Dlaczego Google mógł po cichu opuścić wyścig AI na rzecz OpenAI i Anthropic

Google już nie ściga się z OpenAI i Anthropic do tego samego celu. Rywale chcą AI, która sama się usprawnia. Google stawia na AI rozumiejącą prawdziwy świat.

Łatwo przeoczyć tę różnicę, bo Google wciąż wypuszcza modele i zarabia. Ale jego najnowszy model zajął 10. miejsce w niezależnym rankingu.

Co Google powiedział, a czego nie powiedział o wyścigu AI

Google wypuściło Gemini 3.6 Flash 21 lipca. Głównym argumentem była szybkość i koszt, nie surowa moc.

Obserwuj nas na X, aby być na bieżąco z najnowszymi informacjami

Jak napisał blog Google, nowy model produkuje o 17% mniej tokenów niż poprzednia wersja. Tokeny to małe fragmenty tekstu generowane przez AI. Mniej tokenów oznacza tańszą odpowiedź.

Moc to co innego. W jednym odczycie indeksu Artificial Analysis model zajął 10. miejsce. Wszystkie duże laboratoria były wyżej.

Google nie stoi w miejscu. Rozpoczął swoją największą dotąd sekwencję trenowania na potrzeby Gemini 4. Większy model, Gemini 3.5 Pro, wciąż jest testowany przez partnerów.

Sundar Pichai wskazuje na inną nagrodę. Połączył mapę drogową AI z agentami personalizowanymi, a nie zwycięstwami w rankingach.

Inwestorzy są mniej spokojni. Akcje Alphabet spadły o 6% w czerwcu, gdy dwóch kluczowych badaczy przeszło do konkurencji.

Wyniki akcji Alphabet (GOOG). Źródło: Yahoo Finance

Na czym polega zakład DeepMind na modele świata

Model świata to AI, która uczy się, jak zachowują się fizyczne rzeczy. Grawitacja, ruch, przyczyna i skutek. Taka AI przewiduje, co wydarzy się w pokoju, a nie jakie będzie kolejne słowo w zdaniu.

Strona internetowa DeepMind wyraźnie pokazuje ten kierunek. Genie 3 i Gemini Robotics są tam pod kategorią modeli świata i ucieleśnionej AI, czyli systemu sterującego maszynami.

W maju laboratorium rozszerzyło Project Genie na Street View. Wypuściło także SIMA 2, agenta uczącego się przez grę w wirtualnych, trójwymiarowych światach.

OpenAI i Anthropic mają zupełnie inny cel. Chcą AI ze zdolnością do rekurencyjnego samo-usprawniania, czyli RSI.

W prostych słowach: to AI tak sprytna, żeby stworzyć kolejną, jeszcze lepszą AI. Ta następna buduje kolejną.

We wtorek publicysta Alberto Romero stwierdził, iż Google celowo zrezygnował z tego wyścigu.

“Hassabis stawia na coś innego: modele świata. Modele rozumiejące i symulujące rzeczywistość, nie tylko przewidujące kolejny token.”

Google oficjalnie niczego takiego nie zadeklarował. Demis Hassabis, szef Google DeepMind, nigdy publicznie nie wykluczył RSI.

Dlaczego współzałożyciel konkurencji uważa, iż DeepMind to wyjątek

Najostrzejsza opinia z zewnątrz pojawiła się kilka miesięcy temu – u konkurenta.

Jack Clark współzałożył Anthropic. 4 maja opublikował esej o kierunku, w jakim zmierza AI.

Podał, iż jest 60% szans na to, iż AI będzie prowadzić własne badania do końca 2028 r. Dla 2027 r. daje 30%.

Clark zapytał, które laboratoria realizują ten cel. Stwierdził, iż DeepMind “wydaje się najbardziej powściągliwe z wielkiej trójki”. Powściągliwy znaczy ostrożny.

Jako dowód podał dokument DeepMind. Cytuje ich publikację z 2025 r. o bezpieczeństwie AI, współautorstwa współzałożyciela Shane’a Legga.

Anthropic jest dużo odważniejszy. W badaniu rekurencyjnego samo-usprawniania wykazał, iż Claude napisał ponad 80% kodu wdrażanego przez firmę do maja 2026 r.

Przed lutym 2025 r. ten udział był bliski zera.

Firma udokumentowała AI tworzącą lepszą AI. W jednym teście prędkości ich modele w kwietniu osiągnęły wynik 52 razy lepszy, wobec 2,9 razy rok wcześniej.

Doświadczony inżynier na taki wzrost dla tej samej czynności potrzebuje od czterech do ośmiu godzin pracy.

Dlaczego Google wcale nie musiał wycofać się z wyścigu AI

Dwa fakty przeczą całemu przekazowi:

• Google prowadzi test, który najdokładniej ocenia umiejętności badawcze w AI.

MLE-Bench prosi model o samodzielne zbudowanie systemów uczenia maszynowego. Model Gemini 3 osiągnął 64,4% w lutym. To był wtedy najlepszy wynik. Google uzyskał dla 3.6 Flash wynik 63,9% w lipcu.

Laboratoria, które opuszczają daną dziedzinę, rzadko wygrywają.

• Google wciąż mocno działa na rynku.

Pichai powiedział inwestorom, iż aplikacja Gemini ma 950 mln użytkowników miesięcznie. Google pominął w tym miesiącu sojusz open AI Nvidii. Podobnie zrobiły OpenAI i Anthropic.

Czy Google może sobie pozwolić na czekanie?

Powody do cierpliwości są proste. Przychody z reklam w wyszukiwarce finansują wszystko inne, więc DeepMind się nie spieszy.

Raport Alphabet pokazuje, iż ta poduszka jest coraz cieńsza.

Przychody w kwartale zakończonym w czerwcu wyniosły 119,8 mld USD, wzrosły o 24%, według wyników złożonych 22 lipca. Sama wyszukiwarka przyniosła 63,3 mld USD.

Potem zaczynają się wydatki. Alphabet wydał 44,9 mld USD na centra danych i sprzęt w trzy miesiące. To prawie dwa razy więcej rok wcześniej.

Efektem był ujemny wolny przepływ gotówki w wysokości 5,86 mld USD. Wolny przepływ gotówki to kwota po opłaceniu inwestycji.

Ten wskaźnik wyniósł 10,1 mld USD na plusie w marcu. W grudniu był na plusie o 24,6 mld USD.

Alphabet pokrył różnicę, sprzedając 49,6 mld USD nowych akcji w czerwcu. Pożyczył kolejne 20,3 mld USD.

Dług długoterminowy podwoił się w pół roku – z 46,5 mld USD do 98,2 mld USD.

Linia w sprawozdaniu dotycząca wspólnych badań AI przyniosła stratę 5,79 mld USD, wobec 3,37 mld USD wcześniej. Teraz cierpliwość zwiększa koszty.

Na co zwrócić uwagę w najbliższych 30 dniach

• Czy Gemini 3.5 Pro trafi do użytkowników i jak zostanie oceniony
• Czy DeepMind pokaże wyniki modeli świata powiązane z Gemini 4
• Czy przepływy gotówkowe Alphabet znów będą dodatnie we wrześniu
• Czy Hassabis odpowie wprost na pytanie o unowocześnianie modeli

Gemini 4 to prawdziwy test. jeżeli modele świata zadziałają tam, gdzie agenci kodujący się blokują, wolniejsze tempo okaże się mądre, nie zalęknione.

Kolejny raport finansowy pokaże, jak długo Alphabet może płacić, by się o tym przekonać.

BeInCrypto Polska - Dlaczego Google mógł po cichu opuścić wyścig AI na rzecz OpenAI i Anthropic