---
title: "Собственный аудит Google не находит «маховик ИИ», о запуске которого объявил сооснователь компании"
description: "Опубликованный 14 октября 2026 года первый внутренний аудит DeepMind, проверявший, ускоряет ли ИИ исследования в области ИИ, показал: возможности моделей растут ровно на 0,1 пункта индекса в месяц, самоускорения нет; день спустя Сергей Брин заявил, что маховик уже запущен. Капитальные расходы Alphabet исходят из того, что он прав."
publisher: "The Inference"
section: "Frontier"
published: 2026-10-16T17:27:50.181Z
modified: 2026-10-16T17:27:50.181Z
canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/ru
language: ru
keywords: "Google, Alphabet, DeepMind, Sergey Brin, AI Safety, Capital Expenditure"
---

# Собственный аудит Google не находит «маховик ИИ», о запуске которого объявил сооснователь компании

> Опубликованный 14 октября 2026 года первый внутренний аудит DeepMind, проверявший, ускоряет ли ИИ исследования в области ИИ, показал: возможности моделей растут ровно на 0,1 пункта индекса в месяц, самоускорения нет; день спустя Сергей Брин заявил, что маховик уже запущен. Капитальные расходы Alphabet исходят из того, что он прав.

Google выпустил на этой неделе два документа, которые противоречат друг другу, и лишь один из них объясняет, на что именно идут расходы [Alphabet](https://theinference.org/markets/companies/alphabet). 14 октября 2026 года [Google DeepMind](https://theinference.org/markets/companies/google-deepmind) опубликовал [первый внутренний аудит того, ускоряет ли ИИ сами исследования в области ИИ](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/) — он помещен в отчет о безопасности новой frontier-модели Gemini 4 Argon, — и не обнаружил ускорения, которое машины могли бы поставить себе в заслугу [1][2].

День спустя сооснователь Google Сергей Брин заявил на круглом столе, что его исследователи и их модели «работают рука об руку», а Google уже «[начинает выходить на эту беговую дорожку RSI](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10)» [3][4]. Рекурсивное самоулучшение (recursive self-improvement, RSI) — это замкнутый цикл, в котором ИИ помогает создавать ИИ, который его сменит, причем каждое следующее поколение должно появляться быстрее предыдущего [3].

## Аудит нашел прямую линию, а не маховик

Оценка, проведенная командой под руководством исследователя [DeepMind](https://theinference.org/markets/companies/google-deepmind) Хейдена Белфилда, отслеживает возможности frontier-моделей по General Capability Index — общему индексу возможностей: каждой модели присваивается одно число, агрегированное по оценкам 123 моделей на 92 бенчмарках, — нечто вроде IQ для ИИ [1][2]. С конца 2024 года индекс растет примерно на 0,1 пункта в месяц — на удивление ровная линия [2]. По публичным моделям компании до апреля 2026 года прирост составлял 0,091 пункта в месяц. После апреля — 0,118, и статистически значимой разницы между двумя периодами отчет не обнаружил [1].

Сам Argon идет чуть выше тренда, но команда объясняет это ростом вычислительных мощностей и организационными вложениями, а не самоускорением [1][2]. Как сформулировал Белфилд, «[в настоящее время значимого сквозного ускорения НИОКР в машинном обучении нет — ни за счет ИИ, ни каким-либо иным образом](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code)» [2]. Правда, есть одна обоюдоострая оговорка: цифры описывают только лабораторию самой DeepMind, но не [OpenAI](https://theinference.org/markets/companies/openai) и не [Anthropic](https://theinference.org/markets/companies/anthropic) [2].

## Код пишет ИИ, но почти каждое изменение по-прежнему направляет человек

Маховик должен был бы раскрутиться в середине этой цепочки — и именно там он буксует. Инструменты ИИ пишут уже больше трех четвертей продакшн-кода DeepMind, однако около 88% изменений кода по-прежнему требуют участия человека: он либо направляет ИИ, либо сам пишет код, прежде чем что-либо уйдет в релиз [1][2]. Доля изменений, которые ИИ выполняет от начала до конца, с апреля по сентябрь выросла лишь с 7,5% до 11,9% [2].

На RE-Bench — внутреннем наборе из 74 задач по инженерии машинного обучения — агент Argon выполнил около половины [1]. Предыдущее поколение, Gemini 3.7 Flash, справилось с 27%. Оба результата сильно ниже 90% — уровня, который DeepMind рассматривает как тревожный сигнал полной автоматизации [1][2]. На 1389 проверенных запусках агентов чем крупнее задача, тем реже модель доводит ее до конца в одиночку [2].

*Chart: **Argon выполняет около половины RE-Bench; тревожный сигнал полной автоматизации в DeepMind — 90%** Столбчатая диаграмма доли выполненных задач RE-Bench: Gemini 3.7 Flash — 27%, агент Gemini 4 Argon — около 50%, тревожный сигнал автоматизации DeepMind — 90%*

*Доля выполненных задач RE-Bench по инженерии машинного обучения, %. Столбец «90%» — не результат модели, а уровень, который DeepMind рассматривает как тревожный сигнал полной автоматизации; показатель Argon указан как «около половины». Источники: отчет по безопасности Gemini 4 Argon от DeepMind, по данным Crypto Briefing и Decrypt. [1][2]*

Опрос 12 ведущих исследователей DeepMind показал: автоматизация работает лучше всего на четко поставленных, проверяемых задачах исполнения и хуже всего там, где нужны открытая генерация идей и чутье на долгосрочные исследования [1][2]. В дефиците остаются проверка, ревью и суждение о том, какая идея заслуживает вычислительных мощностей.

## Расходы строятся на версии основателя

Брин утверждает, что внутри Google уже есть пара моделей, идущих впереди Argon, и ожидает, что темп будет только нарастать [3][4]. Вихан Джайн, один из руководителей направления Gemini RSI в DeepMind, написал, что на этапе пост-тренинга — когда готовая базовая модель дорабатывается на основе обратной связи и данных — спрос сместился: вместо «сырых» чипов теперь просят «квоту Argon» [3].

Этот тезис двигает вполне реальные деньги. Месяц назад акции чипмейкеров подешевели почти на 6% после того, как глава Anthropic [Дарио Амодеи](https://theinference.org/markets/people/dario-amodei) заявил, что рекурсивное самоулучшение уже ускоряется [2]. В среду компания [Gladstone AI](https://www.gladstone.ai/), консультирующая правительство США по политике в области ИИ, опубликовала доклад: большинство опрошенных ею исследователей считают, что RSI наступит в срок от трёх до двенадцати месяцев [3][5][6]. Во втором квартале Alphabet потратила [около $45 млрд на капитальные проекты](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044) — притом что, по измеренным данным, каждый пункт возможностей по-прежнему обеспечивают чипы и люди [7].

*Chart: **Квартальные капитальные расходы выросли более чем впятеро, а измеренный наклон кривой возможностей остался прежним** Линейный график: квартальные капитальные расходы Alphabet выросли с примерно $8 млрд в III квартале 2023 года до примерно $45 млрд во II квартале 2026 года*

*Капитальные расходы Alphabet по финансовым кварталам, млрд долл. США, по данным отчётности SEC. Наклон кривой возможностей DeepMind — отдельный индекс, описанный в тексте. [7]*

## Сначала баланс, потом маховик

Всё это — не довод против ИИ. Индекс стабильно растёт, агенты реальны, а [представленный 30 сентября Argon](https://theinference.org/article/google-prices-gemini-4-argon-at-2-per-million-tokens-a-fifth-of-openai-and-anthropic-s-10-flagships) действительно доводит до конца долгосрочные инженерные задачи по всему Google [2][8]. Это довод за то, чтобы отделять измерения от легенды: по собственным цифрам DeepMind, каждый пункт возможностей до сих пор объясняется вычислительными мощностями и численностью персонала, а не тем, что машины сами умножают собственный прогресс.

Вопрос решат две строки в балансе DeepMind: месячный наклон кривой возможностей и доля изменений кода, полностью делегированных ИИ. Если наклон станет круче без новых вычислительных мощностей, а изменения кода перестанут дожидаться проверки, — значит, маховик заработал. До тех пор ценность будет доставаться тем, кто выстроит слой проверки и доверия между тем, что пишет ИИ, и тем, что организация выпускает в продакшн.

## Takeaway

Аудит DeepMind: возможности моделей растут на стабильные 0,1 пункта в месяц, а 88% изменений кода по-прежнему ждут человека; пока наклон кривой не станет круче без новых вычислительных мощностей, $45 млрд в квартал уходят у Alphabet на людей и чипы, а не на маховик

## Sources

1. [Crypto Briefing, Google DeepMind finds no acceleration in AI research progress, 15 October 2026](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/)
2. [Decrypt, Google Says AI Isn't Building Itself Yet—Even Though It Writes 75% of the Code, 15 October 2026](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code)
3. [Business Insider, Sergey Brin says Google's AI is approaching a critical moment, 15 October 2026](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10)
4. [The Times of India (via MSN), Google co-founder Sergey Brin says company's AI is helping build its own successors, 16 October 2026](https://www.msn.com/en-in/news/other/google-co-founder-sergey-brin-says-company-s-ai-is-helping-build-its-own-successors-hinting-no-slowing-down-of-ai-development/ar-AA2emUk0)
5. [TIME, A New Report Sheds Light on the Secretive Race to Build Self-Improving AI, 14 October 2026](https://time.com/article/2026/10/14/recursive-self-improvement-AI-report/)
6. [Gladstone AI, company website, retrieved 16 October 2026](https://www.gladstone.ai/)
7. [Alphabet, quarterly capital expenditure from SEC filings, retrieved 16 October 2026](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044)
8. [Google DeepMind, Gemini 4 Argon model page, retrieved 16 October 2026](https://deepmind.google/models/gemini/)


---

Собственный аудит Google не находит «маховик ИИ», о запуске которого объявил сооснователь компании — The Inference. Canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/ru