Компания Safe Superintelligence уже более двух лет почти ничего не раскрывает о том, что строит. Эта тишина, возможно, скоро изменится. Гэви...
Компания Safe Superintelligence Inc. более двух лет хранила молчание о том, над чем работает.
Эта тишина может скоро закончиться.
Гэвин Бейкер, управляющий партнёр и главный инвестиционный директор Atreides Management, в недавнем разговоре с инвестором и ведущим подкаста Патриком О'Шонесси заявил, что SSI сообщила о планах выпустить модель в августе.
Это заявление сразу привлекло внимание, поскольку SSI никогда ранее публично не объявляла конкретных дат выпуска моделей.
SSI была основана в 2024 году бывшим главным учёным OpenAI Ильёй Суцкевером, Дэниелом Гроссом и Дэниелом Леви и построена вокруг необычно сфокусированной миссии. На её официальном сайте компания до сих пор описывает себя как лабораторию, которая «мчится по прямой», имея одну цель и один продукт: безопасный сверхинтеллект.
Именно поэтому любое обсуждение первой модели приобретает особую значимость.
Однако с самого начала необходимо прояснить ключевое различие:
По состоянию на 7 августа 2026 года SSI сама не публиковала никаких официальных заявлений на своём веб-сайте, подтверждающих выпуск модели в августе.
Августовский срок исходит из заявления Бейкера, а не из официального уведомления SSI.
Если информация Бейкера точна, это будет первый случай, когда внешний мир сможет увидеть технические результаты одной из самых загадочных и вызывающих интерес передовых ИИ-лабораторий.
Это ключевое заявление было сделано почти вскользь в ходе более широкой дискуссии об ИИ-инфраструктуре, спросе на полупроводники, непрерывном обучении и эффективности обучения на выборках.
Бейкер считает, что если модели смогут эффективно обучаться после развёртывания, а не полагаться в основном на масштабное предварительное обучение, экономический ландшафт передового ИИ может кардинально измениться.
Развивая эту мысль, он сообщил, что SSI заявила о намерении «выпустить» модель в августе.
Это заявление оставляет множество вопросов без ответа.
Оно не сообщает нам:
без изменений
Исходная статья интерпретирует это заявление как первый выпуск модели от SSI.
Это разумная интерпретация, однако конкретная форма выпуска остаётся неизвестной.
Официальное заявление о миссии SSI необычно прямолинейно.
Компания заявляет, что была создана для достижения безопасного сверхинтеллекта без влияния следующих факторов:
Её публичная дорожная карта — это не ряд чат-ботов, инструментов для программирования, поисковых продуктов или корпоративных сервисов.
Её заявленная дорожная карта — это сам безопасный сверхинтеллект.
Именно поэтому августовское заявление вызывает столько спекуляций.
Если SSI выпустит традиционную передовую модель до достижения сверхинтеллекта, это может указывать на то, что продуктовая стратегия компании изменилась.
Если же модель — это лишь демонстрация исследовательских разработок SSI, то такой выпуск может быть направлен на демонстрацию прогресса, а не на запуск широкой коммерческой платформы.
На данный момент обе интерпретации остаются лишь предположениями.
Фраза о выпуске модели прозвучала в ходе обсуждения Бейкером непрерывного обучения и эффективности обучения на выборках.
Эти два исследовательских направления могут иметь для экономики ИИ большее значение, чем любой результат бенчмарков.
Типичные фундаментальные модели обучаются большими этапами.
Упрощённый процесс выглядит так:
Развёрнутая модель может использовать информацию из своего контекстного окна или внешней памяти, но её базовые веса обычно не обновляются непрерывно от каждого взаимодействия.
Непрерывное обучение ставит перед собой гораздо более амбициозную цель.
Система непрерывного обучения со временем постоянно приобретает полезные способности или знания, не требуя перестройки с нуля и не испытывая катастрофического забывания уже имеющихся знаний.
Для этого необходимо решить несколько сложных задач:
Таким образом, модель, способная непрерывно обучаться в реальном мире, будет гораздо большим, чем просто чат-бот с долговременной памятью.
Эффективность выборок — это способность обучаться на меньшем количестве примеров.
Человеку обычно достаточно увидеть демонстрацию один или два раза, чтобы понять новое правило.
Современным передовым моделям часто требуются колоссальные объёмы обучающих данных и вычислительных мощностей для достижения широкого улучшения способностей.
Модель с более высокой эффективностью выборок может извлекать больше обучающей ценности из каждого элемента:
Если
непрерывное обучение и эффективность выборок будут расти совместно, роль предварительного обучения может измениться.
Вместо того чтобы создавать почти все способности до развёртывания, лаборатории, возможно, смогут обучить мощную фундаментальную модель, а затем позволить ей совершенствоваться через опыт.
Бейкер связывает это направление исследований со спросом на полупроводники.
Его основная идея такова:
Масштабное разовое предварительное обучение
↓
Развёртывание модели
↓
Модель эффективно учится на опыте реального мира
↓
Снижение потребности в повторных гигантских переобучениях
В таком сценарии традиционное передовое предварительное обучение может стать меньшей частью общих ИИ-вычислений.
Более важную роль могут играть инференс и непрерывное обучение.
com/cms-assets/image/2026/08/978abe63-4b06-4c22-b491-72bdbd9f94ed-39b95ad5-109d-47b5-b0a1-c1c78a939098.png)
Бейкер описывает это как потенциальный разрыв в потребностях обучения.
Это инвестиционный тезис, а не установленный технический вывод.
Чтобы этот сценарий стал реальностью, необходимо выполнение нескольких условий:
Даже в этом случае общие вычислительные потребности не обязательно снизятся.
Модель, которая становится значительно полезнее после развертывания, может порождать больше потребностей в инференсе, активности агентов, симуляциях, генерации данных и нагрузках на обучение с подкреплением.
Структура вычислительных мощностей может измениться, но общий рынок не обязательно сократится.
В исходной статье повторяется поразительное числовое сравнение из обсуждения Бейкера: ранние примеры моделей — примерно десятки миллиардов токенов, тогда как современные масштабы обучения достигают сотен триллионов.
Это сравнение не следует воспринимать как проверенные исторические данные об обучении Llama.
Официальная документация Meta указывает:
Сам Бейкер также называл меньшие цифры как сведения, полученные из разговоров, а не как официальные данные из карточек моделей.
Аналогично, передовые лаборатории не раскрывают полное количество токенов обучения для каждой текущей проприетарной модели.
Даже без опоры на точное сравнение «20 миллиардов против 300 триллионов» основная мысль остается верной:
Разработка передовых моделей все сильнее зависит от огромных наборов данных и значительных вычислительных мощностей, поэтому прорыв, позволяющий развернутым системам эффективно учиться на меньшем объеме нового опыта, может существенно изменить экономическую структуру ИИ-инфраструктуры.
NVIDIA выигрывает от множества различных видов ИИ-нагрузок:
Сокращение одной категории не означает автоматического снижения общего спроса на ускорители.
Именно поэтому Бейкер описывает постоянное обучение как сценарий, который стоит подвергнуть стресс-тестированию, а не как уверенный прогноз.
Бейкер записал этот разговор в период значительного ослабления акций, связанных с искусственным интеллектом.
В своем посте в социальных сетях, где он продвигал это интервью, он отметил, что на момент записи «ИИ-сектор» упал примерно на 35–40% от июньских максимумов.
Источник в BAAI сравнил скорость этой коррекции со сжатием медвежьего рынка 2022 года в более короткий промежуток времени.
Целью Бейкера в разговоре был поиск доказательств того, ухудшилась ли базовая инвестиционная логика ИИ.
Он обсуждал следующие показатели:
Его аргумент не в том, что рынок не может упасть дальше.
А в том, что настоящий технологический разрыв — например, эффективное постоянное обучение — может иметь большее значение для долгосрочной логики вычислений, чем краткосрочные колебания цен на акции.
Источник потратил значительное время на объяснение того, почему комментарии Бейкера об SSI привлекли внимание.
Бейкер не является сотрудником или официальным представителем SSI.
Он публичный рыночный инвестор.
В настоящее время он занимает должность управляющего партнера и главного инвестиционного директора Atreides Management, компании, которую он основал в 2019 году.
Ранее он работал в Fidelity Investments с 1999 по 2017 год.
Его должности там включали:
Его многолетний опыт в полупроводниковой отрасли особенно актуален для этого обсуждения, поскольку Бейкер следил за NVIDIA в течение нескольких вычислительных эпох.
Эти эпохи включают:
На конференции NVIDIA GTC 2026 года Джен-Сун Хуан публично представил Бейкера как первого крупного институционального инвестора NVIDIA.
Это утверждение можно независимо проверить по записям собственных выступлений NVIDIA на GTC.
Источник также подчеркнул обширную сеть контактов Бейкера среди технологических компаний, основателей, инвесторов и в полупроводниковой экосистеме.
Такие связи могут объяснить, почему участники рынка серьезно отнеслись к случайному комментарию об SSI.
Но это все равно не означает, что это заявление приравнивается к корпоративному объявлению.
Правильная иерархия доказательств такова:
| Источник | Надежность в отношении даты запуска SSI |
|---|---|
| Официальное объявление SSI | Наивысшая |
| Прямые заявления Ильи Суцкевера или руководства SSI | Очень высокая |
| Совместное объявление NVIDIA с указанием запуска | Высокая, если конкретно |
| Описание Гэвином Бейкером слов SSI | Заслуживающий доверия вторичный источник |
| Репосты комментариев Бейкера в соцсетях | Вторичный источник |
| Анонимные предположения | Низкая |
По состоянию на 7 августа доказательства остаются на уровне «заслуживающего доверия вторичного источника».
Загадочность SSI — одна из причин, почему внешние ожидания настолько высоки.
Компания была основана в июне 2024 года:
Суцкевер ранее соучредил OpenAI и был там главным научным сотрудником.
SSI первоначально привлекла около 1 миллиарда долларов.
По сообщениям, раунд в конце 2025 года принес еще 2 миллиарда долларов, при этом оценка компании составила около 32 миллиардов долларов.
В июле 2026 года NVIDIA и SSI объявили о новом стратегическом партнерстве.
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.
Reuters затем со ссылкой на источники сообщила, что инвестиции NVIDIA составили около 5 миллиардов долларов, хотя обе компании назвали инвестиции значительными, не раскрывая конкретные финансовые суммы в официальных объявлениях.
Такая комбинация необычна для отрасли:
В результате воспринимаемая ценность компании во многом зависит от доверия к ее исследовательской команде и вероятности того, что ее подход может существенно отличаться от основного пути передовых моделей.
Объявление NVIDIA–SSI от 27 июля дало один из самых сильных публичных сигналов о том, что SSI считает, что перешла в новую фазу.
NVIDIA заявила, что вступила в это партнерство после получения редкого доступа к строго конфиденциальным исследованиям SSI.
Компании объявили:
Суцкевер заявил, что у SSI есть исследования, «заслуживающие масштабирования».
В заявлении по-прежнему не раскрываются:
Но он действительно подтверждает, что SSI перешла от чисто исследовательской деятельности к масштабированию направления, которое она считает перспективным.
Платформа Vera Rubin от NVIDIA — это архитектура искусственного интеллекта следующего поколения компании.
NVIDIA заявляет, что Rubin улучшает:
Что касается конкретно SSI, в официальном объявлении о партнёрстве говорится, что сочетание инвестиций и доступа к Vera Rubin увеличит вычислительные мощности компании на порядок величины.
Именно отсюда происходит широко распространённое утверждение о «10-кратных вычислениях».
Формулировка имеет значение.
NVIDIA не заявляла, что SSI получит ровно в 10 раз больше GPU.
Она заявила, что партнёрство
увеличит общую вычислительную мощность SSI на порядок величины.
Сроки, естественно, порождают спекуляции.
Хронология выглядит следующим образом:
| Дата | Событие |
|---|---|
| Июнь 2024 | Основание SSI |
| 2024–2025 | SSI привлекает миллиарды долларов |
| 27 июля 2026 | SSI и NVIDIA объявляют о долгосрочном стратегическом партнёрстве |
| 27 июля 2026 | NVIDIA заявляет, что SSI получит доступ к Vera Rubin и примерно 10-кратным вычислительным мощностям |
| 4 августа 2026 | Комментарии Gavin Baker об августовской модели начинают широко распространяться |
| 7 августа 2026 | Публичных объявлений о выпуске модели SSI нет |
Партнёрство с NVIDIA может поддержать предстоящий выпуск модели или будущие этапы расширения.
В настоящее время нет публичных доказательств того, что аппаратное соглашение было подписано специально для поддержки августовского релиза.
Более обоснованный вывод таков:
Это партнёрство предоставило SSI значительно увеличенную инфраструктуру в то же время, когда влиятельный инвестор заявил, что компания может выпустить модель, однако связь между этими событиями официально не объяснена.
Затем источник переключается с SSI на более широкое наблюдение Baker о ИИ и финансовых рынках.
Он сравнил Claude с Уолтером Кронкайтом — влиятельным американским тележурналистом, ассоциировавшимся с высоким уровнем общественного доверия в эпоху телевещания.
Взгляд Baker заключается не в том, что Claude действительно определяет рыночную истину.
Он описывает возможную потерю разнообразия в финансовом анализе.
Сложный отчёт о доходах, документ по полупроводниковой политике или регуляторное объявление могли независимо интерпретировать:
Эти люди приходили бы к разным мнениям.
Разные предположения порождали бы разные рыночные взгляды.
Теперь многие участники рынка могут отправлять один и тот же документ одному и тому же небольшому набору передовых моделей.
Они задают схожие вопросы:
Что это означает?
Это бычий или медвежий сигнал?
Какие компании выигрывают?
Каковы эффекты второго порядка?
Что изменилось по сравнению с ожиданиями?
Если многие люди в значительной степени полагаются на одну и ту же модель, они могут получить схожие аналитические рамки и схожие выводы.
Это может сформировать консенсус, опосредованный моделями.
Финансовые рынки зависят от разногласий.
Покупатели и продавцы имеют разные:
Если значительная часть анализа стандартизируется через одну и ту же систему ИИ, может произойти следующее:
Baker описывает это как упадок аналитического разнообразия.
Это интересная гипотеза, а не эмпирическое правило современных рынков.
Существует другая возможность.
Инструменты ИИ могут
позволить аналитику тестировать больше сценариев, изучать больше документов, переводить больше источников и быстрее подвергать сомнению консенсус.
Пользователи также могут сравнивать выходные данные моделей или инструментов:
Увеличит или уменьшит ИИ рыночное разнообразие, зависит от того, как люди его используют.
Риск заключается в передаче суждений одной и той же модели без независимой проверки.
Если SSI действительно выпустит модель в августе, наиболее интересные вопросы, вероятно, будут не стандартными вопросами из бенчмарков.
Люди, естественно, будут сравнивать по следующим параметрам:
Но заявленная миссия SSI делает несколько более глубоких вопросов более важными.
Комментарии Baker появились в рамках дискуссии о непрерывном обучении.
Это не доказывает, что модель SSI продемонстрирует способность к непрерывному обучению.
Если это так, исследователи захотят узнать:
Если SSI нашла способ извлекать больше из меньшего количества примеров, это может повлиять на экономику обучения.
Убедительные доказательства потребуют прозрачных оценок, а не анекдотов.
SSI заявляет, что безопасность и возможности должны развиваться вместе.
Релиз создаст возможность продемонстрировать, что это означает на практике.
Возможные области включают:
SSI ещё не раскрыла публично, какие из этих механизмов определяют её подход.
Публичный API будет указывать на продуктовое направление.
Статья, демонстрация, бенчмарк или ограниченный исследовательский релиз будут означать нечто иное.
Пока SSI сама не выскажется, формулировка «выпуск модели» слишком расплывчата, чтобы ответить на этот вопрос.
SSI — одна из немногих передовых лабораторий, чьё основание было явно мотивировано избеганием обычной продуктовой конкуренции до готовности её основной исследовательской цели.
Это делает релиз не просто проверкой качества модели.
Он проверит несколько убеждений, сформировавшихся вокруг компании с 2024 года:
Партнёрство с NVIDIA повысило ожидания, поскольку NVIDIA заявила, что увидела исследовательские результаты SSI до вложения значительного капитала и вычислительных мощностей следующего поколения.
Комментарии Baker добавили возможные сроки.
Ни то, ни другое не говорит нам, что именно представляет собой модель.
Sutskever, Daniel Gross и Daniel Levy в 2024 году.
Выпустит ли Safe Superintelligence Inc. модель в августе 2026 года?
Гэвин Бейкер в недавнем интервью заявил, что SSI, по его словам, выпустит модель в августе. По состоянию на 7 августа 2026 года SSI не публиковала официальных заявлений на своём сайте, подтверждающих эту дату.
Если модель будет выпущена, это станет первым публичным появлением модели или продуктовой системы уровня SSI. С момента основания компания работала преимущественно в закрытом режиме и не выпускала стандартных серий моделей.
Нет. Официальная миссия SSI — создание безопасного сверхинтеллекта, однако нет публичной информации, подтверждающей, что предполагаемая августовская модель достигла этого уровня. Возможности модели, её архитектура, результаты тестов и формат выпуска остаются неизвестными.
Непрерывное обучение — это способность системы постоянно учиться на новом опыте с течением времени, без необходимости повторного полного переобучения с нуля и без забывания ранее приобретённых навыков. Надёжное непрерывное обучение остаётся активной областью исследований, особенно для крупных развёрнутых моделей.
Если модели после развёртывания смогут эффективно обучаться, часть вычислений может сместиться с масштабных периодических этапов предобучения на инференс, онлайн-обучение, симуляцию и пост-обучение. Это изменит структуру спроса на ускорители, но не обязательно сократит общий объём вычислительных потребностей ИИ.
Да. NVIDIA и SSI официально объявили о значительных инвестициях и долгосрочном партнёрстве в июле 2026 года. Reuters сообщило, что сумма инвестиций составляет около 5 миллиардов долларов США, однако компании не раскрыли финансовые детали в официальных заявлениях.
NVIDIA заявила, что SSI получит доступ к её следующему поколению платформы Vera Rubin, и что это партнёрство увеличит вычислительные мощности SSI примерно на порядок. Компании также будут совместно разрабатывать будущие вычислительные платформы.
Гэвин Бейкер — управляющий партнёр и главный инвестиционный директор Atreides Management.
Ранее он проработал почти двадцать лет в Fidelity Investments. На конференции NVIDIA GTC 2026 Дженсен Хуанг назвал его первым крупным институциональным инвестором NVIDIA.
Гэвин Бейкер впервые дал заслуживающее доверия публичное указание на сроки выпуска Safe Superintelligence, заявив, что SSI планирует выпустить модель в августе 2026 года. По состоянию на 7 августа сама SSI публично не подтвердила этот график, поэтому данную дату следует рассматривать как заявление СМИ, а не как официальное объявление о выпуске.
Это замечание важно отчасти из-за контекста. Бейкер говорил о непрерывном обучении и обучении с эффективным использованием данных — направлениях исследований, которые могут сместить вычисления в ИИ с масштабных
Сегодня область моделей всё больше доминируется всё более масштабным предобучением и движется в сторону систем, способных к непрерывному обучению после развёртывания.
SSI также только что заключила крупное стратегическое партнёрство с NVIDIA. Это официальное соглашение даёт компании доступ к системам Vera Rubin, что, как ожидается, увеличит её вычислительные мощности примерно на порядок, при этом NVIDIA заявила, что решила заключить это партнёрство после получения особого доступа к частным исследованиям SSI.
Ключевой факт сегодня заключается не в том, что SSI определённо выпустила сверхинтеллект, а в том, что исключительно хорошо информированный инвестор заявил, что её первая модель, возможно, наконец приближается к выпуску — и что компания теперь располагает значительно возросшими вычислительными ресурсами, достаточными для масштабирования того, что она создавала.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
