности из открытых весов — 81 на их внутреннем кибербенче против 90 у неотфильтрованного чекпоинта. Так что даже «открытая» версия — это не полная модель.

Я бы следила за тем, появится ли у модели класса K3 со временем дистиллированный или разреженный собрат, как у Inkling, — потому что сейчас история открытых весов у Kimi — это всё или ничего, и это ограничивает тех, кто реально может ей пользоваться. […]