Деньги любят тишину. Бывшая CTO Open AI Мира Мурати подняла еще 2 млрд $ на seed-раунде при оценке стартапа в 12 млрд $, при этом никто не знает, а чем собственно они занимаются в Thinking Machines Lab?

Предыстория

Она ушла из OpenAI в сентябре 2024 года и довольно быстро собрала звездную команду для нового проекта, в которую вошли: Джон Шульман, сооснователь OpenAI и соавтор подходов RLHF, используемых в ChatGPT, Баррет Зоф, бывший вице-президент по исследованиям в OpenAI, специализировался на ИИ-безопасности и робототехнике, а также ряд других сильных исследователей и инженеров.

Мурати имеет решающий голос в совете директоров, а основатели получили усиленные права голоса (в 100 раз сильнее обычных акций). Это обеспечивает их контроль над направлениями развития компании.

Команда Thinking Machines Lab имеет опыт создания популярных ИИ-продуктов, таких как ChatGPT, Character.AI, Mistral, а также открытых проектов вроде PyTorch, OpenAI Gym, Fairseq и Segment Anything.

К слову, второй большой стартап, где выходцы из OpenAI сейчас также работают в stealth режиме это SSI Ильи Суцкевера.

Расследование

Перелопатив ряд публикаций, просмотрев статьи на arxivе и проанализировав кого они нанимают, я кажется понял, что они создают. Но все по порядку. Вот несколько хайлайтов, которые в том числе натолкнули меня на определённые мысли:

Партнёрский договор с Google Cloud (упоминался в финансовой прессе) намекает, что запуск возможно будет в формате платформы с вычислительными кредитами и встроенным MLOps, типа аналог Vertex AI для кастомного LLM, но с открытым ядром.

Продукт-двойник: open-source ядро + «pro»-облако. Мурати подчёркивает «значимый open-source компонент».

Встроенный «safety-lab» как услуга. Фраза о регулярных «публикациях научных отчётов для лучшего понимания фронтира» и фокус на эмпирической безопасности указывают, что инструмент тестирования вредоносных поведений станет частью продукта: мыслите «OSS + rule-engine по Red-Teaming», который можно подключить к CI/CD пайплайну.

Сценарии-«витрины» вместо универсальности. Чтобы подчеркнуть возможность глубокой кастомизации, стартовый релиз, вероятно, сразу выйдет с несколькими демонстрационными вертикалями. Каждый сценарий будет показывать, как слойная архитектура подстраивается под задачу, а не наоборот.

В настоящее время компания ищет сотрудников, кто имеет опыт «создания успешных продуктов на базе ИИ с нуля».

В последних твитах Мурати намекнула, что демо-дэй пройдет сразу как они закроют раунд, ориентировочно осенью.

Сложнее всего делать прогнозы на коротком горизонте, потому что факторы неопределённости здесь максимальны, решения принимаются прямо сейчас, а все ключевые детали остаются за закрытыми дверями, меняются буквально на лету, часто без публичных сигналов.

Но я люблю решать задачки с большим числом неизвестных. Погрузился в размышления, рисеч, анализ, и вот к чему я пришел.

Итак, какими характеристиками должен обладать этот продукт?

Легендарный объём инвестиций диктует планку...

Когда стартап выходит на сцену с сид-раундом в $2 млрд и оценкой в $12 млрд, рынок воспринимает его не как ещё одну интересную команду, а как будущего системообразующего игрока. Поэтому первый релиз обязан сразу демонстрировать инфраструктурный масштаб и долгосрочную жизнеспособность.

Вот перечень характеристик и условий, которым в идеале должен соответствовать такой продукт. Я конечно здесь немного идеализирую, но тем не менее.

1. Мгновенное масштабирование. Enterprise-клиенты ждут, что система выдержит скачкообразный рост нагрузки и будет готова к глобальному трафику «из коробки».

2. Мультимодальная ядро-архитектура. Текст, изображение, звук и структурированные данные должны обрабатываться единым стеком, иначе продукт потеряет ценность как «универсальный инженерный слой» для новых сервисов.

3. Реальная кастомизация на уровне слоёв. Бизнесы хотят кастомные модели, «прошитых» с их KPI. Возможность быстро перестраивать и дообучать отдельные слои гарантирует конкурентное преимущество против закрытых API-модельных монолитов.

4. Встроенные контуры безопасности и комплаенса. Новые и грядущие регуляции делают «guardrails-по-умолчанию» обязательным. Продукт должен предоставлять встроенный red-teaming, аудит логов и объяснимость решений.

5. Cloud-agnostic + on-premise ready. Крупные корпорации хотят свободы развертывания: сегодня в публичном облаке, а завтра в своём дата-центре или на edge-инфраструктуре для latency-критичных сценариев.

6. Открытая основа + коммерческий управляемый слой. Сообщество получит OSS-ядро для экспериментов, а бизнес платный доступ с SLA, поддержкой и персонифицированными пайплайнами обучения. Такая модель снизит порог входа и одновременно формирует денежный поток.

7. API-маркетплейс. Разработчики захотят обмениваться готовыми «микромодулями» для быстрого развертывания: от предобученных эмбеддеров до инспекторов токсичности. Встроенный маркетплейс ускорит экосистемный эффект и сократит time-to-value.

8. Прозрачное ценообразование «pay-as-you-grow». Урок OpenAI и Anthropic: неожиданные скачки цен раздражают CTO. Продукт должен предложить предсказуемый биллинг и опцию фиксированных корпоративных пакетов.

9. Интеграция с CI/CD и MLOps-цепочкой. Для R&D-команд важно, чтобы новая платформа «встала» в текущие процессы без ломки: Git-триггеры, автоматическое тестирование, rollout-стратегии и rollback-механизмы.

10. Комьюнити-движок и контентная стратегия. Библиотека примеров, регулярные тех-блоги, публичные репорт-киты по безопасности, всё это превращает продукт в отраслевой стандарт, а не просто инструмент.

Почему рынок купит именно такой набор?

1. Снижение технологической зависимости
   Компании устали быть заложниками двух-трёх API-провайдеров. Платформа, позволяющая «вытащить» модель внутрь собственного стека и дообучить под нужды, даёт стратегическую автономию.

2. Соблюдение регуляторных требований без боли
   Эмбеддинг функций комплаенса в продукт снимает с заказчика огромный юридический и репутационный груз.

3. Прямая корреляция с бизнес-метриками
   Когда кастомизация заложена в архитектуру, собственник модели видит рост точности и снижение издержек уже на первых итерациях fine-tuning — это легко защищается на уровне ROI.

4. Эффект сетевого барьера
   API-маркетплейс стимулирует обмен наработками: чем больше модулей выкладывают внешние разработчики, тем выше ценность экосистемы и сложнее конкурентам переманить пользователей.

Вот что это может быть!

Склоняюсь к тому, что это либо платформа для создания кастомных ИИ-решений, востребованных в бизнесе, исследованиях и повседневной жизни, либо фреймворк для гибридной коллаборации человек-машина. Сейчас раскрою оба варианта.

1. Мультимодальная платформа для кастомизации ИИ-моделей

   • Описание: Инструмент, позволяющий пользователям (стартапам, исследователям) строить и настраивать мультимодальные ИИ-системы, интегрирующие текст, изображение и речь. С открытым кодом для быстрой адаптации под задачи, такие как совместная работа в командах.

   • Почему это вероятно? Мурати прямо упоминала "мультимодальный ИИ для естественного взаимодействия" и open-source элемент для кастомных моделей. Это решит проблему "элитарности" ИИ, сделав его доступным.

   • Востребованность: Высокая, рынок кастомного ИИ растёт, особенно для бизнеса, где нужны адаптированные решения без огромных затрат.

2. Фреймворк для гибридной коллаборации человека и машины, по сути для работы гибридных команд

   • Описание: Открытая платформа для создания "коллаборативных" ИИ-агентов, которые помогают в творческих, бизнес или научных задачах, адаптируясь к "хаотичному" стилю работы людей (например, через визуальные интерфейсы и разговоры).

   • Почему это вероятно? Заявления о "мосте между человеческим опытом и ИИ" и фокус на приложениях в науке/инженерии. Это эволюция ее идей из Open AI, но с большим акцентом на партнёрство.

   • Востребованность: Огромная, в бизнесе, креативных отраслях и R&D, где ИИ может ускорить инновации без замены человека.

Цикл от идеи до продукта ровно год, при том что официально они инкорпорировались только в феврале 2025. Источники единогласно называют этот раунд крупнейшим сид-раундом в истории Кремниевой долины. Организовал раунд Andreessen Horowitz, среди инвесторов Nvidia, Accel, Cisco, AMD, и ряд других. Некоторые считают предстоящий релиз продукта самым многообещающим, даже не смотря на рыночные ожидания GPT-5.

Через пару месяцев узнаем, угадал я с продуктом или нет.

***

О новых бизнес-моделях и ИИ-стартапах: Айвентор и Фред

Я делаю на Хабре регулярные дайджесты: Агенты и Агентная экономика. Здесь предыдущие материалы и выпуски, там до сих пор много интересных инсайтов. Более 50% из них имеют длинный горизонт актуальности.