Терміново зупинено! Gemini 3.5 Pro затримується з запуском, Google потрапила у пастку розчарування

Ще вчора весь AI-світ був охоплений хвилюванням.

З усіх боків надходили інсайдерські повідомлення: фінальна зброя Google — Gemini 3.5 Pro, кодова назва «Cappuccino», офіційно запуститься протягом 48 годин!

Вікно надконтексту на 2 мільйони token, новий режим «глибокого мислення», кажуть, що за внутрішніми тестами він значно перевершив GPT-5.6 Sol та Claude Fable 5.

Очевидно, це продукт, що близький до перевороту у сфері AI.

Всі з нетерпінням рахували залишок часу, готуючись стати свідками історії.

Однак, прокинувшись, все змінилося.

Ексклюзивна новина від Bloomberg стала холодним душем: запуск Gemini 3.5 Pro відкладено, і не на декілька днів, а на кілька місяців!

Запуск, що мав увійти до історії, був призупинений самою Google.

Чому ж так сталося?

48 годин святкування та екстрене гальмування

Вчора соціальні платформи були переповнені спойлерами щодо Gemini 3.5 Pro.

Кодова назва: Cappuccino. 

Надконтекст: 2 мільйони token. 

Глибоке мислення: новий «Deep Think» режим, який підняв можливості в математиці, програмуванні, логічному мисленні на небачений рівень. 

Комплексна еволюція: значно покращені можливості написання коду, робочих потоків агентів, дизайну UI, генерації SVG-графіки.

Інсайдери прогнозували, що це стане «фінальною зброєю» Google в контрнаступі проти OpenAI та Anthropic.

Всі чекали на легендарну дату — 17 липня.

Проте сьогодні вранці повідомлення від Bloomberg викликало розчарування.

Інсайдери кажуть, що розробка Gemini 3.5 Pro відстала на кілька місяців. Причина в тому, що модель не досягла суворих внутрішніх стандартів, особливо щодо AI-кодування.

Наприкінці минулого місяця Google терміново оновила дані для тренування та спробувала зробити фінальний ривок для покращення можливостей кодування, але результат був «невтішним».

Ці чотири слова і завершили 48-годинний марафон радості.

Після появи новини акції Google впали майже на 4,43%.

Коли OpenAI та Meta розвивають нові моделі з потужними кодуючими можливостями, труднощі з запуском Gemini 3.5 Pro призвели до глибокої тривоги всередині Google.

Інженери, дослідники AI та менеджери відчули розчарування і все більше побоюються, що Google втрачає своє і так не надто міцне конкурентне поле.

Google у «пастці Тацита»: чому вся компанія не може створити найпотужніший AI?

Чому жочікуваний прорив не відбувся?

Цей репортаж розкриває численні труднощі всередині Google. Це відображення великої імперії на переломі епох.

• Інноваційна швидкість, яку «гальмує» бюрократія

У репортажі зазначено ключову деталь: всередині Google складна ієрархія, безліч зацікавлених сторін.

Вихід моделі має враховувати потреби величезних продуктів — пошук, карти, YouTube тощо.

Такий «і те, і інше» підхід призводить до розпорошення ресурсів і повільних рішень.

Колишній співробітник образно порівняв: «Домогтися, щоб усі керівники тягнули у одному напрямку — як кип’ятити цілий океан.»

У підсумку — постійна зміна завдань, дублювання роботи між відділами, неформування єдиної командної дії.

OpenAI і Anthropic працюють як стартапи, поки «велетенський корабель» Google стоїть, погоджуючи внутрішні питання.

Один з користувачів точно підмітив: «Google має скоротити свій громіздкий бюрократичний апарат, щоб досягти прогресу у цій сфері.»

• AI-кодування — фіаско: інженерські «чистокровні» переконання і дефіцит потужностей

Та чому саме можливості кодування стали слабким місцем? За цим стоять більш глибокі суперечності всередині Google.

З одного боку, Google має найбільш престижну інженерну культуру у світі, що породжує «чистокровне» мислення.

Багато старої школи інженерів вірять: «Все важливе має писатися вручну.» Недовіра до AI-генерації коду обмежила використання Gemini для допомоги у розробці через страх витоку проприєтарного коду у навчальні дані.

Коли Google нарешті зрозуміла важливість AI-кодування і примусила використовувати AI для написання коду, з’явилась нова проблема — бракує потужності.

Репортаж фіксує, що при спробах використання внутрішніх AI-інструментів інженери часто стикались з обмеженням потужностей.

Найіронічніша деталь у всьому репортажі: у компанії, чий капітальні витрати цього року прогнозуються в $180-190 млрд, власні інженери не мають доступу до GPU!

Згідно з даними з Wall Street, капітальні витрати Google у першому кварталі досягли $35.7 млрд, більш ніж удвічі більше ніж рік тому. Стільки грошей вкладено у чіпи та дата-центри, а результат?

Зіштовхнувшись з безладдя, Google намагається виправити ситуацію.

Головний AI-архітектор уніфікує AI-інструменти різних відділів під основою Google Antigravity, у DeepMind створили спеціальну команду для AI-кодування, але — вже запізно.

• Внутрішня конкуренція, «вихід» талантів і порочне коло

Google не ігнорувала проблему. У неї є лабораторія Google DeepMind, хмарний підрозділ Google Cloud, команда Android, і навіть кілька внутрішніх груп для AI-кодування.

Але механізм «перегони між командами» породжує внутрішню боротьбу.

Команди розподілені, перекривають продукти, стратегія вагітна. Ще гірше, хаос та розчарування напряму призвели до втрати кращих талантів.

В репортажі зазначено, що багато дослідників, розчарованих відставанням Google, перейшли до Anthropic та OpenAI.

Виникає страшне коло: бюрократія — низька ефективність — відставання продукту — втеча талантів — ще більша технологічна відсталість.

Затримка з Gemini 3.5 Pro — логічний наслідок цього циклу.

Вся індустрія отримує сигнал тревоги,гіганти потрапляють у «пастку розчарування наступного покоління гігантських моделей»

Ethan Mollick із Wharton Business School, репостуючи репортаж, висунув страшну думку —

Це не трагедія лише Google, а «технічна зима», що охопила весь Силіконовий долину періодично.

Mollick гостро зазначає, що нинішня невдача Google відтворює ті самі труднощі, які раніше пережили Meta Llama 4 та xAI Grok 4.

Він назвав це явище «пасткою розчарування наступного покоління гігантських моделей».

Гігантські інвестиції і потужності на тренування наступного покоління моделей не виправдовують очікувань — фактичний приріст можливостей набагато менший, ринок втрачає лідерство.

Раніше індустрія покладалася на Scaling Law. Але коли масштаби моделі досягають певного рубежу, «насилування» даних та потужностей перестає працювати.

Бутилкова горловина даних: якісних людських текстових даних майже не залишилось, а синтетичні дані ще під питанням.

Бутилкова горловина алгоритмів: існуюча архітектура Transformer та її варіанти, схоже, наближаються до максимальних показників. Додаємо ймовірність падіння ефективності: будь-яке мале покращення потребує експоненціального витрат потужності.

У цій грі гігантів лише OpenAI завдяки Orion/GPT-4.5 тимчасово уникла цієї пастки, не зазнала значного відставання.

Можна ствердити — з наближенням до фізичних і інженерних меж, складність ітерації передових моделей стрімко зростає.

Ця затримка Gemini 3.5 Pro має нагадати всім —

Ми переживаємо плато. Швидкість «AI-день — людина-рік» завершилась.

Для індустрії це може бути на користь. Коли шум стихне, люди усвідомлять цінність AI.

Щодо Google, у ринку для компанії лишилося небагато часу і терпіння.