ИИ-модели: пока лаборатории спорили о безопасности, Google тихо выпустил модель, предсказывающую будущее · 01.09.2026
ИИ-модели: пока лаборатории спорили о безопасности, Google тихо выпустил модель, предсказывающую будущее · 01.09.2026
Неделя выдалась странной: громких релизов больших языковых моделей нет, зато Google Research выпустил TimesFM-3 — фундаментальную модель для прогнозирования временных рядов, а OpenAI перевела разговор об ИИ в плоскость рекламы и подростковой безопасности. Индустрия явно переживает фазу «между прорывами».
TimesFM-3: LLM-подход к временным рядам
Google Research представил TimesFM-3 — foundation model (фундаментальную модель) для многомерного прогнозирования временных рядов в режиме zero-shot (без дополнительного обучения на данных пользователя). Это продолжение линии TimesFM: идея в том, чтобы применить к прогнозированию ту же логику, что сделала LLM доминирующими — одна предобученная модель, которая работает «из коробки» на новых задачах [3].
Почему это важно: прогнозирование — traditionally (традиционно) вотчина узкоспециализированных статистических моделей. Если zero-shot подход приживётся, аналитики спроса, финансов и логистики перестанут обучать модели под каждый датасет. Это тихая, но потенциально массовая автоматизация.
На мой взгляд, направление недооценено. Внимание приковано к чат-ботам, а реальный экономический эффект от «универсального предсказателя» для бизнеса может оказаться сопоставимым — просто его не видно в лентах новостей.
OpenAI: монетизация вместо архитектур
ChatGPT Ads достигла выручки в размере 1 миллиарда долларов в годовом исчислении (annualized revenue run rate) и расширяется глобально. OpenAI подаёт это как часть стратегии широкого доступа к ИИ: реклама субсидирует бесплатные и дешёвые тарифы [1].
Это важный сигнал для категории моделей: если реклама становится опорой бизнес-модели, растёт давление на скорость инференса и стоимость токенов, а не только на качество. Экономика модели начинает определять её архитектурные приоритеты.
Регулирование как фактор релизов
OpenAI публично поддержала законопроект Калифорнии SB 1119 о мерах безопасности ИИ для подростков: возрастные ограничения при сохранении доступа к обучению и творчеству [2]. Показательно, что лаборатория сама инициирует регуляторную повестку — похоже, индустрия предпочитает «мягкое» регулирование, написанное при её участии, рискам жёсткого внешнего.
Итог
На этой неделе категория «ИИ-модели» сместилась от гонки параметров к инфраструктуре вокруг моделей: монетизация, доступ, регулирование и прикладные архитектуры вроде TimesFM-3. Ждём следующего витка крупных релизов LLM — а пока узкие фундаментальные модели и экономика доступа определяют повестку.
Источники
- A milestone in expanding access to AI — OpenAI Blog
- OpenAI supports California's bill to advance youth AI safety — OpenAI Blog
- TimesFM-3: A zero-shot foundation model for multivariate forecasting — Google Research Blog
FAQ
Чем zero-shot прогнозирование отличается от классического?
Классические модели временных рядов обучаются под конкретный датасет. Zero-shot модель предобучена на огромном корпусе рядов и выдаёт прогноз на новых данных без дообучения — как LLM отвечает на незнакомый вопрос.
Почему реклама в ChatGPT влияет на разработку моделей?
Рекламная модель монетизации требует дешёвого и быстрого инференса для миллионов бесплатных пользователей — это смещает приоритеты архитектур от максимального качества к эффективности.
Что значит annualized revenue run rate?
Это годовой прогноз выручки, рассчитанный путём экстраполяции текущих показателей за короткий период (например, месячная выручка, умноженная на 12).
Зачем OpenAI сама поддерживает регулирование?
Участвуя в написании правил, компания может влиять на их жёсткость и заранее снизить риск более строгих внешних ограничений.
Кому практически полезен TimesFM-3?
Задачам прогнозирования спроса, запасов, финансовых и операционных метрик — везде, где раньше требовалось обучение отдельной модели под каждый ряд данных.