Google – из лидера в аутсайдеры
Это удивительно, но как, имея все – можно слить решительное преимущество в выгребную яму?
Полный технологический стек, собственные процессоры, развитая инфраструктура и экосистема, лучшие в мире инженеры в DeepMind, безлимитный запас кэша для финансирования любых инициатив (лишь бы были идеи), неограниченные накопленные датасеты по данным и пользовательскому опыту на основе индексации интернета за 25 лет и действий миллиардов пользователей.
Google имела все, чтобы быть лидером, но заскамилась до третьеразрядной ИИ-компании, где даже бесплатный Deepseek имеет сопоставимую производительность.
Из собственного опыта могу подтвердить – LLMs от Google являются слабейшими для научно-исследовательских проектов и агентных сценариев. Они вообще не предназначены ни для чего, кроме режима «вопрос-ответ» и примитивного выделения сущностей из данных.
Уже с февраля нет обновлений флагманской модели и неизвестно, когда будет.
В отчете Google не считает победу на модельном фронтире гарантированной, признавая, что уступает конкурентам по флагманским LLMs и особенно в агентном режиме. Ну хоть на этом спасибо, что признают слив.
Про задержку Gemini 3.5 pro нет подробностей, но сказали, что «начат самый амбициозный цикл предварительного обучения в истории Gemini для внедрения Gemini 4 с целью возвращения в лидеры».
Перевожу на понятный язык. «Начали предварительное обучение» означает, что в ближайшие полгода от Google ничего интересного не будет, а учитывая ужесточение процедуры согласования моделей в последнее время (кейс OpenAI и Anthropic), не исключено, что и до весны 2027 будет пусто.
Срыв релиза Gemini 3.5 Pro, вероятно, связан с проблемами качества и производительности – выпускать заведомо более слабую модель – расписаться в собственной профнепригодности, как лидера ИИ-индустрии.
Интересные факты из отчета (связывал с прошлыми отчетами для оценки тенденций).
–API моделей Gemini в 2кв26 достигли 22 млрд токенов в минуту в 2кв26 по сравнению с 15 млрд в 1кв26, свыше 10 млрд токенов в минуту в 4кв25 vs 7 млрд в 3кв25 и 5 млрд в 2кв25 и 2.5 млрд в 1кв25 в рамках API. Рост почти на порядок с начала 2025 года (момент внедрения рассуждающих моделей).
– Backlog Google Cloud увеличился с $240 млрд в 4кв25 до $514 млрд в 2кв26, то есть более чем вдвое.
– Более 9 млн разработчиков ежемесячно создавали продукты на моделях Google;
– Gemini App достиг 950 млн активных пользователей в месяц vs 750 млн в 4кв25 и утроение за год;
– AI Mode превысил 1 млрд активных пользователей в месяц;
– Antigravity достиг 2.4 млн активных пользователей в неделю vs 1.5 млн разработчиков в 4кв25;
– Почти 500 клиентов Cloud обработали более 1 трлн токенов каждый, а кварталом ранее 330 клиентов Cloud обработали более 1 трлн токенов каждый за 12 месяцев;
– Более 2 тыс. компаний использовали свыше 100 млрд токенов;
– Почти 90% компаний Fortune 100 использовали Gemini Enterprise;
– Google впервые начала поставлять системы TPU непосредственно в дата-центры клиентов.
Google назвал Flash рабочей моделью, то есть основной моделью массового применения. Её ценность определяется не максимальным результатом на одном тесте, а сочетанием: качества, стоимости, задержки, стабильности, скорости, возможности массового развертывания.
Google пытается уйти от конкуренции исключительно по цене токена в сторону конкуренции по стоимости решения целиком.
В корпоративных решениях LLM становится лишь одним из компонентов. Клиент покупает не просто доступ к Gemini, а законченную систему: подключение к корпоративным данным по безопасному каналу, управление доступом с делегированием прав, оркестрацию агентов, безопасность шлюзов на вход и выход, мониторинг выполнения, контроль расходов, управление жизненным циклом.
Пока не особо убедительно.
Зная пиковое использование токенов, примерное распределение среди моделей (в пользу более быстрых и дешевых), пропорцию вход/выход (80 на 20), квартальный потенциал от API оценивается в $1.5-2 млрд.
