Менее чем через два месяца после того, как Google создал специальный «AI Code Commando», он начал реорганизовать эту команду в попытке сократить разрыв с Anthropic в области генеративного программирования ИИ с чрезвычайно высокой коммерческой ценностью. По данным «Информации», Google DeepMind, отвечающая за разработку Gemini, расширила обязанности команды от простого улучшения инструментов кодирования и интеллектуальных агентов до охвата более широкого спектра работ «промежуточного обучения» модели.

Так называемое промежуточное обучение означает, что после того, как модель завершит крупномасштабное общее предварительное обучение и перед формальным согласованием инструкций и точной настройкой задач, в модель снова подаются тщательно отобранные данные, чтобы она могла в дальнейшем «составлять уроки» по структурированным задачам. Соответствующие исследования показывают, что для таких сценариев, как программирование и математика, которые переходят от общих языковых навыков к высокоструктурированным, промежуточное обучение особенно эффективно и помогает модели добиться большего улучшения способностей к рассуждению и программированию. Для Google это означает, что больше нельзя полагаться исключительно на лучший дизайн подсказок, интерфейсы продуктов или последующую тонкую настройку, а напрямую укреплять «базовые навыки» Gemini в базовых возможностях кодирования.

Сообщается, что в апреле этого года Google сформировал коммандос-команду по кодированию искусственного интеллекта во главе с Себастьяном Боржо, инженером-исследователем Google DeepMind, который долгое время занимался предварительным обучением моделей, уделяя особое внимание сложным, долгосрочным и крупномасштабным сценариям задач программирования. Соучредитель Google Сергей Брин и технический директор Google DeepMind Корай Кавукчуоглу также были признаны причастными, что показывает, что компания придает большое значение догнать конкурентов в области кодирования. Внутренние исследователи DeepMind в целом полагали, что производительность Anthropic в инструментах кодирования уже опережает серию Gemini от Google, что также стало важным фоном для руководителей Google для увеличения их усилий в проекте.

Anthropic считает «написание кода» одним из основных принципов своей стратегии в области искусственного интеллекта и продолжает работать в этом направлении с помощью Claude Code и семейства моделей Claude. Последняя версия Claude Opus 4.8 была обновлена ​​с точки зрения кода и задач интеллектуального агента. В то же время Anthropic также запустила и удалила такие модели, как Mythos и Fable, и продолжает исследовать пути дифференциации на уровне продукта. Судя по текущей публичной информации, в глазах многих разработчиков и корпоративных пользователей опыт кодирования Anthropic становится одним из важных ориентиров для измерения конкурентоспособности больших моделей.

Корректируя свою бизнес-стратегию, Google также столкнулся с растущей конкуренцией за таланты. Не так давно Ноам Шазир, соруководитель проекта Gemini, объявил, что покидает Google и присоединяется к OpenAI, в то время как выяснилось, что двое других исследователей, участвующих в проектах Gemini и DeepMind, готовятся присоединиться к Anthropic. Постоянная утечка мозгов вынуждает Google не только догонять отставание в продуктах в области крупных моделей и возможностей кодирования, но и иметь дело с реальным риском перетока основных исследовательских сил к конкурентам.

Неясно, выпустит ли реорганизованная команда в конечном итоге новую общедоступную модель Gemini или новый продукт для разработчиков. Google не раскрыл размер команды, конкретные цели производительности и график выпуска продуктов, и невозможно судить, в какой степени этот раунд стратегических корректировок может переписать конкурентную среду с Anthropic в области кодирования ИИ. Однако, начиная с быстрой реорганизации команды, введения промежуточного обучения и заканчивая личным вмешательством старших руководителей, можно увидеть, что Google пытается вернуть себе инициативу на ключевом направлении генеративного программирования ИИ посредством более глубоких технических корректировок.