Мира Мурати строит ИИ, который работает вместе с человеком, а не вместо него
Основательница Thinking Machines Lab представила «модели взаимодействия», способные понимать паузы, интонации и смену темы в живом разговоре.

Содержание · 3
Бывший технический директор OpenAI Мира Мурати представила новый класс ИИ-моделей, которые она называет «моделями взаимодействия» (interaction models). В отличие от большинства голосовых интерфейсов, они не транскрибируют речь и не передают текст в языковую модель — они воспринимают живую человеческую коммуникацию напрямую, включая паузы, перебивания и смену интонации.
Это принципиально иной подход к развитию ИИ, чем тот, который сегодня продвигают OpenAI, Anthropic и Google. Те делают ставку на крупные модели, способные выполнять всё более сложные задачи — вплоть до написания целых программных приложений по текстовому запросу — с минимальным участием человека.
Почему «человек в контуре» — это не слабость, а стратегия
Мурати покинула OpenAI в 2024 году и вместе с несколькими ведущими инженерами основала Thinking Machines Lab. Стартап привлёк миллиарды долларов финансирования и декларирует цель создания сверхинтеллекта — но на своих условиях.
««В какой-то момент у нас появятся сверхинтеллектуальные машины. Но мы считаем, что лучший способ сохранить как можно больше возможных — и хороших — будущих — это как можно дольше держать человека в контуре», — говорит Мурати в интервью Wired.»
Её логика строится на том, что ИИ не обязан вытеснять людей. Альтернатива — дать каждому возможность настраивать фронтирные модели под собственные задачи и работать с ними как с партнёром, а не инструментом.
Первый продукт компании — Tinker, запущенный в октябре 2025 года, — уже реализует эту идею. Это API, позволяющий исследователям и разработчикам дообучать открытые модели на собственных данных. Пока это единственный публично доступный продукт Thinking Machines.
Что умеют новые interaction models
На этой неделе компания продемонстрировала видеозаписи с новыми моделями, хотя публично они ещё не выпущены. Модели обучены воспринимать входящий поток через камеру и микрофон — не как набор дискретных реплик, а как непрерывную, «живую» коммуникацию.
Александр Кириллов, один из основателей Thinking Machines и эксперт по мультимодальному ИИ, объясняет принципиальное отличие от существующих систем: «Модель постоянно воспринимает то, что вы делаете, и всегда готова ответить, дать информацию, найти её или использовать другие инструменты. Ни одна из нынешних моделей этого не умеет. Очерёдность реплик в них определяет гораздо менее интеллектуальная система».
То есть сегодняшние голосовые интерфейсы — это, по сути, чатботы с голосовым вводом. Interaction models Thinking Machines претендуют на нечто другое: понимание намерения, а не только слов. Мурати формулирует это так: «Это первая ставка на человеческое сотрудничество. Вектор движения — усиление предпочтений и ценностей самого человека, когда ИИ понимает и предсказывает его намерения».
Не единственные, но заметные
Thinking Machines — не единственный стартап, делающий ставку на человекоцентричный ИИ. Схожую философию развивает, например, Humans&. Ряд известных экономистов также призывает индустрию переориентироваться с автоматизации на расширение человеческих возможностей.
Однако именно Мурати — в силу своей роли в OpenAI и масштаба привлечённого финансирования — оказывается наиболее заметным голосом этой альтернативной позиции. В условиях, когда крупнейшие лаборатории наращивают автономность своих систем, её подход выглядит как осознанный контраргумент, а не просто маркетинговый нарратив.
Для белорусского IT-рынка этот разворот имеет практическое измерение. Компании из ПВТ, работающие с зарубежными заказчиками в сфере автоматизации и разработки ПО, уже сталкиваются с вопросом: какую роль оставить человеку в AI-assisted процессах? Подход Thinking Machines — настраиваемые модели плюс живое взаимодействие — потенциально интереснее для аутсорсинговых команд, чем полностью автономные агенты, которые просто вытесняют разработчика из цикла.
Пока interaction models не вышли за пределы демонстрационных видео, оценивать их реальные возможности рано. Но направление, которое задаёт Мурати, уже формирует дискуссию о том, каким должен быть ИИ следующего поколения — и кто в нём главный.
Свежие новости
Все новости
Rust 1.100.0: стабилизация типа ! и нового API аллокаторов
В Rust 1.100.0 стабилизированы тип never (!) и базовые части allocator API. Изменение затрагивает все издания языка и несёт ограниченный breaking change.

Google представила Gemini 4 Hydrogen: быстрая модель для повседневных задач и агентных сценариев
Google анонсировала Gemini 4 Hydrogen — модель, ориентированную на скоростное выполнение задач в агентных рабочих процессах и повседневном программировании. Она доступна во всех тарифах Google AI Studio, Gemini API и приложения Gemini, а также платным подписчикам Google AI Pro и Ultra в Google Antigravity.

AWS Emulator: локальное тестирование AWS-приложений без аккаунта и деплоя
AWS выпустила AWS Emulator — инструмент для сборки и тестирования AWS-приложений локально или в CI-среде без AWS-аккаунта и деплоя. Эмулятор принимает стандартные вызовы SDK и CLI и отвечает на них за миллисекунды.

DeepSeek-V4-Pro, V4-Flash и V4.1-Flash появились в Amazon SageMaker JumpStart
Amazon SageMaker JumpStart пополнился тремя моделями DeepSeek: флагманской V4-Pro, экономичной V4-Flash и мультимодальной V4.1-Flash с архитектурой CED. Все три распространяются под лицензией MIT и поддерживают контекстное окно в 1 млн токенов.

Amazon S3 Tables получили поддержку серверного журналирования доступа
Amazon S3 Tables теперь поддерживают серверное журналирование доступа: детальные записи о запросах к табличным бакетам помогают отслеживать операции с таблицами, управление пространствами имён и доступ к данным для аудита безопасности, анализа доступа и распределения затрат.

Google открыла доступ к Gemini 4 Carbon для разработчиков
Google запустила Gemini 4 Carbon — модель с заявленными возможностями в кибербезопасности и длительных агентных рабочих процессах. Доступ открыт через платный уровень API.

Amazon S3 Access Grants научился перечислять гранты сразу по нескольким AWS-аккаунтам
Amazon S3 Access Grants получил поддержку кросс-аккаунтного листинга: один вызов ListCallerAccessGrants возвращает гранты из всех инстансов, расшаренных через AWS RAM, без необходимости опрашивать каждый аккаунт отдельно.

Google Maps Platform теперь доступна в AI Studio
Google добавила поддержку Maps Platform в AI Studio: разработчик описывает идею, Gemini генерирует код, а студия автоматически подключает ключ API и показывает живой интерактивный превью.

AWS выпустила open-source UI для графовой аналитики поверх data lake
AWS представила open-source решение с локальным веб-интерфейсом, которое позволяет превращать записи из data lake в графы для анализа в Amazon Neptune Analytics — без ручной сборки ETL-пайплайнов.