TechFlow Logo
Войти/ Регистрация
Газ ETH
Gwei
Страх
gas
Извинитесь перед Gemini и выстройтесь в очередь.

Извинитесь перед Gemini и выстройтесь в очередь.

2026.11.20
Поделиться
SemiAnalysis публично извинилось перед Google: серия Gemini 4, представившая сразу четыре модели, совершила невероятный камбэк.

Автор: iFanr

Сегодня известная исследовательская компания в сфере полупроводников и ИИ SemiAnalysis опубликовала в X фотографию заполненной «Формы для извинений перед Google», адресованной председателю Google DeepMind Демису Хассабису.

В графе «причина» были отмечены пункты вроде «Я видел только посты в X», «Мой сосед по комнате, работающий в Anthropic, убедил меня в том, что с Gemini всё кончено» и «Я не читал карточку модели». Самым интересным оказалась последняя строка: «Демис, мы ошибались насчёт Gemini 4. Мы просто хотим вернуть одно слово».

Они зачеркнули одну букву s в собственном заголовке: Gemini is cooked. Фраза «Gemini провалилась» превратилась в «Gemini на этот раз действительно смогла кое-что сделать».

Поводом послужила статья SemiAnalysis от августа этого года, в которой говорилось, что после краткого лидерства в ноябре прошлого года Google так и не представила ни одной впечатляющей модели и по сути отстаёт от конкурентов.

Тогда аналитики отметили, что часть команды DeepMind по обучению с подкреплением покинула компанию, а внутренние вычислительные ресурсы распределялись неоптимально. Их вердикт относительно Google оказался довольно жестким: при таком раскладе Google, конечно, продолжит выпускать модели, но вероятность вновь выйти на пиковый уровень отрасли «упала до нуля».

Прошло менее двух месяцев с выхода отчёта, как Google анонсировала Gemini 4 Argon, затем в конце октября выпустила Carbon, 12 ноября — Hydrogen, 18 ноября — Neon. Всего за 8 дней было представлено три модели, причём производительность Carbon в тот момент возглавила рейтинг綜合ных возможностей Artificial Analysis.

Примечание: страница выбора моделей в ai.studio

Новые модели получили высокие оценки в социальных сетях. Hydrogen, позиционируемый как быстрый вариант серии Flash, быстро справляется с задачами по написанию текста и сложному программированию. Наивысший интеллект демонстрирует Carbon, отлично решающий задачи долгосрочных AI-агентов. Neon, занимающий промежуточное положение, сочетает скорость и интеллектуальные возможности, став самой сбалансированной и мощной моделью в линейке Gemini 4.

В X множество пользователей поставили лайки комментариям вроде «Gemini 4 Neon просто безумие», «Gemini 4 Neon на самом деле ещё безумнее, чем ты думаешь» и «Gemini 4 Neon устранил все прежние претензии к моделям Gemini».

Сегодня исследователь Google DeepMind Артур Дуиллард сообщил в X, что они распечатали ту самую критическую статью и положили её на стол, чтобы ежедневно напоминать себе о ситуации. Он отметил, что ряд проблем тогда действительно присутствовали, и поблагодарил статью SemiAnalysis за стимул.

Хочу поблагодарить @SemiAnalysis_ за мотивацию. В команде расширения RL для Gemini мы распечатали эту статью, разместили на столе и каждый день напоминали себе о реальности того момента. Но времена меняются. :)

После этого SemiAnalysis ретвитнул пост Дуилларда и показал фотографию документа — той самой «формы для извинений перед Google», упомянутой в начале статьи.

Спустя несколько часов Хассабис ретвитнул запись, сыграв на слове и написав «извинения приняты», при этом шутливо отметив, что оппоненты забыли отметить пункт «занизили силу экспертов Google DeepMind».

На самом деле более чем за две недели до публикации мемов на официальном аккаунте организации соавтор «августовского обзорa в негативном ключе» Дилан Пател уже публично принёс извинения Google от своего имени после выпуска обзоров Gemini 4 Carbon.

Что же происходило внутри Google с начала августа, когда авторитетное издание предсказывало ему неудачу, до середины ноября, когда за несколько недель вышли четыре модели серии Gemini 4 и компания вновь поднялась в верхушки рейтингов? Какие изменения и накопления привели к этому результату?

У Google столько TPU, но их всё равно не хватает

Если вернуться к прошлому лету, то скептические прогнозы относительно Gemini имели под собой основания. С одной стороны, намеченный на июнь релиз Gemini 3.5 Pro постоянно переносился. Ещё в мае на конференции Google I/O генеральный директор компании Сандар Пичаи анонсировал выход версии 3.5 Pro именно в июне, однако модель так и не вышла в срок.

Ограничения вычислительных ресурсов, вкупе с разногласиями между руководителями нескольких проектов, привели к тому, что на направлении программирования, которое впоследствии стало критически важным, тогда выделяли мало средств. Позже Корай Кавукчуоглу, возглавивший исследования и разработки, объяснил, что на данном этапе команда сосредоточилась преимущественно на быстрой итерации моделей серии Flash.

Примечание: ранее Google активно выпускал модели серии Flash

В условиях внутренних распределительных баталий и внешнего недоверия 5 августа Google объявил о масштабной реструктуризации DeepMind: бывший CTO DeepMind и главный архитектор ИИ в Google Корай Кавукчуоглу стал старшим вице-президентом DeepMind с прямым подчинением Пичаи, получив полную ответственность за разработку моделей Gemini, передовые исследования, а также команды приложений и разработчиков Gemini.

Демис Хассабис передал операционные функции, заняв пост председателя DeepMind и главного научного сотрудника Alphabet. Одновременно с этим бывшие сопредседатели технической команды Gemini Джефф Диэн и Ориоль Виньяльс вместе с Санжаем Гхемаватом и Куоком Ле покинули Google, основав стартап Discovery Loop.

Долгое время в сознании многих преобладало мнение, что Google наверняка обладает всеми необходимыми данными и вычислительными ресурсами («картами»), поэтому создание больших моделей не должно вызывать трудностей. Однако даже наличие собственных чипов TPU для ИИ не решало проблему: их требовалось для тренировки следующего поколения Gemini, для ответа текущим пользователям и очередь стояла у клиентов Google Cloud.

Примечание: масштабная бизнес-линейка моделей Google

Для холдинга продажа чипов означала выгодную сделку; для исследователей отсутствие места в очереди означало невозможность провести эксперимент.

Обновление структуры позволило всей команде чётче понять, над чем стоит тренировать модели и как оптимально передавать результаты пользователям. По сообщениям западных СМИ, руководители Google Cloud также надеялись, что после назначения Корея во главе DeepMind удастся смягчить напряжённость в распределении поставок TPU внутри компании.

Сколько готовились к успеху Gemini 4

Приписывать успех взрывного принятия нескольких моделей Gemini 4 исключительно кадровым перестановкам и распределению мощностей в августе — значит явно недооценивать длинные циклы разработки больших языковых моделей.

Согласно общедоступным данным, ещё до организационных изменений 5 августа и выхода обзорa в негативном ключе 7 августа фундаментальная архитектура Gemini 4 уже находилась в разработке. На звонке для инвесторов по итогам второго квартала 2026 года, состоявшемся 22 июля, Пичаи прямо заявил, что для Gemini 4 запущено «самое амбициозное предварительное обучение в истории Google».

Отвечая на вопросы аналитиков, он добавил, что руководство бросило основные вычислительные ресурсы и усилия на поддержку Gemini 4 с целью ускорить последующие итерации на базе данного поколения базовых моделей и приблизить график релизов к ритму одного обновления в месяц.

Позже Корай в ходе двух подкаст-интервью в начале сентября и 19 ноября подробнее раскрыл механику разработки Gemini 4. Внутри DeepMind реализована система параллельного продвижения нескольких треков исследований: пока одна группа доводит до ума релизную версию, другие две команды уже синхронно работают над двумя следующими поколениями моделей. Именно поэтому за Gemini 4, которую мы увидели в октябре, стоят минимум год непрерывных исследований и доработок.

Если масштабное предварительное обучение и параллельные линии заложили фундамент, то резкий скачок Gemini 4 в программировании и работе автономных агентов обеспечила специализированная система последующего обучения на реальных инженерных кейсах.

12 ноября 2026 года Мелвин Джонсон, отвечавший тогда за постобработку моделей Gemini, выступил на конференции AI Engineer CODE и начал свой доклад со ссылки на критику от SemiAnalysis, подробно раскрыв внутренние методы обучения Google.

Во-первых, вместо статичных открытых наборов тестов применяется анализ реальной корпоративной среды. Джонсон отметил, что внутри Google примерно 100 тысяч сотрудников ежедневно используют инструмент для кода Antigravity. Как только команда постобработки формирует несколько версий моделей-кандидатов, запускается внутренний слепой тест: инженеры проверяют их непосредственно на рабочих задачах, отбирая наиболее удобный вариант.

Моменты, когда модель застревала при редактировании через файлы или портила существующую логику, немедленно фиксируются. Эти реалистичные ошибки становятся частью датасета для следующей волны обучения и корректируют систему оценки.

Параллельно команда решительно исключает «устаревшие задания». В машинном обучении с подкреплением, если модель достигает уровня, при котором она стабильно получает максимум баллов на определённом задании, сигнал награды становится одинаковым при каждом сэмплинге, и модель перестаёт различать, какой подход эффективнее. Такие задачи необходимо убирать, заменяя их на более сложные вызовы.

Во-вторых, пересмотрен сам принцип завершения задачи, с особым акцентом на честность агента.

В классических кодовых тестах достаточно было успешно прогнать unit-тесты для получения очков; однако в системе оценки постобучения Gemini 4 команда изучает не только реализацию функций, но и обработку краевых случаев, качество кода, умеренность вносимых правок и потенциальную поддержку кода в будущем.

Более важно, что система оценки сверяет «самоотчёты» модели с её фактическими логами операций. Если сверхсложная задача решена лишь частично, честное указание прогресса всё равно приносит долю награды. Но если агент заявляет о полном успехе, даже не запустив проверку, он подвергается суровому наказанию.

Джонсон также упоминал результаты внутреннего высокоуровневого инженерного тестирования Google, где показатель доли галлюцинаций базовой модели составлял 8%, Hydrogen — около 3%, а Carbon — около 1,5%.

Благодаря крепкой архитектуре и интенсивной процедуре последующего обучения Google за коротких семь недель с конца сентября по середину ноября непрерывно анонсировал четыре модели серии Gemini 4.

При этом Hydrogen и Neon являются адаптациями на базе Carbon. Carbon нацелен на решение задач, требующих глубокого логического вывода, Hydrogen делает ставку на высокую скорость выполнения повседневных задач, а Neon гармонично сочетает глубину рассуждений и производительность.

Примечание: некоторые плотные обновления, которые мы наблюдали в ноябре, стали следствием постепенного внедрения результатов исследований единой архитектуры

Заглянув назад, можно согласиться: многие проблемы, выявленные SemiAnalysis, действительно имели место, и исследователи DeepMind не стали их отрицать. Тем не менее результаты спустя три месяца доказали, что внешние наблюдатели всё ещё недооценили многолетнюю научно-техническую базу Google и её способность мобилизовать эти ресурсы для создания одной конкретной модели в рекордные сроки.

В настоящий момент Gemini 4 снова стала серьёзным конкурентом, перед которым вынуждены считаться остальные модели. Google не только вернул программирование и работу с AI-агентами в число ведущих компетенций, но и начинает сокращать отставание от таких агентов, как Codex и Claude в части реального пользовательского опыта и качества продукта.

Примечание: теперь Gemini способен работать с приложениями и сайтами Mac в фоновом режиме для решения сложных задач

Для нас, обычных пользователей, это бесспорно отличная новость. Чем интенсивнее соперничество тройки лидеров рынка, тем больше вендоры готовы инвестировать в вычислительные ресурсы и бороться за аудиторию, что даёт нам шанс пользоваться более доступным, надёжным и простым в использовании искусственным интеллектом. (Хакиими, прошу тебя, не перенимай тактики остальных двух).

TechFlow Logo

Платформа для поиска перспективных активов Главное о Web3, AI, золоте, акциях США и мировой экономике

Предложить статьюemail
Предложить темуmsg

Предупреждение о рисках: материалы сайта не являются инвестиционной рекомендацией. TechFlow не даёт торговых сигналов, не побуждает к совершению сделок и не оказывает связанных с торговлей услуг. В соответствии с уведомлением Народного банка Китая и ещё девяти ведомств о дальнейшей профилактике и пресечении рисков спекулятивной торговли виртуальными валютами просим читателей осознавать связанные с ними риски.

© 2024 TechFlow. Все права защищены.

Контакты: [email protected]

ICP-лицензия: 琼ICP备2022009338号