Анализ динамики релизов флагманских ИИ-моделей в период с 2023 по 2026 год выявил резкое расслоение рынка. В то время как Anthropic утроила, а OpenAI более чем удвоила свои годовые темпы выпуска моделей, такие игроки, как Meta и DeepSeek, демонстрируют лишь линейный рост или стагнацию.

Что произошло

Исследование темпов выпуска моделей показало, что лидеры отрасли Anthropic и OpenAI перешли к фазе экспоненциального ускорения. Anthropic увеличила частоту релизов в три раза, а OpenAI — более чем в два раза по сравнению с предыдущими периодами. Другие крупные компании, включая Meta и DeepSeek, пока не демонстрируют аналогичного скачка, сохраняя стабильные или замедляющиеся темпы развития.

Контекст

Ключевым фактором такого ускорения может выступать концепция Offline RSI (оффлайн рекурсивного самосовершенствования). Согласно этой гипотезе, лаборатории используют текущие поколения моделей для автоматизации процессов обучения, оценки качества и разработки инфраструктуры для создания будущих поколений ИИ. Это создает самоподдерживающийся цикл, где ИИ помогает быстрее создавать еще более совершенный ИИ.

Почему это важно для индустрии

Для индустрии это означает формирование технологического разрыва, который определяется не только объемом вычислительных мощностей, но и эффективностью циклов разработки. Происходит смещение фокуса стратегического планирования: контроль над темпами разработки становится важнее, чем просто наращивание инфраструктуры. Существует риск формирования олигополии, где отрыв лидеров станет практически непреодолимым.

Почему это важно для пользователей

Пользователям и разработчикам стоит готовиться к значительному сокращению периодов между крупными обновлениями. Это потребует перехода к более гибким архитектурам с «плавающей» логикой выбора моделей, чтобы системы не зависели от конкретных версий API. Также возрастает сложность поддержки production-систем из-за высокой частоты обновлений flagship-моделей.

Что пока неизвестно / ограничения

Существуют разные оценки последствий: если разработчики видят возможности для быстрой адаптации, то Enterprise-архитекторы предупреждают о рисках нестабильности и сложностях с комплаенсом в условиях сокращающихся жизненных циклов моделей.

Источники

Автор

Look at AI, редакция