Модели ИИ США отражают DeepSeek: худшая производительность, более высокие затраты, но адаптированы для американского соответствия

Бывший главный технологический директор OpenAI Мустафа Сулейман в своем первом проекте неожиданно перевернул сценарий разработки больших языковых моделей между Китаем и США. 15 июля он запустил Thinking Machines Lab и представил свою первую модель — Inkling. Используя гибридную архитектуру с экспертами, вдохновленную DeepSeek-V3, и синтетические данные из открытых моделей, таких как Kimi K2.5 от Moonshot, для инициализации постобучения, результаты оказались неоднозначными. По нескольким бенчмаркам Inkling уступает Kimi и GLM, при этом его цена заметно выше. Несмотря на привлечение 2 миллиардов долларов и оценку в 12 миллиардов долларов, дебют не оправдал ожиданий, однако Сулейман, возможно, изначально не ставил целью достижение высшего эшелона.

Рассматривая аппаратное обеспечение, Inkling соответствует престижу звездной лаборатории. Он использует гибридную архитектуру с экспертами с общим количеством 975 миллиардов параметров, активируя 41 миллиард на токен. Предобучение использовало 45 триллионов токенов по текстам, изображениям, аудио и видео, поддерживая до 1 миллиона токенов контекста. Модель обрабатывает текст, изображения и аудио, выводя текст, при этом позволяя регулировать интенсивность рассуждений для баланса между производительностью, скоростью и стоимостью. С весами, выпущенными под разрешительной лицензией Apache 2.0, разработчики могут самостоятельно развернуть или дообучить модель через платформу Tinker от Thinking Machines. Стратегия ясна: вместо прямой работы с потребителями Inkling служит основой для корпоративных ИИ-приложений.

Технический отчет раскрывает важную деталь архитектуры. Thinking Machines явно заявляет, что гибридный дизайн Inkling следует за DeepSeek-V3, имея множество модулей экспертов, где каждый токен активирует только подмножество, а также балансировку нагрузки без ассистента потерь DeepSeek-V3. Китайское влияние распространяется на обучение: постобучение началось с контролируемого тонкого настраивания с использованием синтетических данных из моделей с открытыми весами, конкретно указывая на Kimi K2.5.

Вырисовывается четкая дорожная карта: американская лаборатория, основанная бывшим главным технологическим директором OpenAI, чья первая модель повторяет архитектуру DeepSeek, а постобучение полагается на данные Kimi. Заимствование у открытых моделей не является само по себе проблематичным, поскольку DeepSeek и Kimi публично делятся весами и правами использования, опираясь на общественные достижения. Более поразительно то, что, несмотря на усвоение технологий китайских моделей, Inkling не превосходит своих предшественников. Thinking Machines откровенно признает: Inkling в настоящее время не является сильнейшей моделью, ни с открытыми, ни с закрытыми весами.

Цифры подчеркивают разницу. В финальных чистых текстовых оценках человеческих экзаменов Inkling набрал 29,7%, в то время как Kimi K2.6 и GLM 5.2 достигли 35,9% и 40,1% соответственно. С включенными инструментами Inkling поднялся до 46%, все еще отставая от 54% Kimi K2.6 и 54,7% GLM 5.2. В SWE-Bench Pro, тестирующем реальные возможности инженерии программного обеспечения, Inkling набрал 54,3%, по сравнению с 58,6% Kimi K2.6 и 62,1% GLM 5.2. Разрыв был наиболее заметен в Terminal Bench 2.1, где Inkling набрал 63,8%, в то время как Kimi K2.6 и GLM 5.2 достигли 71,3% и 82,7% соответственно.

Inkling преуспевает в дизайне веб-приложений, понимании аудио и оценке безопасности, даже превосходя Kimi и DeepSeek в некоторых математических задачах. Однако он еще не достиг высшего эшелона по комплексным рассуждениям, программированию и возможностям агентов. Ценообразование не приносит облегчения: на платформе Tinker версия 64K взимает 1,87 доллара за миллион токенов Prefill и 4,68 доллара за миллион токенов Sample, уже со скидкой в пять дней. Версия 256K стоит 3,74 и 9,36 доллара соответственно. По сравнению с тарифами API Kimi K2.6 в 0,95 доллара за ввод и 4 доллара за вывод, а также GLM 5.2 в 1,4 и 4,4 доллара, цена префилла Inkling почти вдвое выше, чем у Kimi K2.6, с более высокими затратами на генерацию и без очевидного ценового преимущества. Ситуация деликатна: архитектура ссылается на DeepSeek, постобучение полагается на Kimi, производительность отстает от ведущих китайских открытых моделей, а цена выше.

Загадка заключается в уникальном фоне Thinking Machines. Компания напоминает сеть выпускников OpenAI — представленная в феврале 2025 года, команда из примерно 30 человек включала две трети из OpenAI, остальные из Meta и Mistral. В число основателей входили Джон Шульман, Баррет Зоф, Лилиан Венг, Эндрю Туллох и Люк Метц, при этом Reuters сообщает, что Сулейман нанял как минимум 20 исследователей из своего бывшего работодателя.

Сулейман присоединился к OpenAI в 2018 году, внес вклад в DALL-E, Codex, ChatGPT и Sora, став главным технологическим директором в 2022 году и временно исполняющим обязанности генерального директора после увольнения Алтмана в ноябре 2023 года. Эта группа, глубоко знакомая с разработкой и продукцией OpenAI, ушла, чтобы создать новую техническую систему, что привело внешних наблюдателей к ожиданию пути, вдохновленного OpenAI. Вместо этого основной технический источник указывает на китайские модели, сигнализируя о драматическом сдвиге: те, кто лучше всех знал OpenAI, в конечном итоге приняли технический чертеж китайских моделей.

Этот вывод требует тщательного анализа. Недавние передовые модели OpenAI являются закрытыми, что предотвращает внешний доступ к весам, архитектуре или планам обучения. Даже если бы Сулейман знал внутренние технологии, он не мог бы передать коммерческие секреты OpenAI новой компании. Напротив, DeepSeek и Kimi публично выпустили веса и технические отчеты, позволяя их архитектурам, методам обучения и инструментариям быть законно исследованными и повторно используемыми.

Inkling — это модель с открытыми весами, и для компаний, строящих открытую экосистему, принятие зрелых решений от таких открытых моделей, как DeepSeek и Kimi, является логичным инженерным выбором. Разработка открытой модели при игнорировании публично доступных китайских достижений привела бы к более высоким затратам на проб и ошибки. Таким образом, заимствование вдохновения от китайских моделей не доказывает, что Сулейман считает DeepSeek превосходящим OpenAI. Различия в открытости и условиях ссылки различны, но сигнал ясен: китайские модели стали ключевой ссылкой для американских ИИ-команд в пространстве с открытыми весами.

Настоящий вопрос заключается в том, почему Thinking Machines, имея существующие архитектуры и опыт обучения, создала Inkling с более слабой производительностью и более высокими ценами. У Сулеймана есть лучшая команда, обильные средства и новейшие системы обучения NVIDIA. Нет причин игнорировать эти пробелы, что предполагает, что альтернатива с высокой стоимостью может быть расчетным решением.

Учитывая обращение Thinking Machines, Inkling должен быть более чем приличной моделью. В июле 2025 года компания завершила раундseed в 2 миллиарда долларов до запуска любого продукта, оценив себя в 12 миллиардов долларов, с инвесторами, включая a16z, NVIDIA, AMD и Sequoia. Четыре месяца спустя переговоры нацеливались на оценку до 500 миллиардов долларов, позиционируя компанию как потенциального конкурента OpenAI и Anthropic. Запуск продукта, который не соответствует ожиданиям китайских моделей и стоит дороже, не оправдывает ожиданий. Однако с точки зрения бизнеса Сулейман, возможно, никогда не намеревался побеждать в бенчмарках.

Компания подчеркивает открытые веса, мультимодальность и настраиваемость, поощряя предприятия использовать Tinker для тонкой настройки Inkling в специализированные модели для обслуживания клиентов, кодирования и отраслевых агентов. Сулейман делает ставку на рынок, который не приоритизирует рейтинги бенчмарков. Предприятия больше заботятся о частном развертывании, контроле данных и непрерывном обучении в соответствии с их бизнес-потребностями. Значительная часть этих потребностей удовлетворяется китайскими открытыми моделями: OpenAI и Anthropic остаются закрытыми, а после того, как Llama4 от Meta не оправдал ожиданий, она сократила свои усилия по открытому исходному коду. Тем временем DeepSeek, Kimi, Qwen и GLM постоянно выпускают веса, при этом производительность приближается к американским закрытым моделям по значительно более низким ценам.

Американские предприятия быстро отреагировали — согласно данным OpenRouter, предоставленным CNBC, с февраля 2026 года еженедельная доля китайских моделей в токенах, вызванных американскими предприятиями через платформу, превысила 30%, достигнув 46%, по сравнению со средним показателем 4,5% в первой половине 2025 года. Cursor протестировал несколько базовых моделей для Composer2, в конечном итоге выбрав Kimi K2.5 за ее сильные оценки. Фонд Bridgewater тонко настроил Qwen от Alibaba через Tinker, достигнув лучших результатов, чем некоторые топ-закрытые модели. Китайские открытые модели стали путем экономии затрат для американских предприятий, но этот путь теперь находится под давлением.

Одновременно американская регуляторная атмосфера в отношении китайских ИИ-моделей ужесточается. Соответствующие ведомства выдали предупреждения о безопасности данных, источниках моделей и рисках цепочки поставок, при этом некоторые компании, использующие китайские модели, сталкиваются с расследованиями. Даже без единых ограничений неопределенность политики влияет на выбор предприятий, особенно тех, кто работает с правительственным бизнесом и конфиденциальными данными.

Это создает рыночное пространство для Inkling: модель с открытыми весами от американской компании, использующая лицензию Apache 2.0, поддерживающая частное развертывание и настройку. Американские предприятия выбирают ее, не беспокоясь о политических спорах из-за использования китайских моделей, что упрощает прохождение проверок соответствия от правительственных клиентов и крупных корпораций. Реальная ценность Inkling заключается в этой уверенности в соответствии — Сулейман превратил общественные достижения DeepSeek и Kimi в модель, предоставляемую американской компанией. Ей не нужно побеждать китайские модели в бенчмарках, только быть приемлемым выбором для американских предприятий, колеблющихся продолжать использование китайских моделей. Это объясняет ее более высокую цену: политика сузила конкурентный круг, сделав пробелы в производительности и цене менее критичными. Для некоторых американских предприятий немного более слабая и дорогая модель достаточна.