Стартап Thinking Machines Lab, основанный бывшим техническим директором OpenAI Мирой Мурати, официально выпустил свою первую ИИ-модель. Презентация состоялась 15 апреля 2026 года, и новинка сразу вызвала широкий резонанс в профессиональном сообществе. Модель, получившая название TML-1, позиционируется как универсальная система для решения сложных задач в области обработки естественного языка и анализа данных. Мурати покинула OpenAI в конце 2024 года, чтобы сосредоточиться на собственном проекте, и теперь её команда представила первый рабочий продукт. Уход Мурати совпал с периодом внутренних реорганизаций в OpenAI, когда несколько топ-менеджеров покинули свои посты, что породило слухи о стратегических разногласиях внутри компании. Тем не менее, Мурати подчеркнула, что её решение было продиктовано желанием реализовать собственное видение развития ИИ, ориентированное на модульность и адаптивность.

TML-1 демонстрирует впечатляющие результаты на бенчмарках: по заявлениям разработчиков, модель превосходит GPT-4o по точности ответов на 12% и на 8% эффективнее справляется с многошаговыми логическими рассуждениями. Ключевой особенностью новой архитектуры стал модульный принцип, позволяющий адаптировать модель под конкретные бизнес-задачи без полного переобучения. В ходе тестирования TML-1 показала скорость обработки запросов до 150 токенов в секунду, что на 20% быстрее, чем у аналогов от конкурентов. Стартап уже открыл доступ к модели через API для ограниченного круга партнёров, включая несколько крупных технологических компаний. По сравнению с предыдущими версиями ИИ-моделей, TML-1 выделяется не только производительностью, но и экономичностью: гибридная архитектура, сочетающая элементы трансформеров и рекуррентных нейросетей, позволила снизить вычислительные затраты на 30% без потери качества. Разработчики применили новый метод разреженного внимания, который оптимизирует обработку длинных последовательностей данных, что особенно важно для задач в области научных исследований и анализа больших массивов текстов.

Техническая реализация TML-1 основана на гибридной архитектуре, сочетающей элементы трансформеров и рекуррентных нейросетей. Разработчики применили новый метод разреженного внимания, который снижает вычислительные затраты на 30% без потери качества. Модель обучалась на датасете объёмом 15 триллионов токенов, причём 40% данных составили специализированные научные и технические тексты. Это, по словам команды, обеспечивает высокую компетентность в таких областях, как медицина, юриспруденция и инженерия. Для обучения использовался кластер из 12 000 ускорителей NVIDIA H100, что обошлось в сумму около 200 миллионов долларов. Такой масштаб инвестиций подчёркивает амбиции стартапа и его готовность конкурировать с крупнейшими игроками рынка. В отличие от OpenAI, которая часто полагается на проприетарные архитектуры, Thinking Machines Lab сделала ставку на открытость модульной системы, что может привлечь разработчиков, заинтересованных в кастомизации.

Основание Thinking Machines Lab стало логичным продолжением карьеры Мурати, которая проработала в OpenAI более пяти лет и сыграла ключевую роль в разработке GPT-4. Её уход совпал с периодом внутренних реорганизаций в компании, когда несколько топ-менеджеров покинули свои посты. Рынок ИИ-моделей сейчас переживает фазу активной конкуренции: помимо OpenAI, свои решения продвигают Google с Gemini, Anthropic с Claude и Meta с Llama. Эксперты отмечают, что появление ещё одного сильного игрока может ускорить гонку вооружений в сфере искусственного интеллекта, особенно в сегменте корпоративных решений. Сравнение с конкурентами показывает, что TML-1 занимает нишу между универсальными моделями вроде GPT-4o и специализированными решениями для узких доменов. Например, в тестах на юридическую грамотность модель набрала 89% правильных ответов против 82% у Claude 3.5, но уступила Gemini Ultra в задачах на мультимодальность. Разработчики обещают выпустить мультимодальную версию TML-1 к концу 2026 года, что должно закрыть этот пробел. Ценообразование пока не объявлено, но, по неофициальным данным, API будет стоить около $0,50 за миллион токенов, что сопоставимо с тарифами OpenAI.

Для российского рынка запуск TML-1 имеет двойственное значение. С одной стороны, отечественные разработчики, такие как «Яндекс» с YandexGPT и «Сбер» с GigaChat, получают дополнительный стимул для улучшения своих моделей. С другой — доступ к новой технологии для российских компаний может быть ограничен из-за санкционных рисков и политики самого стартапа. В пресс-релизе Thinking Machines Lab подчеркнула, что намерена соблюдать все международные нормы экспортного контроля, что, вероятно, затронет и поставки в Россию. В то же время некоторые аналитики предполагают, что открытая модульная архитектура TML-1 может быть адаптирована локальными командами через сторонние облачные платформы, что частично снизит барьеры. Однако неопределённость в отношении регуляторных ограничений остаётся серьёзным вызовом для распространения модели в странах с жёстким экспортным контролем.

Дальнейшие планы стартапа включают расширение команды до 500 сотрудников и открытие исследовательского центра в Европе. Мурати заявила, что следующей целью станет создание модели с уровнем рассуждений, сопоставимым с человеческим, в рамках проекта TML-2. Однако остаются открытыми вопросы безопасности: в отличие от OpenAI, Thinking Machines Lab пока не опубликовала детального отчёта о тестировании на вредоносные сценарии. Регуляторы в ЕС и США уже выразили заинтересованность в аудите новой модели, что может задержать её массовое внедрение. В любом случае, выход TML-1 знаменует новый этап в индустрии, где бывшие лидеры крупнейших компаний создают собственные амбициозные проекты. Эксперты сходятся во мнении, что успех стартапа будет зависеть от способности быстро масштабировать технологию и решить проблемы безопасности, которые становятся всё более актуальными на фоне ужесточения регулирования ИИ по всему миру.