Стартапы в области мировых моделей привлекают миллиарды, скрывая, что именно строят

Стартапы в области мировых моделей располагают колоссальными раундами финансирования и колоссальным ажиотажем — и почти никому, включая собственных поставщиков данных, не рассказывают, что именно строят.

Ключевые выводы

• Компании, создающие мировые модели — ИИ-системы, симулирующие физические или интерактивные среды, — привлекают крупные раунды, почти ничего не раскрывая о своих архитектурах или пайплайнах обучения.
• Секретность распространяется на партнёров по данным и поставщиков, которые зачастую не могут подтвердить, для чего используются их активы.
• Для авторов, работающих с ИИ-артом и генерацией изображений, эта непрозрачность имеет прямое значение: ожидается, что мировые модели станут основой инструментов генерации следующего поколения — для видео, 3D и интерактивных сцен.
• Без публичных бенчмарков или технических раскрытий авторы не могут оценить техническую состоятельность платформ, прежде чем встраивать их в свои рабочие процессы.
• Эта закономерность перекликается с ранней секретностью вокруг диффузионных моделей в 2022–23 годах, когда закрытые пайплайны впоследствии оказались с существенными пробелами в обучающих данных и качестве.

Информационная стена вокруг мировых моделей

По данным TechCrunch, непрозрачность в этом секторе необычна даже по меркам ИИ-индустрии. Основатели отказываются описывать свои архитектуры. Поставщики данных говорят, что подписали соглашения, но не имеют никакого представления о том, как используется их контент. Потенциальных корпоративных клиентов просят подтвердить интерес, не предоставляя им технической документации.

Мировые модели — ИИ-системы, обученные симулировать среды, физику или интерактивные сцены, а не просто генерировать статичные результаты, — позиционируются как инфраструктурный слой под будущими генеративными инструментами. Это делает секретность напрямую актуальной для всех, кто сегодня строит на основе ИИ-генерации изображений или видео. Если базовые платформы мировых моделей непрозрачны в отношении своих обучающих данных, авторы, которые в конечном счёте будут зависеть от этих систем, унаследуют те же правовые и качественные риски — без информации, необходимой для их оценки.

Кто платит и кто получает прибыль, когда ничего не раскрывается

Динамику финансирования здесь стоит назвать прямо. Инвесторы оценивают эти компании исходя из видения и команды, а не из проверяемых технических заявлений — потому что проверяемых технических заявлений почти нет. Для венчурного раунда это приемлемая позиция, но она перекладывает риск на нижние звенья цепочки. Предприятия, интегрирующие API мировых моделей в производственные пайплайны, и творческие инструменты, построенные поверх них, в конечном счёте должны будут разобраться, что именно находится внутри этих систем.

Поставщики данных находятся в особенно слабой позиции. Когда компания не может сказать вам, что именно обучает ваши данные, вы не можете полноценно вести переговоры о роялти, атрибуции или эксклюзивности. Спор Microsoft и OpenAI о скрейпинге показал, насколько серьёзно могут обостриться споры об источниках данных, когда они выходят на уровень судебных разбирательств, — а компании мировых моделей накапливают ту же скрытую уязвимость за значительно более толстой стеной молчания.

Секретность также исключает независимую оценку безопасности, которая стала предметом острых дискуссий на переднем крае. Стремление Anthropic к сторонним аудитам и собственные раскрытые инциденты с рассогласованием OpenAI по меньшей мере создали некоторую публичную летопись. Компании мировых моделей, напротив, не создают никакой летописи вообще.

Чего эта непрозрачность стоит ИИ-авторам прямо сейчас

Для авторов, использующих инструменты ИИ-генерации изображений и видео на таких платформах, как генератор ИИ Charmloop, практическое следствие — пробел в должной осмотрительности. Когда новый генеративный инструмент объявляет о возможностях мировых моделей — более богатой 3D-согласованности, постоянной памяти сцен, генерации интерактивных сред — публичного бенчмарка или раскрытия архитектуры, с которым можно было бы сопоставить это заявление, в настоящее время не существует. Авторов просят тестировать и принимать на веру.

Это не беспрецедентно. Волна диффузионных моделей 2022–23 годов породила схожую картину: закрытые пайплайны, спорные обучающие данные и пробелы в качестве, которые стали видны лишь после того, как авторы уже выстроили рабочие процессы вокруг конкретных инструментов. Разница сейчас — в масштабе. Компании мировых моделей привлекают финансирование при оценках, подразумевающих, что они станут инфраструктурой, а не просто приложениями, — а значит, непрозрачность усиливается по мере продвижения вниз по стеку.

Конкретная зависимость, за которой стоит следить, — публикация бенчмарков. До тех пор пока компании мировых моделей не выпустят воспроизводимые оценки — по согласованности сцен, физической правдоподобности и происхождению обучающих данных — авторы и платформы, строящие поверх них, работают без информации, необходимой для обоснованного выбора. Вопрос, который определяет временны́е рамки, — что вынудит к этому раскрытию первым: конкурентное давление или регуляторный контроль.