Moonshot AI переводит Kimi с кодинга на науку: в коде отдача падает

Пекинский стартап Moonshot AI, разработчик языковых моделей Kimi, переориентирует их с программирования на исследования в биологии, химии и фармацевтике. Причина, как её излагает The Decoder: компания видит убывающую отдачу в кодинге. Международный директор Джакомо Фикари сказал на Web Summit в Лисбоне (в пересказе издания, не прямой цитатой), что наука требует более умных моделей, чем юриспруденция, финансы или программирование.
Первый пример, другой пекинский стартап, DP Technology, который встраивает Kimi K3.1 Pro в свой исследовательский ассистент BioMaster. В одном из тестов ИИ проанализировал генетические данные 3696 клеток поджелудочной железы мыши и за 90 минут отметил 100 генов-кандидатов. По оценке издания, у человека такая работа заняла бы около четырёх часов, это оценка, а не измеренное значение.
Полностью самостоятельные научные открытия, подчёркивает издание, пока далеки. На TCSExam, бенчмарке по теоретической информатике из 100 задач, ведущие модели выдавали проверяемые доказательства, но ни одной открытой гипотезы самостоятельно не решили. Про результат именно Kimi в этом бенчмарке в тексте не говорится.
У американских конкурентов, по словам издания, похожие пределы. Claude от Anthropic в сентябре нашёл ферментную систему, но математики раскритиковали заявленные OpenAI прорывы в математике и физике. Фармацевтическая отрасль тоже ещё не убеждена: июньский опрос Citi среди 50 руководителей исследовательских подразделений в США показал, что 72% уже широко используют ИИ, но лишь 24% ждут от него заметного роста успешности разработки лекарств.
Ключевые факты
- Moonshot AI, по версии The Decoder, видит убывающую отдачу в кодинге и переводит модели Kimi на биологию, химию и фармацевтику.
- Джакомо Фикари на Web Summit в Лисбоне заявил (в пересказе), что наука требует более умных моделей, чем право, финансы или код.
- DP Technology встраивает Kimi K3.1 Pro в ассистент BioMaster: в тесте ИИ разобрал данные 3696 клеток поджелудочной железы мыши и отметил 100 генов-кандидатов за 90 минут против оценочных четырёх часов человеческой работы.
- На TCSExam (100 задач по теоретической информатике) ведущие модели давали проверяемые доказательства, но не решили самостоятельно ни одной открытой гипотезы.
- По опросу Citi (июнь, 50 руководителей исследований в США), 72% уже широко применяют ИИ, но только 24% ждут заметного роста успешности разработки лекарств.
Почему это важно
Если Moonshot AI действительно уходит от кодинга, это заметный сигнал: программирование долго было главным полем соревнования языковых моделей, а теперь один из разработчиков говорит об убывающей отдаче именно там и ищет новую область. При этом в тексте нет баллов Kimi K3.1 Pro и цифр, которые показывали бы, что прирост в кодинге выровнялся, это утверждение компании и издания, а не измеренный факт.
Кому это важно
Исследователям и компаниям в биологии, химии и фармацевтике, которые присматриваются к ИИ-ассистентам вроде BioMaster. Также тем, кто следит за китайскими разработчиками моделей и за тем, куда смещается конкуренция лабораторий после кодинга.
Как это применить
Прямого практического применения в источнике нет: об условиях доступа, ценах и партнёрских условиях между Moonshot AI и DP Technology ничего не сказано. Для читателя из отрасли это повод посмотреть на BioMaster и Kimi K3.1 Pro как на кандидатов для пробного проекта, сверяя результаты с собственной экспертизой.
Можно ли доверять
Материал короткий и опирается в основном на пересказ слов международного директора Moonshot AI и на один тест, проведённый DP Technology. Прямых цитат Фикари нет, даты выступления в Лисбоне и самой публикации не указаны. Сравнение 90 минут и четырёх часов идёт с оценочным временем человека, а метод проверки и качество 100 найденных генов не описаны. Контекст про Anthropic, OpenAI и опрос Citi подан одной строкой и без подробностей.
Риски и подводные камни
Скорость анализа ещё не означает верные результаты: качество 100 отмеченных генов в тексте не подтверждено. Ведущие модели пока не решают открытые научные задачи самостоятельно, а фарминдустрия настроена осторожно: только 24% опрошенных ждут заметного улучшения успешности разработки лекарств. Заявленный поворот к науке остаётся стратегическим намерением, а не доказанным результатом; полностью ли компания отказывается от кодинга, источник не говорит.