Введение
Genspark представила свои разработки на конференции AGI Playground 2026 в Сингапуре, предложив не только новый продукт, но и более широкий тезис о будущем развитии ИИ-приложений.
Продукт — это GenOffice, открытый офисный пакет для Windows и macOS, поддерживающий документы, электронные таблицы, презентации и PDF. Genspark сообщает, что альфа-версия была разработана одним инженером за неделю с использованием примерно 10 000 долларов на токены моделей.
Более широкий тезис прозвучал в разговоре соучредителя и CEO Genspark Эрика Цзина с основателем и CEO GeekPark Джеком Чжаном.
Genspark начинался как продукт для ИИ-поиска, затем трансформировался в универсального Super Agent, а позже расширился до ИИ-рабочего пространства, объединяющего память, агентов, создание контента, офисные инструменты и функции совместной работы.
Основной тезис Цзина: долговременная ценность универсальных ИИ-продуктов заключается не просто в интеграции множества функций в одном интерфейсе, а в объединении рабочего контекста пользователя, позволяющем разным моделям и агентам понимать, чего хочет достичь пользователь, без необходимости повторно объяснять одну и ту же исходную информацию.
Диалог разворачивался вокруг четырёх тем:
- Почему Genspark ушла из сферы ИИ-поиска, получив более пяти миллионов пользователей
- Почему «всё в одном» всё чаще означает общий контекст, а не единый интерфейс
- Почему прикладные компании создают ценность, превращая возможности базовых моделей в удобные продукты
- Почему Цзин верит, что ИИ-прикладные компании в итоге могут достичь масштаба в триллион долларов
Приведённая ниже русскоязычная адаптация сохраняет эту поступательную логику, отделяя при этом собственные показатели и прогнозы Genspark от фактов, подтверждённых независимо.
- Пользователи будут продолжать искать лучшие инструменты — стоять на месте и есть настоящий риск
От поиска к выполнению всего задания
Джек Чжан: Genspark начинала с ИИ-поиска, и, по сообщениям, число пользователей превысило пять миллионов. Почему вы решили уйти от продукта, который уже достиг значительных успехов?
Эрик Цзин: Моя карьера всегда была связана с соединением людей и информации. В 2006 году я пришёл в Microsoft как инженер-программист, и почти двадцать лет своей жизни посвятил работе, связанной с поиском.
Поиск — это, казалось бы, сопоставление людей с информацией, но настоящая цель пользователя редко заключается в том, чтобы найти веб-страницу. Люди ищут, потому что им нужно что-то сделать.
Им может понадобиться сравнить продукты, подготовить презентацию, спланировать поездку, написать отчёт, связаться с поставщиком или принять решение. Поиск часто является лишь одним из шагов в более крупной задаче.
Ранние команды поиска пытались двигаться в этом направлении. Мы исследовали идею превращения Bing в своего рода движок задач, но тогдашние технологии ещё не могли надёжно выполнять весь рабочий процесс.
ChatGPT изменил эту картину. Он показал, что ИИ в конечном счёте способен взять на себя значительную часть повторяющейся работы вокруг задач, позволяя людям сосредоточиться на суждениях и творчестве.
Именно такова изначальная амбиция Genspark: автономный агент, способный выполнять работу от начала до конца.
ИИ-поиск как прагматичная отправная точка
Ранние версии базовых моделей ещё не были достаточны для реализации этого полного видения.
Стартап не может бесконечно ждать появления идеальной технологии. Ему нужно использовать доступные на тот момент возможности, чтобы найти настоящее соответствие продукта рынку.
Два года назад ИИ-поиск был одной из самых очевидных возможностей. Он предлагал полезный продукт, знакомое поведение пользователей и прагматичную отправную точку для построения компании.
Цзин отмечает, что переломный момент наступил, когда Claude Sonnet 3.7 сделал более длинные сквозные агентные рабочие процессы явно более осуществимыми.
С точки зрения компании, переход от ИИ-поиска к агентам — это не отрицание изначального направления, а следующий шаг к той же цели: помочь пользователям выполнять задачи, а не просто находить информацию.
Почему отказ от пяти миллионов пользователей не кажется самым большим риском
Джек Чжан: Пять миллионов пользователей — уже значительная база. Не боялась ли команда, что изменение продукта разрушит то, что уже было достигнуто?
Эрик Цзин: Трансформация — это риск, но стоять на месте — риск ещё больший.
Пользователи не остаются верны некачественному рабочему процессу только из-за привычки. Когда новый инструмент значительно упрощает выполнение важных задач, люди, как правило, переходят после того, как ощущают разницу.
Трансформация прошла относительно гладко, потому что пользователи получили очевидное улучшение.
Им больше не нужно читать сводки и открывать множество источников — они могут просто попросить готовую презентацию. Вместо того чтобы вручную собирать материалы и оформлять их в документ, они могут описать желаемый результат и позволить агенту выполнить большую часть процесса.
Для Цзина главный урок заключается не в том, что трансформация продукта сама по себе безопасна, а в том, что неспособность отреагировать на значительные изменения возможностей может быть опаснее, чем disruption собственного продукта.
ИИ-продуктовый цикл аномально сжат
Быстрая эволюция от чат-ботов к ИИ-поиску, суперагентам и ИИ-рабочим пространствам произошла за чрезвычайно короткий срок.
Цзин объясняет эту скорость двумя силами.
Во-первых, возможности передовых ИИ растут скачкообразно. Традиционное программное обеспечение обычно развивается через постепенное совершенствование продукта, тогда как один крупный релиз модели может внезапно сделать возможными совершенно новые продуктовые рабочие процессы.
Во-вторых, десятилетия цифровой работы уже создали слой данных, необходимый ИИ.
Современные организации накопили:
- Электронные письма
- Записи CRM
- Протоколы встреч
- Облачные документы
- Электронные таблицы
- Историю управления проектами
- Диалоги с клиентской поддержкой
- Календари
- Данные внутреннего программного обеспечения
Эти системы годами генерировали рабочий контекст.
Когда более мощные модели получают доступ к этому контексту, агент может не просто отвечать на общие вопросы. Он способен рассуждать о реальных проектах пользователя, его коллегах, документах, истории и целях.
Цзин описывает эту комбинацию как маховик:
Больше рабочего контекста
↓
Агенты лучше понимают задачи
↓
Агенты выполняют больше полезной работы
↓
Больше работы и обратной связи поступает в систему
↓
Контекст становится богаче
Модели важны, но именно контекст определяет, насколько полезной будет эта модель для конкретного человека или компании.
- ИИ-«всё в одном» по сути является полностековым контекстным слоем
Интерфейс — лишь первый уровень
Джек Чжан: Вы всегда поддерживали интегрированные продукты. Как эта философия меняется в ИИ-нативных продуктах?
Эрик Цзин: Многие успешные продукты — это интегрированные продукты. Поиск предоставил единый вход в информацию. Смартфоны объединили множество функций за одним типом взаимодействия. WeChat объединил коммуникацию, платежи, сервисы и контент в знакомой среде.
В эпоху ИИ единый интерфейс по-прежнему ценен. Пользователи не хотят изучать отдельный продукт для каждой мелочи.
Однако более важная форма интеграции сегодня происходит за интерфейсом.
Настоящий вопрос: могут ли все агенты и инструменты продукта иметь доступ к согласованному пониманию работы пользователя.
Интеграция моделей: выбор правильной модели без принятия решений за пользователя
Цзин ожидает, что базовые модели будут становиться всё более конкурентоспособными и со временем всё более взаимозаменяемыми.
Разные модели могут превосходить других в разных задачах, но пользователь не должен быть вынужден разбираться в каждом бенчмарке, ценнике, ограничении контекста или архитектурной детали в процессе своей повседневной работы.
На мероприятии Цзин продемонстрировал слайд, указывающий на то, что передовые модели стали мощными во многих задачах, но разница в ценах остаётся огромной.
Этот слайд — часть корпоративной презентации, а не независимый бенчмарк. Его цель — проиллюстрировать проблему на уровне продукта: выбор модели стал слишком сложным для большинства пользователей и многих компаний.
Цзин Сяньдун вспомнил анонимное голосование на мероприятии с участием CEO Microsoft, где руководители, по его словам, указали на две повторяющиеся проблемы:
- Они не знают, какого поставщика моделей выбрать.
- Они опасаются, что сотрудники не будут использовать дорогие ИИ-сервисы после их приобретения.
Прикладной уровень может решить обе проблемы.
Он может распределять задачи между различными моделями на основе следующих факторов:
- Возможности
- Стоимость
- Скорость
- Модальность
- Длина контекста
- Надёжность
- Корпоративные политики
Пользователь описывает содержание работы, а платформа решает, какая модель или комбинация моделей должна её обработать.
Интеграция контекста: прощание с копированием работы между приложениями
Второй уровень важнее, чем маршрутизация моделей.
Данные работников умственного труда разбросаны по множеству сервисов. Пользователю, возможно, придётся копировать информацию из электронных писем в документы, извлекать данные из электронных таблиц, восстанавливать решения из протоколов встреч, а затем предоставлять контекст нескольким ИИ-инструментам.
Общий уровень контекста сокращает такое дублирование.
Официально опубликованная архитектура Genspark AI Workspace 6.0 воплощает эту идею через четыре уровня:
- SecondBrain (второй мозг) как уровень памяти
- Super Agent (суперагент) как интеллектуальный движок
- Build, Office и Content Suites (наборы для создания, офиса и контента) как инструменты выполнения
- GenTeam как уровень совместной работы
Цель SecondBrain — собрать воедино материалы из электронных писем, встреч, чатов, документов, приложений и проектов Genspark.
Ожидаемый опыт — не просто «агрегация множества ИИ-инструментов на одном сайте», а единая рабочая среда, в которой инструменты используют достаточно общего контекста, чтобы сохранять согласованность поведения.
Новое определение «всё в одном»
Старое определение «всё в одном» выглядело так:
Одно приложение
+ множество функций
+ один интерфейс
Обновлённое определение в духе AI-нативности ближе к следующему:
Множество рабочих интерфейсов
+ множество моделей и агентов
+ один постоянно общий контекст
+ один уровень оркестрации
Пользователь по-прежнему работает в знакомом программном обеспечении, а не постоянно заходит на центральную страницу.
Ресторанная аналогия Цзина здесь весьма показательна.
Старая модель программного обеспечения требовала, чтобы пользователь пришёл в ресторан. AI-нативная модель может разместить ресторан рядом с пользователем или доставить еду прямо к нему.
Агент может появляться в электронной почте, офисных документах, на рабочем столе или в других знакомых интерфейсах, одновременно записывая полезный контекст в общую систему.
От HTML-слайдов к GenOffice
Слайд-продукт Genspark показывает, как отзывы пользователей помогли компании перейти от одного формата к более широкой платформе.
Изначально компания генерировала ИИ-презентации в формате HTML.
Критики утверждали, что серьёзные бизнес-пользователи ожидают файлы PowerPoint, а не веб-слайды.
Genspark считал HTML естественным выходным форматом для языковых моделей, поскольку он позволяет относительно гибко сочетать контент и вёрстку.
Некоторые пользователи приняли этот онлайн-формат для внутренних коммуникаций, особенно когда для них важнее была быстрая правка и совместный доступ, чем родные файлы.
Дальнейшая эволюция продукта выглядела так:
- Genspark создал генератор HTML-слайдов.
- Пользователи попросили онлайн-редактор.
- Пользователи захотели продолжать редактирование в знакомых локальных офисных приложениях.
- Genspark разработал плагины для Office.
- Пользователи сообщили, что поддержка плагинов может быть медленной и дорогой.
- Команда создала нативный настольный офисный пакет.
Этот пакет в итоге стал GenOffice.
Согласно официальным данным Genspark, это альфа-продукт, охватывающий:
- Документы (Docs)
- Таблицы (Sheets)
- Презентации (Slides)
Основные офисные функции бесплатны и без рекламы. AI-функции используют кредиты Genspark.
Официальный репозиторий GitHub распространяется в основном под лицензией Apache 2.0 и содержит отдельные исключения для будущего корпоративного каталога. В репозиторий входят Electron-приложения для macOS и Windows, общий движок документов, ядро агента, парсеры файлов и уровень абстракции поставщиков моделей.
Genspark утверждает, что первая альфа-версия была создана одним инженером за неделю с использованием токенов моделей на сумму около 10 000 долларов. Это собственная история разработки от компании, а не независимо проверенный инженерный бенчмарк.
Отправная точка почтового клиента — личная боль
Почтовый продукт Genspark прошёл похожий путь.
Цзин интенсивно пользуется электронной почтой и часто испытывает трудности с поиском точного сообщения, вложения или решения, необходимых для выполнения задачи.
Поэтому продуктовая проблема сформулировалась так: зачем размещать агента рядом с почтовым клиентом, если он может находиться внутри него и напрямую понимать входящую и исходящую переписку?
При подготовке к мероприятию Цзин рассказал, что использовал почтового агента для:
- Просмотра своей предыдущей переписки с GeekPark
- Восстановления полного расписания
- Извлечения информации из прикреплённых PDF-файлов
- Добавления мероприятия в календарь
- Написания последующих сообщений в стиле, похожем на его собственный
По отдельности это небольшие задачи, но вместе они составляют значительную часть повседневной интеллектуальной работы.
Возможность возникает, когда продукт достаточно глубоко проникает в реальные рабочие процессы и видит такие детали.
Два продуктовых принципа Genspark
Цзин сводит философию продукта компании к двум правилам.
- Создавайте продукт, которым команда действительно захочет пользоваться
Команда должна быть своим первым серьёзным клиентом.
Сотрудникам нужно честно спросить себя, действительно ли продукт решает их рабочие проблемы, а не предполагать, что другие примут опыт, которым они сами не готовы пользоваться.
- Поиск общих болевых точек множества похожих пользователей
Личная проблема превращается в бизнес-возможность только тогда, когда достаточно много других людей сталкиваются с той же самой проблемой.
Поэтому логика разработки такова:
Решить проблему, которую команда действительно переживает
↓
Использовать продукт в реальной работе
↓
Прислушиваться к повторяющейся внешней обратной связи
↓
Расширять рабочие процессы только тогда, когда потребность реально существует
- Ценность AI-продукта заключается в уровне перевода, а не только в самой модели
Большинство людей до сих пор не используют продвинутых агентов
Затем разговор перешёл от того, на что способны передовые системы, к тому, сколько людей действительно будут их использовать.
Цзин показал иллюстративный слайд, на котором каждая точка представляла около 3,2 миллиона человек. Большинство точек обозначали людей, никогда не использовавших ИИ; меньшая часть — тех, кто пользовался бесплатными чат-ботами; ещё меньшая — тех, кто платил за ИИ; и лишь крайне малая доля использовала продвинутых агентов.
Эту визуализацию следует воспринимать как иллюстрацию для конференционной презентации, а не как точную перепись мирового использования ИИ.
Её продуктовая идея очевидна:
Создайте сайт-витрину и привлекайте лиды за минуты
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Технологии могут развиваться гораздо быстрее, чем пользователи их осваивают.
Компания, обслуживающая только экспертных пользователей, может создать мощный продукт, но так и не охватить гораздо более широкую аудиторию, не знакомую с настройкой агентов, выбором моделей, токен-бюджетами или сложными рабочими процессами.
Идти туда, где пользователи уже работают
Цзин Кунь считает, что ИИ-компании должны снижать нагрузку на обучение пользователей, а не ожидать, что каждый станет ИИ-экспертом.
Сервисы должны появляться там, где пользователи уже находятся:
- Электронная почта
- Документы
- Электронные таблицы
- Презентации
- Десктопные приложения
- Командные чаты
Это также улучшает понимание продуктом своих пользователей.
Когда агент включён в реальный рабочий процесс, он учится из окружающего контекста, а не получает разовые запросы.
Программистские агенты — это суперкары, а массовые продукты должны быть как автопилот
Цзин Кунь сравнил программистских агентов с высокопроизводительными спортивными автомобилями.
Они чрезвычайно мощны в руках разработчиков и исследователей, но пользователь должен уметь ими управлять.
Genspark стремится предоставить аналогичные ключевые возможности в форме, более близкой к автопилоту:
- Пользователю не нужно вручную выбирать каждую модель.
- Агент должен работать в облаке, а не полностью полагаться на локальные вычислительные мощности.
- Инструменты должны автоматически оркестрироваться.
- Интерфейс должен скрывать ненужную сложность.
- Пользователь должен сосредотачиваться на желаемом результате.
Это и есть «уровень перевода».
Он находится между возможностями базовых моделей и человеком, пытающимся выполнить работу.
Этот уровень отвечает за трансформацию:
- Сильных сторон моделей — в маршрутизацию задач
- API — в понятные функции
- Вызовов инструментов — в полноценные рабочие процессы
- Неструктурированного контекста — в полезные действия
- Технического прогресса — в удобный пользовательский опыт
Являются ли компании-агенты просто перепродавцами токенов?
Чжан Цзе: Публичный ARR компании Genspark превысил 250 миллионов долларов. Критики иногда утверждают, что компании-агенты превращаются в тонкий дистрибуционный слой, перепродающий токены моделей. Как вы на это ответите?
Цзин Кунь: Мы не определяем Genspark как «компанию-агента». Изначально это был поисковый продукт, затем его стали описывать как агентный или рабочий продукт, и по мере эволюции продуктовой формы он будет продолжать меняться.
Более полезное определение: это ИИ-компания, построенная вокруг единого интегрированного контекста.
Цзин Кунь также возражает против мнения, что «дистрибуция по своей природе низкоценна».
У многих крупных программных компаний значительная часть доходов приходится на каналы и дистрибуцию. Охват клиентов, интеграция продукта в рабочие процессы, упрощение покупки и использования сложных технологий — всё это само по себе может стать защитным рвом.
Аналогия с рестораном
Цзин Кунь использовал сравнение с индустрией общественного питания:
- Лаборатории базовых моделей подобны поставщикам сырья.
- Профессиональные программистские продукты — это рестораны высокой кухни, специализирующиеся на одном направлении.
- Платформы маршрутизации — это оптовые посредники.
- Genspark хочет стать удобной сетью ресторанов, превращающей разнообразные ингредиенты в блюда, подходящие для клиентов.
Модель — лишь один из ингредиентов.
Прикладные компании создают ценность через:
- Продуктовый дизайн
- Интеграцию контекста
- Инструменты
- Оркестрацию
- Файловые системы
- Дистрибуцию
- Поддержку
- Знание рабочих процессов
- Пользовательский опыт
Цзин сравнивает эти амбиции с ролью Apple в аппаратном обеспечении. Apple закупает множество компонентов, но пользователи не называют её просто дистрибьютором чипов и дисплеев, потому что интеграция создаёт конечный продуктовый опыт.
Genspark стремится к аналогичной форме интеграции поверх модельного уровня.
- Эпоха ИИ может породить прикладные компании стоимостью в триллион долларов
Глобальные продукты требуют общей основы и локальных приоритетов
Genspark рассматривает США, Корею, Японию, Францию, Индию и Бразилию как важные рынки.
Цзин говорит, что компания изучает локальные различия, но пытается абстрагировать их в общие человеческие потребности.
Примеры, упомянутые в разговоре:
- Пользователи в Нью-Йорке, интенсивно работающие с финансами, активно используют электронные таблицы.
- Японские пользователи часто полагаются на презентации и длительные поездки на работу.
- В Корее сильная дизайнерская культура и очень частое использование творческих инструментов.
Внешнее поведение различается, но люди на каждом рынке по-прежнему нуждаются в общении, анализе информации, подготовке документов и выполнении повторяющихся задач.
Продукт может корректировать функциональные приоритеты, не становясь полностью другой системой в каждой стране.
Даже если продукт глобальный, дистрибуция может быть локальной
Genspark также пробует локализованный маркетинг.
Цзин упомянул размещение рекламы в метро Нью-Йорка — пассажиры часто проводят время без стабильного мобильного интернета и поэтому замечают физическую рекламу.
Базовый продукт остаётся глобальным, а дистрибуционная стратегия реагирует на локальную среду.
Это отражает опыт Цзина в области поиска.
Поисковый продукт может обслуживать массы, не зная пользователя лично, потому что он абстрагирует запрос в общий вопрос: сопоставить потребность с соответствующей информацией.
Глобальное ИИ-рабочее пространство также должно распознавать различия, не теряя при этом общую структуру под ними.
Может ли прикладная компания достичь триллионного масштаба?
Цзин по-прежнему верит, что эпоха ИИ может породить прикладную компанию стоимостью в триллион долларов, хотя он неоднократно подчёркивает, что большинство стартапов потерпят неудачу.
Его аргумент опирается на три допущения.
- Стоимость моделей будет продолжать снижаться
Цзин прогнозирует, что стоимость использования моделей, достигающих сегодняшнего уровня возможностей, может снизиться примерно до 1% в течение двух лет.
Это перспективный корпоративный прогноз, а не установленный отраслевой результат.
Более общее направление — снижение стоимости инференса при фиксированном уровне возможностей — разумно и уже видно в некоторых сегментах рынка, но точная цифра в 1% остаётся неопределённой.
- Предложение моделей станет более конкурентным
По мере совершенствования закрытых и открытых моделей у компаний появится больше альтернатив для многих задач.
Модельный уровень остаётся критически важным, но когда несколько провайдеров предлагают сопоставимые результаты, его экономика может стать более похожей на товарную.
- Больше ценности может перейти на продуктовый уровень
Если прикладная компания сможет объединить:
- Множество моделей
- Множество модальностей
- Постоянный пользовательский контекст
- Дистрибуцию
- Выполнение рабочих процессов
- Корпоративное управление
Тогда она сможет выстроить с пользователем более долгосрочные отношения, чем любой отдельный релиз модели.
Такая система будет становиться всё более полезной, потому что каждая выполненная задача создаёт контекст, который улучшает следующую задачу.
Будущий рабочий день: утвердить или отклонить
Долгосрочное видение Цзина состоит в том, чтобы агенты заранее обрабатывали большинство повторяющихся задач.
Рабочий день человека становится более надзорным.
Вместо ручного выполнения каждого шага пользователь в основном принимает решения:
Утвердить и выполнить
или
Отклонить на доработку
Это не реальность большинства организаций сегодня. Это целевая конечная точка, к которой Genspark проектирует.
Корпоративный ИИ переходит от расширения токенов к оптимизации токенов
Перед ответом на вопрос о возрасте основателя Цзин добавил наблюдение о корпоративном ИИ.
Корпоративные обсуждения переходят от «использовать больше
Переход от «токенов» к «более эффективному использованию токенов».
Компании всё чаще обращают внимание на:
- Стоимость выполнения каждой задачи
- Маршрутизацию моделей
- Внедрение моделей с открытым исходным кодом
- Избежание зависимости от одного поставщика
- Уровень adoption среди сотрудников
- Безопасность и контроль
- Возврат на инвестиции
Когда возможности и цены могут быстро меняться, немногие предприятия готовы разместить все свои рабочие процессы на одной модели.
Цзин ожидает, что модели с открытым и закрытым исходным кодом будут сосуществовать в корпоративных системах, а продуктовые платформы будут выбирать между ними на основе качества и стоимости.
Возраст основателя менее важен, чем открытость мышления
Последний вопрос касается предпочтения некоторых инвесторов в пользу очень молодых основателей AI-стартапов.
Цзин не считает биологический возраст основным критерием.
По его мнению, когда опыт застывает в фильтр, отвергающий все незнакомые идеи, он может стать недостатком. Однако опытные люди, которые остаются открытыми, энергичными и готовы напрямую работать с новыми технологиями, могут быть исключительно эффективными.
Поэтому Genspark ищет:
- Открытость
- Внутреннюю мотивацию
- Скорость действий
- Любознательность
- Готовность учиться заново
- Полезный отраслевой опыт
Самая сильная комбинация — это не просто молодость. Это глубокий опыт плюс открытое мышление.
Ключевые выводы из разговора
Это интервью можно свести к нескольким продуктовым принципам, не теряя его основного тезиса.
- Начинайте с существующих возможностей, но сохраняйте более масштабную миссию
Genspark изначально начинал с AI-поиска, потому что это было практично на тот момент. Когда возможности моделей сделали более полноценных агентов реальностью, компания переключилась.
- Суть интеграции — в общем контексте
Размещение множества инструментов в одном интерфейсе полезно. Но то, чтобы эти инструменты понимали одни и те же письма, встречи, документы, решения и предпочтения, — гораздо мощнее.
- Пользователю не нужно быть экспертом по моделям
Платформа должна маршрутизировать задачи на основе производительности, стоимости и политик, представляя при этом понятный пользователю рабочий процесс.
- Прикладной уровень может создавать долгосрочную ценность
Контекст, оркестрация, дизайн рабочих процессов, дистрибуция, обработка файлов и пользовательский опыт — это не тривиальные слои поверх моделей.
- Создавайте в реальной работе
Лучшие возможности часто проявляются только после того, как инструмент попадает в реальные письма, документы, презентации, электронные таблицы или командные рабочие процессы пользователя.
- Относитесь к стоимости как к продуктовой функции
Мощная AI-система должна не просто выполнять задачу. Она также должна выбирать экономически целесообразный путь для её выполнения.
Часто задаваемые вопросы
Что такое Genspark?
Genspark — это единое AI-рабочее пространство, которое эволюционировало из продукта для AI-поиска в платформу, объединяющую суперагентов, память, офисные инструменты, создание контента, создание приложений и командную работу. Официальная архитектура Workspace 6.0 включает SecondBrain, Super Agent, несколько рабочих пакетов и GenTeam.
Почему Genspark отказался от AI-поиска?
Эрик Цзин заявил, что поиск был прагматичной отправной точкой, когда базовые модели ещё не могли надёжно выполнять полные рабочие процессы. По мере того как более мощные модели делали сквозных агентов более жизнеспособными, Genspark перешёл от помощи пользователям в поиске информации к помощи в выполнении целых задач.
Что означает «единый контекст»?
Это означает, что электронные письма, встречи, документы, проекты, предпочтения и предыдущая работа могут быть объединены в постоянный слой контекста, используемый множеством инструментов и агентов. Цель — избавить пользователей от необходимости повторять одну и ту же вводную информацию в каждом приложении.
Использует ли Genspark только одну AI-модель?
Нет. Genspark описывает свой продукт как оркестрацию множества моделей и инструментов, выбирая компоненты в зависимости от задачи. Фактический набор используемых моделей меняется по мере выхода новых систем от провайдеров.
Что такое GenOffice?
GenOffice — это офисный пакет Genspark с открытым исходным кодом в стадии альфа для macOS и Windows. Он включает приложения для работы с документами, электронными таблицами, презентациями и PDF-файлами, а также интегрирует AI-функции Genspark непосредственно в редакторы.
GenOffice полностью бесплатен?
Genspark сообщает, что основной офисный пакет бесплатен, не содержит рекламы и водяных знаков. AI-функции исследований, генерации и анализа используют кредиты Genspark, а в репозитории предусмотрены отдельные условия лицензирования для будущих корпоративных предложений.
Прошёл ли показатель ARR Genspark в 250 миллионов долларов независимый аудит?
Эта цифра была озвучена в интервью и фигурирует в материалах компании и внешних публикациях. Пока не опубликована аудированная финансовая отчётность, её следует рассматривать как показатель годового регулярного дохода, заявленный самой компанией.
Почему Эрик Цзин считает, что компании в сфере AI-приложений могут достичь стоимости в триллион долларов?
Его аргумент заключается в том, что стоимость моделей будет продолжать снижаться, а ценность перейдёт к компаниям, которые интегрируют несколько моделей, сохраняют общий рабочий контекст, достигают пользователей через знакомые рабочие процессы и способны автоматизировать значительную часть повседневной работы. Триллионный результат — это видение и прогноз, а не гарантированный рыночный исход.
Связанные инструменты
- Genspark AI Workspace — основное единое рабочее пространство Genspark для агентов, памяти, офисных задач, творчества и совместной работы.
- GenOffice — официальная страница загрузки настольного офисного пакета Genspark с открытым исходным кодом.
- Репозиторий GenOffice на GitHub — исходный код, релизы, команды разработки, описание архитектуры, лицензирование и руководство для контрибьюторов.
- Genspark Super Agent — no-code слой агентов Genspark для исследований, создания контента, звонков и многошаговой работы.
- GenTeam — слой совместной работы Genspark для взаимодействия людей и AI-агентов в общих диалогах.
- OpenRouter — сервис маршрутизации API для множества моделей, упомянутый в интервью.
Аналогия со слоем дистрибуции в интервью.
Связанные ссылки
- Genspark AI Workspace 6.0 — официальное представление SecondBrain, Super Agent, рабочих пакетов и GenTeam.
- Анонс запуска GenOffice — официальные подробности об альфа-версии, поддерживаемых приложениях, тарифных планах и выпуске с открытым исходным кодом.
- Репозиторий GenOffice на GitHub — официальный код офисного пакета для macOS и Windows.
- Клиентский кейс OpenAI о Genspark — описание перехода Genspark от поиска к Super Agent и использования мультимодальных моделей и инструментов.
- Страница загрузки GenOffice — официальная загрузка для Mac и Windows с информацией о продукте.
- Блог Genspark — официальные анонсы продуктов и обновления компании.
- Artificial Analysis — независимый анализ производительности, скорости и стоимости моделей, полезный при оценке вопросов маршрутизации моделей, обсуждавшихся в интервью.
Резюме
Основной тезис Эрика Цзина заключается в том, что важнейшая форма интеграции в AI — это уже не просто размещение множества инструментов в одном приложении. Более глубокая возможность — создание постоянного унифицированного рабочего контекста, способного поддерживать различные модели, агентов и интерфейсы.
Путь Genspark от поиска к Super Agent, Workspace 6.0, GenMail, SecondBrain и GenOffice — это наглядное воплощение данного тезиса.
Каждая поверхность продукта предоставляет системе ещё одно место для выполнения работы и ещё один источник контекста — при условии, что данные обрабатываются в рамках надлежащего пользовательского контроля, конфиденциальности и корпоративного управления.
Показатели выручки компании, сравнение затрат и прогнозы экономики будущих моделей по-прежнему остаются заявлениями компании или перспективными оценками. Тем не менее продуктовая стратегия ясна: сделать сложность моделей незаметной, встречать пользователя в привычных рабочих процессах и создавать ценность через оркестрацию, контекст и дистрибуцию.
С точки зрения Genspark, универсальный ИИ-продукт, который победит, — это не тот, у которого больше всего кнопок, а тот, который лучше всего понимает релевантный контекст и превращает его в реально выполненную работу.
