Gemini 3.5 чи навіть 4.0? Кодова назва «Сніговий зайчик»: Витік даних бенчмарків нібито нової моделі Google

Інженерна пригода на порозі когнітивної революції

Дані бенчмарків, що витікли в січні 2026 року з нібито нової моделі Google під кодовою назвою «Сніговий зайчик», символізують глибокий поворотний момент у штучному інтелекті, який виходить далеко за рамки простих ігор з числами. Замість поступового прогресу в розробці моделей, ці дані розкривають феномен, який вплітає основну архітектуру самої людської думки в технічну основу штучного інтелекту. Різниця в продуктивності є не просто числовою, а якісно трансформаційною, що має прямі наслідки для європейської та німецької промислової політики та майбутнього конкуренції між технологічними наддержавами США, Китаю та фрагментованою Європою.

Ієрогліфічний тест, у якому Snowbunny, як повідомляється, досягає 80-відсоткового рівня успішності — значно випереджає GPT-5.2 з 55 відсотками та Gemini 3.0 Pro з 45 відсотками — перевіряє не просто знання чи розпізнавання образів, а радше нестандартне мислення. Нестандартне мислення — це здатність людини бачити зв'язки між непов'язаними поняттями, творчо обходити усталені моделі мислення та підходити до вирішення проблем з незвичних точок зору. Це механізм, який не піддається суто статистичному прогнозуванню, і є причиною, чому креативність, інновації та справжнє вирішення проблем не виникають лише завдяки масштабуванню. Академічні дослідження послідовно документують, що навіть найкращі доступні моделі не мають результату нижче 50 відсотків у завданнях нестандартного мислення. Snowbunny, схоже, значно перевищив цей поріг.

Базові технічні інновації глибоко закріплені в архітектурі системи. Google, очевидно, впровадив те, що інтенсивно досліджується в галузі штучного інтелекту з 2025 року: поділ когнітивного мислення на те, що психолог Даніель Канеман називає мисленням «Система 1» та «Система 2». Система 1 — це блискавично швидке, інтуїтивне мислення статистичних закономірностей. Система 2 — це повільне, усвідомлене мислення, яке підраховує кроки, ставить під сумнів припущення та оцінює кілька шляхів рішення паралельно. Попередні моделі, такі як GPT-5.2 або Gemini 3.0, в основному оптимізували Систему 1, здатність зіставлення зі зразками на необробленій швидкості, з деякими поверхневими спробами імітувати повільніше мислення за допомогою підказок «ланцюга думок». Архітектура Snowbunny, схоже, реалізує справді глибшу структуру міркування — таку, яка дійсно паралельно досліджує кілька шляхів мислення, перевіряє гіпотези та ітеративно їх уточнює.

Акцент на безпеці залишається прозорим і більше не є лише фактором витрат

Одна деталь витоків інформації є особливо важливою для експертів: обидві версії моделі, «сирий» варіант і «менш сирий» варіант з суворішими фільтрами безпеки, досягають однакових 80-відсоткових показників успішності. Це суперечить давньому припущенню в дослідженнях штучного інтелекту, що узгодження безпеки, тобто навчання на проблемних виходах, обов'язково погіршує чисто когнітивну продуктивність. Якщо Google вирішив цей класичний компроміс між ефективністю та безпекою, це являє собою нетривіальний прорив у методології пост-навчання. Наслідки є глибокими: це говорить про те, що безпека та можливості не обов'язково повинні бути антагоністичними, але реструктуризовані навчальні конвеєри можуть максимізувати обидва одночасно.

Самі дані порівняння потребують обережності. Скріншоти бенчмарків легко маніпулювати, і хоча тест Hieroglyph відомий в академічних колах, він не так широко поширений і стандартизований, як класичний тест MMLU (Massive Multitask Language Understanding), який залишається золотим стандартом загальних знань. Однак витік даних узгоджується з публічними заявами Google про те, що компанія ще в листопаді 2025 року представила функцію під назвою «Gemini Deep Think» — режим, у якому моделям Gemini надається більше часу на роздуми перед відповіддю, і який досягає вимірних покращень у встановлених бенчмарках, таких як ARC-AGI-2 (45,1 відсотка) та GPQA Diamond (93,8 відсотка). Ці публічно перевірені дані та витік результатів Hieroglyph говорять схожою мовою: досягнуто точки, коли обчислювальна потужність перетворюється на справжню когнітивну глибину.

Ринок як індикатор справжніх конкурентних змін

Динаміка ринку з надзвичайною чіткістю підтверджує технічну концепцію. Частка ринку OpenAI серед користувачів ШІ впала з 87% до 68% у 2025 році. Водночас частка Gemini від Google зросла з 5,4% до 18,2%. Цей зсув зумовлений не лише дискримінацією даних чи поширенням медіа, а й структурною зміною в тому, як ШІ інтегровано в стек продуктивності. Google вбудував Gemini в Chrome, Android та Google Workspace — це вже не додаток, який користувачі свідомо відкривають, а навколишня можливість, яка вже присутня в операційній системі та повсякденних робочих інструментах. Таким чином, впровадження більше не є активним вибором, а явищем за замовчуванням.

Водночас Google дотримується агресивної цінової стратегії. У той час як GPT-5.2 коштує 1,75 долара за мільйон вхідних токенів, Gemini Flash коштує 0,50 долара — це знижка 71%. Це не рекламна пропозиція для проникнення на ринок, а структурне перепозиціонування. Завдяки власним TPU (тензорним процесорам) та інфраструктурі кастомних чіпів, Google має радикальну перевагу у структурі витрат над OpenAI, який спирається на графічні процесори Nvidia та інфраструктуру Azure від Microsoft. Таку глибину апаратного забезпечення нелегко відтворити.

Стратегія блискуча, але водночас викликає занепокоєння у європейських, а особливо у німецьких промислових компаній. Підхід Google орієнтований на «вихід підприємства», а не на «споживача», як OpenAI. Google інтегрує штучний інтелект в інструменти, які компанії вже використовують. Він поєднує Gemini з Google Workspace, створює понад 1500 попередньо вбудованих агентів штучного інтелекту та інтегрується безпосередньо з Salesforce, SAP та ServiceNow. Стратегічне послання переконливе: навіщо купувати окремі підписки на ChatGPT, коли штучний інтелект вже є в пакеті продуктів для підвищення продуктивності?

Morgan Stanley підрахувала, що якщо Google переведе лише 30 відсотків своєї існуючої клієнтської бази Workspace на Gemini Enterprise, то до 2027 року вона зможе генерувати 8-10 мільярдів доларів річного регулярного доходу, при цьому операційна рентабельність перевищуватиме 40 відсотків. Це не припущення, а радше арифметика, заснована на наявній кількості клієнтів та перевірених моделях оновлення SaaS.

Керована платформа штучного інтелекту - Зображення: Xpert.Digital

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваш універсальний та безтурботний пакет для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто протягом кількох днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до операційного застосування за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми беремо на себе повне технічне впровадження, експлуатацію та обслуговування вашого рішення на основі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Детальніше про це тут:

• Керована платформа штучного інтелекту

Латеральне мислення як економічний фактор: інфраструктура інновацій

Чому нестандартне мислення є економічно актуальним? Тому що справжні інновації — не просто масштабування існуючих шаблонів, а розпізнавання нових просторів можливостей — вимагають саме цих когнітивних здібностей. Система штучного інтелекту, яка може вирішувати проблеми лише за допомогою статистичного розпізнавання шаблонів, функціонуватиме у вузько визначених областях, але сліпо стикатиметься з інноваційними стрибками. Однак, якщо система штучного інтелекту може будувати паралельні гіпотези, перевіряти їх одну на одній та сканувати на наявність неочікуваних зв'язків, то вона раптом володіє справжньою узагальнюваністю. Вона може справлятися з неоднозначністю. Вона може оцінювати багатозначні варіанти.

Для німецької промисловості, зокрема для керівництва середніх компаній у секторах машинобудування, систем автоматизації та логістики, це створює прямий інноваційний виклик. Партнер зі штучним інтелектом, здатний до нестандартного мислення, є справжнім інструментом інновацій. Партнер зі штучним інтелектом, обмежений міркуваннями в стилі GPT 5.2, є ефективним автором документів та генератором коду, але не стратегічним радником. У цьому полягає різниця між «інструментом продуктивності» та «стратегічною здатністю»

Ще більше: якщо контрольна точка Snow Bunny від Google справді буде включена до майбутньої версії Gemini 3.5 (що технічні інсайдери підозрюють, виходячи з правил іменування та логіки часових рамок), то баланс сил у галузі штучного інтелекту докорінно зміниться у 2026 році. Не просто трохи. Фундаментально.

Архітектура прориву: Не просто масштабування

Критичний момент: покращення не стало результатом додаткових параметрів чи збільшення обчислювальної потужності. Це було дослідницьким питанням з 2023 по 2025 рік: чи буде достатньо простого масштабування. Тепер виявляється: ні. Потрібна була справжня архітектурна інновація. Зміна парадигми від «статистично передбачити наступний токен» до «розкласти проблему, міркувати ієрархічно, перевірити». Технічна література з ієрархічних моделей міркування (HRM) та нейросимволічного ШІ вже з 2024-2025 років демонструвала, що такі архітектури можливі та що вони можуть досягти кращої продуктивності міркування зі значно меншою кількістю параметрів, ніж підходи чистого масштабування.

Google явно запустив версію цього у виробництво. OpenAI та Anthropic (Claude) ще глибше вбудовані в парадигму масштабування. Це стратегічна відмінність, а не незначна. Це також пояснює, чому сама кількість мільярдів параметрів більше не є єдиним фактором.

Ризики не є незначними

Достовірність даних залишається неясною. Витоки бенчмарків легко маніпулювати, а індустрія штучного інтелекту неодноразово стикалася з проблемою руйнування цілісності бенчмарків у 2024-2025 роках. Підробка результатів, забруднення навчальних даних, вибіркове звітування — ці практики добре задокументовані. Обережний аналітик порадив би: не довіряйте скріншотам, дочекайтеся загальної доступності (GA) та проведіть незалежні оцінки.

Однак, технічна інсайдерська інформація про режим «Глибокого мислення», паралельну генерацію коду (3000 рядків в одному запиті) та можливості генерації SVG та музики — все це вже задокументовано у звітах бета-тестерів та підтверджено інтеграцією Vertex AI Cloud. Це зменшує ризик маніпуляцій. Google мав би забагато чого втратити, якби ці бенчмарки були підробленими. Компанія може бути менш прозорим конкурентом, але вона не дурна.

Стратегічні наслідки для європейської промисловості

Ось тут і починається серйозна ситуація. У Європі немає головного гравця в грі за базову модель. Насправді ні. Mistral, заснована у Франції, бореться за виживання проти альтернатив з відкритим кодом. Aleph Alpha, німецький стартап, давно відмовився від своєї незалежності. Європа експортує таланти до OpenAI, Google та Anthropic замість того, щоб зберегти їх. Континент створює дослідницькі роботи, але не завойовує ринки.

Нова динаміка є небезпечною. Google удосконалить свою пропозицію корпоративного штучного інтелекту за допомогою Snow Bunny/Gemini 3.5. Якщо німецькі виробники машин, логістичні компанії та малі та середні підприємства фундаментально залежать від Google, Microsoft (з інтеграцією OpenAI) або Anthropic, то вони перебувають у стратегічній залежності. Вони платять за розвиток разом із технологією, але не контролюють її. Для такої країни, як Німеччина, яка побудувала свою конкурентоспроможність на технологічній глибині, це середньостроковий ризик.

Німеччина є світовим лідером у сфері Індустрії 4.0 та автоматизації. Але якщо когнітивний рівень — штучний інтелект, який обмірковує виробничі процеси — походить від США, то Німеччина делегує стратегічний рівень. Це класична пастка: залишатися технічно сильним на нижчих рівнях, але втрачати контроль над рішеннями та інноваціями на вищому рівні.

Чи є шлях назад чи вбік? Це складно. Моделі з відкритим кодом (Llama, Qwen, Mistral) дешевші, але вони відстають від передових моделей за глибиною міркування. Програма «європейського штучного інтелекту» коштуватиме роки та трильйони. Практичний шлях, ймовірно, такий: європейська промисловість повинна працювати з передовими моделями, але розвивати власні спеціалізації та предметну експертизу, які універсалізовані моделі не можуть просто відтворити. Це можливо, але вимагає глибини організації та інвестицій у таланти, а не лише у виклики API.

Ширший наратив: перехід до когнітивної глибини

Ми знаходимося на переломному етапі від ери масштабування до ери когнітивної глибини. 2017-2023 роки були роками «Більші моделі, кращі результати» — наратив від GPT-2 до GPT-3 та GPT-4 був чистим масштабуванням. 2024-2025 роки стали роком, коли ця межа ефективності стала очевидною. Неможливо досягти в 10 разів кращих результатів з 10 разів більшою кількістю параметрів. Потрібно було мислити (архітектурно) та впроваджувати інновації.

Google, зі своїми дослідницькими лабораторіями (об'єднані DeepMind + Google Brain), інвестиціями в TPU та довгостроковим горизонтом, був готовий до цього переходу. OpenAI реагує більш реактивно, краще розбирається у зв'язках з громадськістю, але дещо відстає в дослідницькому циклі. Така ситуація склалася в січні 2026 року.

Бенчмарк з ієрогліфами та витоки Snowbunny є симптомами цього глибшого зрушення. Не тому, що нова модель добре розв'язує головоломки, а тому, що справжнє мислення System 2 було впроваджено у виробничому масштабі.

Це має наслідки не лише для індустрії штучного інтелекту, а й для всіх галузей, які розуміють ШІ як стратегічний внесок. І це дійсно має стосуватися кожного.

Konrad Wolfenstein

Я радий допомогти вам як особистого консультанта.

зв’язатися зі мною під Вольфенштейном ∂ xpert.digital

зателефонуйте мені під +49 89 674 804 (Мюнхен)

LinkedIn