Срочная остановка! Gemini 3.5 Pro не удаётся запустить, Google попадает в ловушку разочарования

Еще вчера весь AI-сектор был охвачен эйфорией.

Отовсюду посыпались инсайды: финальное оружие Google — Gemini 3.5 Pro с кодовым названием «Cappuccino» — будет официально запущено в течение 48 часов!

Огромное окно контекста на 2 миллиона токенов, совершенно новый режим «глубокого мышления». По внутренним оценкам, модель уже обошла GPT-5.6 Sol и Claude Fable 5.

Очевидно, это продукт, который вот-вот перевернет весь ландшафт AI.

Все в предвкушении, отсчитывают секунды, готовясь стать свидетелями истории.

Однако пробуждение наступило — и все неожиданно изменилось.

Эксклюзивный репортаж Bloomberg стал ледяным душем и остудил энтузиазм всех: запуск Gemini 3.5 Pro переносится — не на несколько дней, а на месяцы!

Релиз, который должен был войти в историю, был приостановлен самой Google.

Но почему?

48 часов эйфории и экстренное торможение

Еще вчера соцсети были переполнены спойлерами о Gemini 3.5 Pro.

Кодовое имя: Cappuccino. 

Длиннейший контекст: 2 миллиона токенов. 

Глубокое мышление: новый режим «Deep Think» позволил достичь невиданных результатов в математике, программировании и логическом выводе. 

В полном развитии: написание кода, рабочие процессы агентов, дизайн интерфейса, генерация SVG — все это стало в разы лучше.

Инсайдеры прогнозировали: это «финальное оружие» Google в противостоянии OpenAI и Anthropic.

Все ждали мифического релиза 17 июля.

Однако уже этим утром появилась статья Bloomberg, которая моментально разочаровала всех.

Инсайдеры отмечают, что разработка Gemini 3.5 Pro отстает на несколько месяцев. Главная проблема — модель не достигла жестких внутренних стандартов, особенно по части AI-кодинга.

В конце прошлого месяца Google экстренно обновила обучающую выборку, надеясь улучшить способность кодирования, но результат оказался «разочаровывающим».

Четыре иероглифа, ознаменовавшие конец 48-часового ликования.

После этой новости акции Google обрушились, падение составило до 4,43%.

Пока OpenAI и Meta выпускают новые модели с фантастическими способностями к генерации кода, проблемы с Gemini 3.5 Pro усиливают волну тревоги внутри самой Google.

Инженеры, AI-исследователи и топ-менеджеры компании испытывают разочарование — нарастает опасение, что Google теряет и без того не самую прочную защиту от конкурентов.

«Ловушка Тацита» Google: почему лучшие умы не могут создать топовый AI?

Почему же главный козырь не сработал?

Этот материал раскрывает основные внутренние проблемы Google. Это срез жизни огромной империи в эпоху нее перемен.

• Бюрократия замедляет инновации

Отмечается ключевой нюанс: в Google множество уровней и заинтересованных сторон.

Запуск модели должен учитывать потребности сразу нескольких огромных продуктов — поисковика, карт, YouTube и других.

Такой стиль «и то, и другое» ведет к размытой фокусировке и затянутому принятию решений.

Бывшие сотрудники сравнивают это с попыткой «закипятить весь океан»: заставить все отделы работать в одном направлении невозможно.

В результате — постоянная смена приоритетов, дублирование работы, нет единой силы.

OpenAI и Anthropic бегут как стартапы, а «гигантский корабль» Google буксует из-за внутренней координации.

Один из пользователей точно подметил: «Google нужно сокращать свою бюрократию, иначе им не добиться успеха на этом поле».

• AI-кодинг — ахиллесова пята: чистокровие инженеров и жажда ресурсов

Почему же проблема именно в кодинге? Здесь кроется более глубокая драма Google.

С одной стороны, в Google потрясающая инженерная культура — вместе с этим растет и «чистокровный» снобизм.

Многие старые инженеры считают: «Весь важный код должен быть написан человеком». Недоверие к AI-генерации кода ограничило применение Gemini — опасались, что проприетарный код попадет в датасеты.

Когда наконец поняли важность AI-кодинга и обязали использовать AI для написания кода — возникла новая проблема: нехватка вычислительных ресурсов.

Репортаж отмечает, что при попытках инженеров воспользоваться внутренними инструментами AI они сталкивались с постоянными ограничениями по вычислительным ресурсам.

Самый ироничный момент материала: в компании, чей годовой капиталовложений в 2024 году превысит 180–190 миллиардов долларов, собственные инженеры не могут получить доступ к GPU!

По данным Уолл-стрит, капитальные затраты Google в первом квартале 2024 года составили 35,7 млрд долларов — рост более чем вдвое по сравнению с прошлым годом. Огромные траты на покупку чипов и построение дата-центров — и что в итоге?

В этой неразберихе Google пробует наверстать упущенное.

Chief AI Architect централизует AI-инструменты для кодинга на базе Google Antigravity, внутри DeepMind создается спецкоманда AI-программирования. Но уже слишком поздно.

• Внутренние конкурсы, порочный круг потери талантов

В Google прекрасно осознают проблему. У компании — топовые лаборатории Google DeepMind, облако Google Cloud, Android-команда, множество отдельных групп, работающих над AI-кодингом.

Но «конкурсная» система порождает лишь внутренние конфликты.

Команды работают поодиночке, продукты повторяют друг друга, стратегия неустойчива. Все это приводит к потере лучших специалистов.

По данным статьи, многие исследователи, разочарованные отставанием Google, массово переходят в Anthropic и OpenAI.

Возникает порочный круг: бюрократия → снижение эффективности → отставание в продукции → утечка талантов → отставание по технологиям.

Отсрочка Gemini 3.5 Pro стала логичным следствием этой спирали.

Вся отрасль — в тревоге,гиганты массово попадают в «ловушку разочарования новых моделей»

Профессор Уортонской Школы Ethan Mollick, пересказывая статью, выразил тревожную мысль —

Это не трагедия только Google: вся Силиконовая долина сталкивается с очередной «технологической зимой».

Mollick отмечает, что нынешние неудачи Google полностью повторяют опыт Meta Llama 4 и xAI Grok 4.

Он дал этому явлению имя — «ловушка разочарования новых моделей».

Вложения огромных средств и вычислительных мощностей в новые поколения моделей приносят прирост эффективности гораздо меньше, чем ожидалось, и лидерство на рынке теряется.

Раньше отрасль слепо верила в Scaling Law. Но когда размер моделей достигает определенного предела, простое наращивание датасетов и вычислений уже не работает.

Данные исчерпаны: качественных человеческих текстов почти не осталось, приходится использовать синтетические данные, эффективность которых под вопросом.

Алгоритмы на пределе: архитектуры Transformer и их разновидности близки к потолку возможностей. Убывающая отдача: для минимального прироста точности нужно вкладывать экспоненциально растущие ресурсы.

Из всех гигантов только OpenAI с Orion/GPT-4.5 пока не попала в эту яму и не испытала заметного отката в лидерстве.

Понятно одно: с ростом размеров моделей до физических и инженерных пределов их дальнейшее развитие становится все сложнее.

Перенос релиза Gemini 3.5 Pro стал для всех прозрением —

Мы в плато. Бесконтрольная гонка «один день для AI — год для человечества» постепенно сходит на нет.

Для всей индустрии это возможно даже хорошо. Только если стихнет шум, можно по-настоящему задуматься — в чем же истинная ценность AI?

А для Google времени и терпения на этот раз может оказаться слишком мало.