Утечки GPT-5.2 сигнализируют о следующей войне AI.

Рынки прогнозов предсказали появление GPT‑5.2 ещё до того, как кто-либо в OpenAI произнес слово. На PolyMarket контракт с названием “В какой день OpenAI выпустит следующую передовую модель?” стал де-факто источником утечек, где трейдеры делали ставки реальными деньгами на точную дату, когда компания выпустит свою следующую флагманскую модель.

На протяжении нескольких дней 9 декабря находился рядом с 90% предполагаемой вероятностью, что GPT-5.2 выйдет в тот понедельник. Однако поздно вечером 7 декабря и в ранние часы 8 декабря эта уверенность рухнула: шансы на 9 декабря упали до низких однозначных чисел, учитывая «почти совершенно не произойдет».

Около 4 часов утра 8 декабря рынок резко проснулся к новой реальности. Контракт на 11 декабря внезапно взлетел, а трейдеры повысили его вероятность до примерно 87%, что свидетельствовало о резком пересмотре, подразумевающем, что кто-то где-то только что узнал, что внутренний график сдвинулся на два дня.

Случайный шум торговли редко вызывает такие резкие движения в конкретную дату в таком узком окне времени. Шаблон выглядит как классический информационно-обоснованный ордерный поток: несколько крупных, уверенных ставок, обламывающих ордерную книгу, за которыми следуют мелкие трейдеры, входящие в рынок, когда изменение становится очевидным на графике.

Скептики могут утверждать, что пара китов просто угадала, или что трейдеры раскроили вероятную PR-стратегию OpenAI вокруг Gemini 3 и новостных циклов конца года. Но когда рынок практически за ночь переходит от «9 декабря - это точно» к «на самом деле, 11 декабря» без каких-либо публичных объявлений между этими датами, самое простое объяснение - доступ к непубличным графикам.

PolyMarket и его соперники тихо стали нерегулируемой системой раннего предупреждения о крупных технологических событиях. Теперь вы можете следить за контрактами на запуски гарнитур Apple, достижения автономности Tesla и выходы моделей OpenAI, которые начинают расти за несколько дней до того, как журналисты получат закрытые брифинги.

Для ИИ это создает странный новый уровень прозрачности вокруг известных секретных лабораторий. Сотрудники, подрядчики, партнерские компании или даже хорошо осведомленные инвесторы могут, теоретически, монетизировать изменения в расписании задолго до того, как публикация появится в блоге, оставляя вероятностный след, который любой может прочитать — если он знает, где искать.

Код красный охватил OpenAI в тот момент, когда приземлился Gemini 3. Последняя флагманская модель Google не только привлекла внимание, но и показала более высокие результаты, чем GPT‑5.1, на главных тестах по логике и многомодальных рейтингах, мгновенно изменив нарратив "кто впереди?", который на протяжении всего года был в пользу ChatGPT.

Сообщения от людей, близких к OpenAI, описывают внутреннюю директиву «Красный код» в начале декабря: ускорить выпуск GPT‑5.2, даже если это означает сокращение тестирования и подготовки к запуску. Цель ясна и тактична — стереть преимущество Gemini 3 в бенчмаркинге и вернуть внимание медиа до конца года, а не где-то в первом квартале, когда история остынет.

Преимущество Gemini 3 проявляется именно в тех областях, которые наиболее важны для OpenAI. В сложных агентах, использующих инструменты, многошаговой математике и задачах программирования с долгим контекстом, модель Google незаметно стала стандартной рекомендацией в многих корпоративных пилотных проектах, особенно там, где мульти модальный ввод — код, диаграммы, PDF и видео — смешиваются в одном рабочем процессе.

Этот сдвиг ударяет по OpenAI в самых уязвимых местах: корпоративные контракты и внимание разработчиков. Когда технические директора видят, как Gemini 3 выигрывает конкурсы на логическое мышление и многомодальную выборку, они начинают задаваться вопросом, почему им стоит продолжать строить свою работу вокруг GPT‑5.1, особенно когда Google глубже интегрирует Gemini в Workspace, Android и Chrome.

GPT‑5.2 теперь выступает в качестве контрмеры OpenAI. Внутри его рассматривают не как мягкое обновление, а скорее как релиз "убийца Gemini", который должен как минимум равняться, а в идеале превосходить Gemini 3 по следующим критериям: - Многошаговое рассуждение и агенты - Мультимодальное понимание текста, изображений и видео - Задержка и стоимость для высокопроизводительных нагрузок

Сжатый цикл выпусков говорит сам за себя. GPT‑5.1 появился в середине ноября; GPT‑5.2 готовится к выходу всего через четыре недели, ускорение, которое выглядело бы безрассудным в 2023 году, но теперь воспринимается как стандартная практика в гонке искусственного интеллекта, измеряемой неделями, а не годами.

Каждый сокращенный цикл усугубляет риски: регрессии, недостатки безопасности, нагрузка на инфраструктуру. Но, похоже, OpenAI готова принять этот компромисс, чтобы предотвратить устаревание Gemini 3 как нового стандарта и напомнить рынку, что корона производительности все еще активно оспаривается.

GPT‑5.2, скорее всего, будет представлять собой агрессивную доработку, а не сюжетный поворот из научной фантастики. Ожидайте, что OpenAI сосредоточится на трех направлениях: логика, надежность и мультимодальная паритетность с Gemini 3, при этом архитектура будет более близка к 5.1, чем к 4.0. Думайте о "моменте GPT‑4.1", а не о "моменте GPT‑4".

Обновления логического мышления, вероятно, будут нацелены на те же долгосрочные задачи, в которых демонстрирует свои способности Gemini 3: многократное кодирование, агенты, использующие инструменты, и сложные рабочие процессы с данными. Ожидайте более высоких показателей успешности в таких бенчмарках, как MMLU, GSM8K и оценках агентности, с меньшим количеством сбоев типа «Я потерял нить» при 20+ шаговых цепочках рассуждений.

Надежность может стать ключевым изменением в качестве жизни. OpenAI подвергся критике из-за галлюцинаций и непоследовательности между запусками; предполагается, что версия 5.2 выйдет с более строгими ограничениями, улучшенным поведением цитирования и более предсказуемым использованием инструментов. Это означает больше ответов «Я не знаю», но также и более надежные результаты в корпоративных условиях.

Мультимодальность — это то, где версия 5.2 должна явно закрыть разрыв с Gemini 3. Ожидайте: - Более быстрое понимание изображений и создание подписей - Более точный анализ графиков/таблиц - Улучшенное видеосуждение при низких частотах кадров

OpenAI, вероятно, сделает упор на структурированные выводы, превратив GPT-5.2 в более предсказуемую основу для агентов и экосистем в стиле MCP.

Скорость и стоимость столь же важны, как и IQ. Закулисье 5.2 почти наверняка основывается на квантовании, более умной маршрутизации и более эффективном внимании, чтобы уменьшить задержку по токенам и затраты на GPU. Это приводит к снижению ценовых категорий API, повышению лимитов запросов и более жизнеспособным реальным опытом в ChatGPT и сторонних приложениях.

Пользователи должны рассматривать GPT-5.2 как важный итеративный релиз: модель, которая восстанавливает лидерство на лидерборде и уверенность разработчиков, а не пересматривает само понятие ИИ. Если GPT-4 был моментом iPhone, то 5.2 ближе к iPhone 4S — быстрее, умнее, более отшлифованный и тихо закладывающий основу для всего, что будет дальше, от агентов до Курсов сертификации OpenAI.

Mistral тихо строит параллельный стек ИИ, и Devstrol 2 — это её самый очевидный вызов власти OpenAI и Google над инструментами для разработчиков. Вместо ещё одного закрытого черного ящика Mistral поставляет необработанные веса, допускающие лицензии и командный помощник, который находится на вашем ноутбуке, а не в дата-центре кого-то другого.

Devstrol 2 представлен в виде семейства из двух моделей, настроенных для разработки кода. Флагманская модель Devstrol 2 123B работает под лицензией MIT, в то время как Devstrol 2 Small 24B использует Apache 2.0, что выглядит не как юридическая деталь, а скорее как стратегия выхода на рынок для всех типов компаний, от индивидуальных разработчиков до консервативных предприятий.

MIT на модели 123B предоставляет стартапам и командам внутреннего инструментария максимальную свободу: модифицировать, размещать на собственных серверах и не беспокоиться о сюрпризах копилефта. Apache 2.0 в варианте 24B добавляет явные патентные лицензии и более чистую юридическую позицию, что является галочкой, которую юридические команды хотят видеть перед тем, как что-либо коснется производственной CI, IDE или внутренних платформ.

Для компаний, которые нервничают из-за зависимости своих процессов разработки от единого мегакорпорации API из США, Devstrol 2 воспринимается как спасательный выход. Вы можете настраивать локально, разворачивать за своим VPN или запускать на европейской инфраструктуре и при этом достигать значительных показателей производительности кодирования, проверенных в SWE-bench Verified и аналогичных пакетах.

Mistral утверждает, что Devstrol 2 располагается сразу после Gemini, ChatGPT и Claude по результатам тестов на кодирование, но достаточно близко, чтобы «достаточно хорошее и открытое» стало серьезным аргументом. Когда вы можете сделать форк модели, подключить ее к своему монорепозиторию и избежать неожиданных затрат за токены, ценностное уравнение смещается от чисто баллов в таблице лидеров к контролю и задержке.

Помимо моделей, Mistral выпускает Mistral Vibe, родной CLI, который стремится быть чем-то большим, чем просто автозаполнение в терминале. Вместо того чтобы просто выводить фрагменты кода, Vibe нацелен на агентное поведение: чтение вашего репозитория, планирование изменений, редактирование файлов, выполнение тестов и итерации до тех пор, пока функция или исправление не будут завершены.

Эта эволюция отражает то, что делает Anthropic с Claude Code и к чему стремится GitHub Copilot: конечные рабочие процессы, а не изолированные запросы. Vibe превращает Devstrol 2 в слой автоматизации, который может организовать операции git, очереди задач и конвейеры сборки непосредственно из командной строки.

Маркеры для Devstrol 2 находятся точно там, где их и хочет видеть Mistral: чуть ниже гигантов, но близко к тому, чтобы нанести удар. На SWE-bench Verified флагманская модель с 123B параметрами располагается вблизи "границы", в том же графике, что и Gemini, ChatGPT и Claude, при этом все еще представляя открытую исходную модель. Мэтью Берман называет её "весьма на уровне других моделей на грани", и графики это подтверждают: не новейшая разработка, но и не аутсайдер.

В прямом столкновении с Claude Sonnet 4.5 разница кажется очевидной на бумаге. Собственное сравнение Mistral показывает, что Devstrol 2 выигрывает 21.4% матчей против 53.1% для Sonnet 4.5, что является решительным преимуществом Anthropic. Тем не менее, сам факт, что модель с открытым весом может быть непосредственно оценена против одной из лучших закрытых систем, и есть настоящая история.

Контекст имеет значение: Gemini 3, Claude и GPT‑5.x по-прежнему доминируют в агрегатных таблицах лидеров, особенно в задачах по рассуждениям и долгосрочному кодированию. Devstrol 2 не смещает их с пьедестала, и Mistral не делает вид, что иначе. Вместо этого компания сосредоточена на другом ценностном предложении: «достаточно хорошая» производительность в соседних областях на границе возможностей, а также открытые веса, разрешительные лицензии и локальный контроль.

Devstrol Small — это место, где эта философия находит свое выражение. С всего лишь 24 миллиарда параметров под лицензией Apache 2.0, модель демонстрирует впечатляющие результаты на тестах по программированию, оставаясь достаточно компактной для одного мощного GPU или скромного внутреннего кластера. На собственных графиках Mistral она превосходит свои размеры по сравнению с другими открытыми моделями, обеспечивая соотношение производительности и размера, которое делает саморазмещение жизнеспособным для средних команд, а не только для гипомасштабируемых компаний.

Это соотношение меняет экономику разработки с помощью ИИ. Стартап может запускать Devstrol Small на: - одном высокопроизводительном рабочем месте - компактном сервере в дата-центре - облачном экземпляре без огромных затрат на GPU

Игровая стратегия Mistral выглядит не так, как «победить Gemini на каждой диаграмме», а скорее как «подорвать запирание снизу». Модель Devstrol 2 с под-MIT 123B и лицензированная Apache модель Small дают предприятиям юридическую ясность для глубокого внедрения этих моделей в CI трубопроводы, IDE и внутренние инструменты. В сочетании с новым Mistral Vibe CLI помощником сообщение ясно: закрытые модели могут выигрывать тесты, но открытые модели могут выиграть вашу стек.

Появление Сэма Альтмана на диване у Джимми Фэллона обозначает четкую культурную границу: генеративный ИИ больше не является игрушкой для узкого круга разработчиков, это - материал для вечернего монолога. Фэллон представил Альтмана аудитории в миллионы людей, которые знают его продукт под названием ChatGPT, но мало что знают о том, как это все работает.

По сообщениям, первые вопросы Фэллона были настолько простыми, как «Для чего хорош ИИ?» и «Для чего вы его используете?» Это вопросы начального уровня, которые вы задаете, когда предполагаете, что значительная часть зрителей впервые слышит практическое предложение.

Сравните это с тем, как хост обращается со зрелым технологическим гигантом, таким как Google. Сундар Пичаи не спрашивают: «Итак, что такое Google Поиск?»; его мучают вопросами о антимонопольном законодательстве, отслеживании рекламы или о том, почему YouTube продолжает рекомендовать ерунду. В отличие от этого, Алтман всё еще выполняет роль главного объяснителя, а не уклониста от регуляторов.

Этот разрыв показывает, насколько рано мы находимся на кривой внедрения ИИ. Даже несмотря на то, что ChatGPT преодолел отметку в 100 миллионов еженедельных пользователей и на каждом отчете о доходах упоминается «ИИ», широкой аудитории все еще нужны базовые примеры использования: помощь с домашними заданиями, поддержка программирования, составление электронных писем, генерация изображений.

Ночное узнавание подобного рода ускоряет нормализацию. Зрители видят Альтмана в образе дружелюбного изобретателя, а не научно-фантастического злодея, что может смягчить страхи и побудить больше людей попробовать бесплатный тариф или нажать на кнопку ChatGPT, которая теперь встроена в Windows, Office и множество приложений.

Массовое внимание также обеспечивает больший политический накал. Законотворцы, которые не следят за слушаниями по политике в области ИИ, смотрят Джимми Фэллона; сотрудники будут вырезать фрагменты, а затем спрашивать, какие меры предосторожности существуют для дипфейков, потери рабочих мест или использования этих инструментов детьми. Ожидайте увеличения спроса на сертификации, аудиты и программы "грамотности в области ИИ".

Корпорации ощущают такое же давление. Отделы кадров теперь рассматривают, стоит ли включать "профессионализм в ChatGPT" в списки вакансий, в то время как регуляторы отслеживают, как такие системы, как GPT-5.2 и Gemini 3, управляют агентами, действующими от имени пользователей. Сделки, такие как соглашение OpenAI, Anthropic и Google о совместной разработке стандартов для агентов, переходят из разряда малоизвестных новостей отрасли в важные темы для обсуждения у политиков и шутки для поздних ночных шоу.

Термин "френемы" недостаточен для описания ситуации. OpenAI и Anthropic только что создали совместный Фонд Агентного ИИ, новую некоммерческую организацию, которая будет работать под эгидой Фонда Linux, чтобы стандартизировать взаимодействие ИИ-агентов с инструментами и понимание проектов. Две из их самых важных внутренних технологий передаются: Протокол Контекста Модели от Anthropic и формат agents.md от OpenAI.

Протокол контекста модели (MCP) компании Anthropic изначально предназначался для того, чтобы Claude мог вызывать инструменты, API и источники данных последовательным и безопасным способом. За примерно год MCP вырос до более чем 10,000 активных публичных серверов MCP, охватывающих все: от локальных утилит разработчиков до бэкендов компаний из списка Fortune 500. MCP уже используется в ChatGPT, Cursor, Gemini, Microsoft Copilot, Visual Studio Code и постоянно растущем числе интегрированных сред разработки (IDE) и оберток.

agents.md от OpenAI выглядит обманчиво просто: текстовая спецификация, которая описывает, как работает проект, какие стандарты применимы и какие рабочие процессы имеют значение. Команды помещают файл agents.md в репозиторий или рабочее пространство, и каждый совместимый агент мгновенно наследует одни и те же нормы ведения логов, безопасности и стиля кода. Эта небольшая конвенция вскоре стала де-факто стандартом внутри AI IDE, кодовых помощников и оркестрационных фреймворков всего за несколько месяцев.

Стандартизация обоих под нейтральным крылом Linux Foundation превращает де-факто нормы в формальную инфраструктуру. Вместо того чтобы каждой лаборатории создавать свой собственный протокол инструментов и формат инструкций, MCP и agents.md становятся HTTP и README экосистем агентов. Стартапы, создающие платформы агентов, теперь могут ориентироваться на единый открытый стандарт, который уже используется в продуктах нескольких лабораторий.

Стратегически это оборонительная архитектура против замыкания экосистемы платформенными гигантами. Если Google или Apple попытаются внедрить собственную агентскую инфраструктуру глубоко в Android, Chrome, iOS или macOS, им теперь придется конкурировать с решением, поддерживаемым Фондом Линукс, которое уже охватывает OpenAI, Anthropic и большую часть мира AI-инструментов. Открытые стандарты усложняют задачу для любого отдельного поставщика владеть агентами так же, как Apple владеет push-уведомлениями или Google владеет мобильным поиском.

Лаборатории также получают поддержку. Пожертвовав MCP и agents.md некоммерческой организации, OpenAI и Anthropic могут утверждать, что они не создают монополию закрытых агентов, при этом контролируя дорожную карту. Управление переходит от репозиториев GitHub одной компании к модели управления, которой уже доверяет корпоративная ИТ, той же, что стоит за Kubernetes, Linux и проектами CNCF.

Если GPT-5.2 станет следующим этапом конкуренции моделей, Фонд агентного ИИ — это соглашение, которое тихо решает, кто будет строить на основе кого.

Двигатели на реактивном топливе могут стать решающим фактором в гонке за искусственным интеллектом. Boom Superpower, дочерняя компания, связанная с Boom Supersonic, только что представила газовую турбину мощностью 42 мегаватта, специально настроенную для дата-центров по работе с ИИ, фактически являющуюся электростанцией в коробке. Вы ставите ее на краю своего кампуса, подключаете к своим стойкам и обходите очереди у коммунальных служб, которые могут длиться годами.

Мощность электрической сети, а не GPUs, теперь ограничивает скорость роста гипермасштабных компаний. В Северной Вирджинии и некоторых районах Техаса коммунальные службы уже предупреждают, что крупные новые AI-кампусы не смогут подключиться до конца этого десятилетия. Модульный генератор на месте, такой как Superpower, превращает это в проблему закупок, а не в кризис общественной инфраструктуры.

Boom утверждает, что один агрегат мощностью 42 МВт может поддерживать десятки тысяч высокопроизводительных ускорителей, работающих на полную мощность. Операторы дата-центров могут устанавливать несколько агрегатов, точно так же, как они ставят серверные стойки, масштабируя от одного турбины до кампусов в несколько гигаватт. Этот дизайн отражает подход облачных провайдеров: модульный, повторяемый и максимально приближенный к кремнию.

Сэм Олтман увидел эту узкую сторону еще в самом начале. Он поддерживает энергетические амбиции Boom на протяжении многих лет, и теперь компания хвастается заказом на запуск мощностью примерно 1,21 гигаватта — около 30 единиц Superpower — для обеспечения AI-кластеров. Эта цифра не случайна; она сигнализирует о стратегической ставке на то, что передовые модели OpenAI будут ограничены больше по мегаваттам, чем по весам моделей.

Энергия тихо превращается в новый субстрат геополитики ИИ. Диаграмма, которой поделился генеральный директор Boom, показывает, что производство электроэнергии в США медленно растет, в то время как китайское производство резко возрастает после 2000 года, и рост мощности в Китае опережает американский на сотни гигаватт. Тот, кто сможет быстрее добавлять дешевую и плотную энергию, сможет чаще запускать больше передовых моделей на больших объемах данных.

Вашингтон обсуждает экспортные ограничения и запреты на чипы; Пекин заливает бетон для электростанций и линий электропередач. Турбины, подобные Superpower, упрощают этот проект национального масштаба до уровня, доступного для одной компании. "Преодоление" в области ИИ перестает быть только вопросом архитектуры моделей и превращается в гонку за индустриализацией электроэнергии по требованию.

Дженсен Хуанг и Сундар Пичаи продолжают выдвигать идею, которая звучит как научная фантастика, пока не провести расчеты: переместить самую мощную часть инфраструктуры ИИ за пределы Земли. Они утверждают, что космические дата-центры могут обойти проблемы с землей, электроэнергией и охлаждением, которые уже сдерживают гипермасштабные проекты на Земле.

Космос предлагает три жестко практических преимущества, которые почти идеально соответствуют потребностям ИИ. Первое - это постоянная солнечная энергия: на орбите солнечные панели могут находиться под солнечным светом 24/7 с примерно на 30% более интенсивным излучением, чем наземные установки, без облаков и без ночи.

Второе — охлаждение. Кластерные системы ИИ уже доводят воздух и жидкостные системы до предела; Blackwell от Nvidia и то, что будет использоваться для GPT-5.2, только нагреется еще больше. В космосе гигантские радиаторы на темной стороне спутника могут сбрасывать избыточное тепло прямо в почти идеальный вакуум космоса, что является своего рода бесплатным охлаждением, которое земные инженеры могут лишь приближенно воспроизвести с помощью морской воды и испарительных башен.

Третье — это сетевые технологии. На Земле каждый запрос ИИ сталкивается с заторами в оптоволокне, ретрансляторами и проблемами последней мили. Лазерные связи между спутниками могут передавать данные через вакуум со скоростью света с минимальными потерями, что потенциально позволяет обеспечить более быстрое сетевое соединение между орбитальными регионами и наземными станциями, чем некоторые существующие маршруты между дата-центрами.

Google уже дала название этой амбиции: Проект Звездный Ловец. Звездный Ловец пока остается исследовательской инициативой, а не продуктом, но знакомые с работой люди описывают исследования по передаче энергии, орбитальным серверным модулям и интеграции с регионами Google Cloud так, как будто это очень долгосрочный план капитальных расходов, а не чистое экспериментальное НИОКР.

Инженеры рисуют архитектуры, где орбитальные кластеры обрабатывают самые ресурсоемкие задачи по инференсу и обучению, в то время как наземные объекты управляют задачами с высокой чувствительностью к задержкам и хранилищем. Вы могли бы представить себе будущий уровень Gemini или GPT, который тихо направляет тяжелые задачи к солнечному кольцу вычислительных мощностей, гудящему над экватором.

Скептики указывают на затраты на запуск, радиацию, обслуживание и космический мусор. Тем не менее, дорожная карта Starship от SpaceX, падающие цены за килограмм запуска и развивающееся обслуживание на орбите постепенно опровергают эти возражения так же, как товары на основе графических процессоров когда-то развеяли аргумент «слишком дорого» для глубокого обучения.

Лаборатории, такие как Mistral, которые только что выпустили Devstrol 2 и сохраняют быстрый темп релизов, о чем можно узнать на Mistral AI – Объявления для разработчиков и моделей, подчеркивают, как быстро может возрасти спрос на модели. Если системы класса GPT продолжат удваивать потребление энергии каждые пару лет, то земные энергосети и зонирующие органы станут серьезными ограничениями, а не гипотетическими.

Космические дата-центры, таким образом, выглядят не как фантастика, а скорее как предохранительный клапан. По мере того как GPT‑5.x, Gemini и то, что Apple и Meta подготовят далее, соединяются, победившая технология может не только запускать более умные модели, но и запускать их там, где солнце никогда не заходит, а счета за охлаждение сводятся к нулю.

Язык холодной войны перестал быть метафорой в ИИ в тот момент, когда рынки прогнозов начали опережать запуски моделей. Котировки на PolyMarket, колеблющиеся с 90% до почти нуля на выход GPT-5.2 9 декабря, а затем снова подскакивающие до 87% на 11 декабря, больше напоминают не фанатские предположения, а внутренние сигналы для нового типа календаря гонки вооружений.

На одном фронте разгорается модельная война. OpenAI и Google теперь выпускают передовые системы — GPT‑5.1, Gemini 3 и вскоре GPT‑5.2 — с сроками поставки, измеряемыми неделями, а не годами, каждая из которых настроена на завоевание нескольких процентных пунктов на MMLU, SWE‑bench или многомодальном мышлении. Бенчмарки стали пропагандистскими плакатами, гремящими на платформе X и в отчетах о доходах, чтобы доказать, чей стек может мыслить, программировать и резюмировать быстрее и дешевле.

Параллельно идет война платформ. Закрытые экосистемы — ChatGPT от OpenAI, Gemini от Google, Apple Intelligence — запирают пользователей в вертикально интегрированных облаках, собственных API и кураторских магазинах приложений. На другом фронте Mistral’s Devstrol 2, Llama от Meta и такие инструменты, как Mistral Vibe, делают ставку на открытые веса, лицензии MIT и Apache 2.0, и мир, в котором ваш самый важный ИИ не требует разрешения от единственного поставщика.

Под обеими битвами скрыта борьба за ресурсы. Обучение современной крупной языковой модели уже требует миллионов часов работы графических процессоров, петабайтов данных и элитных специалистов, которых компании масштаба FAANG переманивают с компенсацией в семизначных числах. Газовая турбина мощностью 42 мегаватта от Boom Superpower — по сути, реактивный двигатель, прикреплённый к дата-центру — демонстрирует, насколько далеко компании готовы идти, чтобы обеспечить себе выделённое электропитание, в то время как такие лидеры, как Дженсен Хуанг и Сундар Пичай, открыто обсуждают создание орбитальных дата-центров, чтобы избежать ограничений наземных энергетических сетей.

Эскалация столкновений мягкой силы также нарастает. Появление Сэма Альтмана на шоу Джимми Фэллона превратило ChatGPT в объект для вечерних ток-шоу, нормализуя ИИ для аудитории, которая никогда не читает arXiv. В то же время OpenAI и Anthropic перенаправляют критическую инфраструктуру, такую как MCP и agents.md, в Фонд Агентного ИИ Linux Foundation, стараясь представить себя некоммерческими хранителями, несмотря на гонку за коммерческое доминирование.

То, что когда-то выглядело как дружеское академическое соперничество, теперь напоминает геополитическое соревнование, где модели выступают в роли ядерных боеголовок, чипы и энергия становятся аналогами нефти, а организации по стандартизации — хрупкими договорами о контроле над вооружениями. Следующее десятилетие в сфере ИИ будет формироваться не в университетских лабораториях, а в офисах, дата-центрах и, все чаще, на рынках прогнозов, торгующих будущим самого интеллекта.

Когда ожидается выход GPT-5.2?

Хотя официально не подтверждено OpenAI, рынки прогнозов и внутренние источники настойчиво предполагают выход около 11 декабря 2025 года. Утверждается, что эта дата была перенесена вперед в ответ на запуск Google Gemini 3.

Что такое Mistral Devstrol 2?

Devstrol 2 — это новая серия мощных моделей кодирования с открытым исходным кодом от Mistral AI. Она представлена в двух размерах (123B и 24B параметров) и направлена на обеспечение почти передового уровня производительности кодирования, которую разработчики могут размещать самостоятельно и свободно использовать.

Почему OpenAI и Anthropic сотрудничают в рамках Фонда агентного ИИ?

Они сотрудничают для создания открытых стандартов для ИИ-агентов. Пожертвовав ключевыми протоколами, такими как Протокол Контекста Модели (MCP) и agents.md, они стремятся способствовать совместимости и предотвратить контроль одной компании над функционированием ИИ-агентов.

Что такое турбина 'Boom Superpower'?

Это газовая турбина мощностью 42 мегаватта, по сути, модифицированный реактивный двигатель, разработанная компанией Boom Supersonic для обеспечения специализированной, по требованию, энергии для энергоемких центров обработки данных ИИ, что решает критическую узкую грань в росте ИИ.