Скоростной забег OpenAI на 300 токенов/с упёрся в стену

Google DeepMind сегодня анонсировала Gemini 4 Argon, позиционируя её как передовую модель, специально настроенную для кодирования, корпоративной работы со знаниями и кибербезопасности. Главная особенность — это лимит вывода в 1 миллион токенов, лидирующий в отрасли и достигнутый с помощью экспериментальной техники Long Decode Continuation.

Однако доступ строго контролируется. Google предоставляет Argon исключительно доверенным тестировщикам в рамках своей программы Fairwind, ориентированной на государственных пользователей и доверенных специалистов по киберзащите.

Эта стратегия ограниченного выпуска не позволяет широкому ИИ-сообществу протестировать заявленный лимит вывода в 1 миллион токенов. DeepMind достигает технического рубежа на бумаге, но пока модель не станет общедоступной, её влияние на коммерческий рынок равно нулю.

Новый анализ выявляет скрытую финансовую архитектуру текущего ИИ-бума, и её структурная целостность, мягко говоря, сомнительна. Карта отслеживает конкретные контракты, гарантии и структуры финансирования, связывающие таких крупных игроков, как OpenAI, Nvidia, Oracle и CoreWeave.

Речь идёт не о вычислительной мощности; речь идёт о риске контрагента. Весь сектор сильно взаимозависим, полагаясь на сложное финансирование для поддержания работы серверов и астрономических оценок.

Когда музыка остановится, компании, которые останутся с носом, будут не те, у кого худшие модели, а те, у кого худшие финансовые гарантии. Следуйте за деньгами, потому что базовая карта рисков точно показывает, кто будет уничтожен при коррекции рынка.

Индустрия ИИ в настоящее время переживает масштабную коррекцию. После многих лет бесспорного роста и бесконечного капитала рынок агрессивно переоценивает свои базовые предположения и распределение рисков между основными игроками.

Эта перезагрузка была неизбежна. Первоначальная золотая лихорадка финансировала каждую обёртку и мечту о фундаментальной модели, не требуя пути к прибыльности. Теперь умные деньги меняют позицию.

Победителями в этой коррекции станут операторы, построившие устойчивую экономику единицы, а проигравшими — стартапы, которые спутали субсидированные вычисления с бизнес-моделью.

Broadcom запустила ошеломляющую платформу финансирования ИИ на 35 миллиардов долларов. Структура позволяет финансовому партнёру приобретать стойки с пользовательскими ИИ-ускорителями Broadcom, а затем сдавать их в аренду непосредственно клиентам.

Этот шаг устраняет огромные первоначальные капитальные затраты, необходимые для крупномасштабных развёртываний инфраструктуры. Вступая в игру финансирования, Broadcom гарантирует, что корпоративные клиенты не будут ограничены своими собственными балансами при попытке масштабировать операции ИИ.

Это блестящий, агрессивный ход. Broadcom выигрывает, быстрее перемещая оборудование, а предприятия выигрывают, переводя ИИ-инфраструктуру из категории огромных капитальных затрат в операционные.

OpenAI незаметно выпустила GPT-6.1 Sol, и она доминирует в бенчмарках. Модель только что заняла первое место на MathArena и третье место на Code Arena WebDev, сигнализируя об элитной производительности в задачах рассуждения и кодирования.

Что делает Sol опасной, так это цена. Artificial Analysis измерила её стоимость в 0,72 доллара за задачу при максимальных усилиях. Это значительно дешевле конкурентов, таких как Astra, благодаря более низкой цене чтения кэша и меньшему количеству шагов для достижения решения.

GPT-6.1 Sol — явный победитель для разработчиков, ориентированных на стоимость, которые отказываются жертвовать производительностью в бенчмарках. OpenAI доказывает, что они могут конкурировать как по чистой интеллектуальной мощи, так и по экономике единицы одновременно.

Рынок эмбеддингов только что получил серьёзное обновление. Perplexity выпустила pplx-embed-v2-context-9b-preview, открытую контекстную модель эмбеддингов, которая сразу же заняла новое лидирующее место в ConTEB.

Одновременно Cohere запустила Embed 5, предлагая варианты Pro и Fast. Архитектура разработана для двухступенчатой эффективности: индексирование с одним вариантом и извлечение с другим, обеспечивая превосходную производительность при более низкой стоимости на уровне Fast.

Разработчики, создающие конвейеры RAG, сегодня являются явными победителями. Теперь у вас есть Perplexity, расширяющая границы открытых контекстных эмбеддингов, и Cohere, оптимизирующая кривую затрат на индексирование-извлечение.

Ideogram 4.5 официально вышел, принеся обещанные открытые веса и сильный фокус на многоступенчатом редактировании изображений без артефактов. Заявленная особенность впечатляет: модель сохраняет 94–99% нетронутого содержимого идентично в течение десяти последовательных правок.

Однако реальность бенчмарков менее лестна. Модель в настоящее время занимает 18-е место в Image Edit Arena. Хотя метрики согласованности звучат отлично в спецификации, качество визуализации, оценённое сообществом, не превосходит конкурентов высшего уровня.

Если вам требуется строгое сохранение пикселей для небольших изменений, возможно, стоит взглянуть. Но для серьёзного творческого производства 18-е место говорит само за себя. Пропустите её, пока визуальная точность не догонит технические заявления.

Artificial Analysis запустила AA-Video-T2V v2.0, долгожданный видео-бенчмарк, оцениваемый строго в 1080p. В отличие от автоматических метрик, которые не могут уловить визуальную связность, этот бенчмарк основан на более чем 68 000 человеческих голосов.

Результаты обеспечивают столь необходимую ясность. Wan 3.0 в настоящее время лидирует с невероятно экономичной ценой в 12 долларов за минуту. За ним следуют Seedance 2.5 и MiniMax H3.

Этот бенчмарк — огромная победа для индустрии. Он отбрасывает специально подобранные маркетинговые видео и заставляет модели конкурировать по качеству, проверенному человеком, и жёстким ценам. Wan 3.0 занимает первое место, доказывая, что высококачественная генерация видео не требует сжигания денег.

Anthropic выпускает жёсткие предупреждения о модели GLM-5.3 с открытым весом от Zhipu/Z.ai, утверждая, что она пересекает опасный порог для автономных кибервозможностей. Модель набрала 50/410 баллов за сквозные эксплойты V8 на ExploitBench, и Anthropic отмечает, что простые джейлбрейки успешны в 64–100% случаев.

Anthropic расценивает это как серьёзный риск возможностей и доступности, учитывая, что модель широко доступна для скачивания, относительно дёшева и слабо настроена на отказ.

Но индустрия справедливо скептически настроена. Хотя цифры ExploitBench реальны, паникёрство Anthropic выглядит как стратегический ход, направленный на подавление высокодоступной китайской модели с открытым весом. Реальный риск здесь может быть просто для доли рынка Anthropic.