Как open-source тихо обходит GPT и Claude

За неделю вышли две новости. Выглядят как разное, но говорят об одном. Пока все считают, кто на сколько пунктов кого обошёл в общем зачёте, open-source побеждает в другом месте — на узких задачах, где решает не размер модели, а данные и дообучение.

Первая кейс: крупный инвестфонд взял открытую модель и обошёл GPT, Claude и Gemini

Bridgewater — одна из крупнейших в мире компаний, которая управляет чужими деньгами и вкладывает их в акции, облигации и прочие активы. Под её управлением около $100 млрд. Вместе с лабораторией Миры Мурати (это бывший технический директор OpenAI) они выложили разбор, который стоит прочитать.

Задача скучная на вид: отсортировать финансовые документы, статьи, письма, материалы центробанков — понять, что аналитику вообще стоит читать. Не «прочитать документ» — это модели давно умеют. А понять, какой заголовок сдвинет рынок, а какой просто шум.

Что получилось:

• Обычные модели (GPT, Claude, Gemini) с простым запросом — примерно 50% точности. Считай, монетка.
• С хитрым запросом, который пишут дорогие ИИ-инженеры — максимум 78%.
• Инвесторам для доверия нужно было хотя бы 80%. Ни одна модель до него не дотянула.

Тогда они взяли открытую модель Qwen3-235B, дообучили её на своих данных — и получили 84,7%. Это на 30% меньше ошибок, чем у лучшей большой модели. И примерно в 14 раз дешевле в работе.

Почему обычный запрос упёрся в потолок? Причина простая. В запрос помещается только то, что эксперт может объяснить словами. А двадцать лет чутья на то, какая записка центробанка реально намекает на смену ставки, словами не объяснишь. Это передаётся только через примеры, размеченные вручную.

Главная мысль такая: у любой компании, где годами копились решения экспертов, этот архив — не корм для чужой модели. Это и есть модель. Ценное всё это время лежало в шкафу с документами.

По-честному: цифры — это их собственный замер, независимой проверки пока нет. И дообученную модель всё равно надо держать на своих серверах и обновлять под новые правила. Но направление понятное.

Второй кейс: доставщик еды обучил модель на 1,6 трлн параметров полностью на китайских чипах

Второй сюжет — про то, что «догоняющий» open-source уже и не догоняющий.

Meituan — это китайский аналог доставки еды вроде Delivery. 30 июня они выложили открытую модель LongCat-2.0: 1,6 трлн параметров, контекст на миллион токенов.

Но главное — не параметры. Модель обучили с нуля на 50 000 китайских чипов. Полностью, без единой Nvidia. Раньше так не делали: даже DeepSeek запускал на своих чипах только готовую модель, а тяжёлую часть обучения всё равно крутил на зарубежном железе. Meituan говорит, что впервые прошёл весь путь на своём.

И ещё деталь. До того как раскрыли, что это за модель, LongCat-2.0 тихо занимал первое место по использованию на OpenRouter под кодовым именем «Owl Alpha». То есть люди уже голосовали за него, ещё не зная, что это китайская открытая модель. По задачам с кодом он в одном ряду с GPT-5.5 и Claude Opus.

Все спорят про рейтинги, а победа происходит в двух местах, куда обычно не смотрят.

Первое — узкая задача на ваших данных. Не «самая умная модель вообще», а специалист, обученный под ваш случай. Если у компании есть архив решений — это дешевле и точнее, чем платить за доступ к большой модели. И это бьёт по выручке OpenAI, Google и Anthropic всерьёз, а не разово.

Второе — железо. Если в Китае научились обучать огромные модели на своих чипах, то под вопросом уже не рейтинг, а монополия Nvidia.

Год назад open-source мерили по одной линейке: насколько он отстаёт от лидеров вообще. Сейчас правильный вопрос другой — насколько он обходит их на вашей задаче и на вашем железе. И ответ всё чаще неприятный для тех, кто продаёт доступ к самой большой модели.

Больше про LLM и AI — в нашем Telegram-канале (@devgeek_sh). Разбираем новые модели, делимся опытом и полезными находками.