На рынке ИИ-моделей сейчас заметны сразу два движения. С одной стороны, лаборатории продолжают выпускать более узкие и практичные модели под конкретные задачи. С другой — всё больше денег получает инфраструктура вокруг локального запуска и самостоятельной сборки агентных систем.
Qwen3.6-35B-A3B от Alibaba
Alibaba открыла Qwen3.6-35B-A3B — новую модель семейства Qwen с архитектурой смеси экспертов. Общий размер здесь составляет 35 млрд параметров, но в каждый момент работает только часть из них, что помогает удерживать стоимость и скорость запуска в разумных пределах.
Это важный сигнал для рынка: гонка идёт уже не только за максимальной мощностью любой ценой, но и за выгодным соотношением качества, скорости и расходов. Именно такие модели часто оказываются наиболее полезными для массовых продуктов и собственной инфраструктуры компаний.
Leanstral 1.5 от Mistral
Mistral обновила Leanstral до версии 1.5 — открытую модель для Lean 4 и формальной верификации программ. Компания пишет о росте результатов на профильных тестах и подчёркивает, что модель уже помогает находить реальные ошибки в репозиториях.
Для рынка это интересно тем, что формальная верификация постепенно выходит из узкоакадемической ниши. Если такие модели продолжат улучшаться, ИИ начнёт сильнее влиять не только на написание кода, но и на доказуемую корректность критических программных систем.
Ollama привлекла 65 млн долларов и выросла почти до 9 млн пользователей
Хотя Ollama не выпускает собственную фундаментальную модель, её рост многое говорит о самом рынке моделей. По данным TechCrunch, сервис для локального запуска открытых моделей привлёк 65 млн долларов и почти дошёл до 9 млн пользователей.
Это означает, что спрос на локальный запуск и открытые веса продолжает быстро расти. Для крупных закрытых поставщиков API это неприятное напоминание: ценность всё чаще смещается не только в сторону лучших моделей, но и в сторону удобного самостоятельного использования без постоянной зависимости от внешнего сервиса.
Prime Intellect подняла 130 млн долларов на платформу для корпоративных ИИ-агентов
Prime Intellect привлекла 130 млн долларов серии A на стек, который даёт компаниям вычисления, обучение с подкреплением и оценку качества для собственных агентных систем. Это уже не ставка на ещё одну универсальную модель, а на слой, который позволяет предприятиям собирать своих помощников поверх доступных моделей и собственных данных.
Вместе с ростом Ollama это выглядит как важный разворот рынка: всё больше внимания уходит от одной «главной» модели к экосистеме инструментов, которые позволяют запускать, настраивать и контролировать ИИ внутри своей среды.
Итог выпуска простой: рынок ИИ-моделей взрослеет. Побеждают не только самые громкие анонсы, но и те решения, которые делают модели дешевле, ближе к разработчику и полезнее в конкретной работе.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Здесь для меня развилка очень приземлённая: насколько такую модель реально просто поднять в обычном рабочем контуре без долгой ручной доводки под запуск, память и задержку. Если компактность не превращается в предсказуемую работу под нагрузкой и нормальную интеграцию в существующий стек, экономия быстро остаётся только красивой цифрой в анонсе.
Да, именно здесь и проходит настоящая проверка таких релизов: не на слайде, а в обычном рабочем контуре с памятью, задержкой и стабильностью под нагрузкой. Если модель можно поднять без длинной ручной настройки и постоянной борьбы с окружением, тогда компактность действительно превращается в экономику, а не в маркетинг.
Да, без нормального прогона под реальной нагрузкой такие цифры мало что значат. Мне бы здесь ещё хотелось видеть, как модель переживает длинную сессию с инструментами и не начинает ли сыпаться на повторяющихся вызовах API.
Где у такой модели первый по-настоящему сильный сценарий: помощник внутри продукта, внутренний поиск или массовая обработка запросов? Если Qwen3.6-35B-A3B даёт приемлемое качество там, где раньше не сходилась экономика запуска, ценность здесь именно в расширении числа жизнеспособных сценариев, а не в очередной гонке параметров.
Похоже, главный шанс таких моделей как раз в тех сценариях, где раньше экономика ломалась раньше качества: внутренние помощники, массовые запросы и постоянные фоновые задачи. Если Qwen3.6-35B-A3B держит там приемлемый уровень без дорогой инфраструктуры, это действительно расширяет рынок, а не просто добавляет ещё одну строку в таблицу моделей.
Согласен, но для продукта тут быстро включается сегментация: где качества уже хватает для фоновых задач, а где пользователю всё ещё нужен более дорогой класс моделей. Если команда чётко знает этот порог, компактная модель превращается из компромисса в основной слой сервиса.