Moonshot AI переключает Kimi с кода на науку: анализ генов за 90 минут вместо 4 часов
Moonshot AI видит, что в программировании модели почти перестали быстро расти, и переключает Kimi на биологию и фарму. Ассистент BioMaster на Kimi K3.1 Pro за 90 минут разобрал данные 3 696 клеток мыши и отметил 100 генов-кандидатов — человеку нужно около четырёх часов. Это как отдать ИИ первичный разбор логов, а выводы оставить инженеру. Открытий без человека ИИ пока не делает.
AI-обработка оригинала The Decoder; редакция Hamidun NewsКитайский стартап Moonshot AI, который делает семейство языковых моделей Kimi, решил уйти из гонки за лучшие результаты в программировании: там каждое новое улучшение даётся всё дороже, а прирост на тестах почти не заметен. Вместо этого компания разворачивает Kimi к биологии, химии и фармацевтическим исследованиям. Наглядный пример уже есть: исследовательский ассистент BioMaster, в который пекинская DP Technology встроила модель Kimi K3.
1 Pro, за 90 минут проанализировал данные по генам из 3 696 клеток поджелудочной железы мыши и отметил 100 генов-кандидатов. По оценке, человеку на ту же работу потребовалось бы около четырёх часов. Представьте разработчика, которому ИИ за полтора часа вместо четырёх разобрал гигантский массив логов и выделил сотню подозрительных мест: проверять их всё равно придётся человеку, но стартовая точка появляется гораздо быстрее.
Для тех, кто строит продукты на LLM, это сигнал о том, куда может сместиться следующая волна спроса.
Почему Moonshot уходит от кода
Международный директор Moonshot AI Джакомо Фикари сказал на Web Summit в Лисабоне, что наука требует более умных моделей, чем право, финансы или программирование. Логика такая: если ассистент для кода или юридических документов уже достаточно хорош для большинства задач, то дальнейшие улучшения дают всё меньше заметной пользы. В исследовательской работе планка выше, а значит, там остаётся пространство для отрыва от конкурентов.
Это не отказ от кода как такового, а смена приоритета. Стартап ставит на то, что сложные научные задачи станут новым полигоном и новым рынком для Kimi.
Что на самом деле показал BioMaster
Важно понимать, что именно ускорилось. Модель не сделала открытие: она просеяла массив данных по генам и предложила список из 100 кандидатов, который биолог дальше проверяет сам. Это привычная роль ассистента: взять рутинную первичную обработку и сократить путь до осмысленной гипотезы. Выигрыш — с четырёх часов до 90 минут, то есть более чем вдвое, — приятен, но это единичный тест, а не доказательство того, что так будет работать вся лаборатория. Время человека здесь оценочное, а не измеренное в контролируемом сравнении.
Где потолок и почему фарма не торопится
Полностью самостоятельные прорывы ИИ пока далеко. На TCSExam, бенчмарке из 100 задач по теоретической информатике, ведущие модели выдавали проверяемые доказательства, но ни одной открытой гипотезы в одиночку не решили. Они уверенно работают там, где путь известен, и пока не выходят за границу известного.
Похожие пределы видят и американские конкуренты. Claude от Anthropic в сентябре нашёл ферментную систему, но заявления OpenAI о прорывах в математике и физике вызвали критику математиков: отдельные впечатляющие результаты есть, однако спорных утверждений не меньше.
Сама фарма тоже не убеждена. По июньскому опросу Citi среди 50 руководителей исследовательских подразделений в США, 72% уже широко используют ИИ, но лишь 24% ждут, что он заметно повысит долю успешных разработок лекарств. ИИ принимают как рабочий инструмент, но не как гарантию того, что лекарства будут появляться чаще.
Что это значит на практике
Во-первых, не стоит рассчитывать, что качество моделей на кодовых бенчмарках продолжит расти прежними темпами: сами разработчики говорят о замедлении. Во-вторых, узкие научные ассистенты вроде BioMaster выглядят реалистичной нишей: понятная предметная область, измеримая метрика (часы работы специалиста) и готовые данные. В-третьих, продавать такие продукты стоит как ускорители рутины, а не как «автоматических учёных»: именно у ускорения есть проверяемый эффект, а скепсис отрасли подтверждён цифрами опроса.
Оговорка: большая часть сведений исходит из выступления представителя компании и пересказа в прессе, а результат BioMaster описан одним тестом без независимой проверки. Но направление показательное: борьба за лидерство в LLM постепенно смещается от вопроса «кто лучше пишет код» к вопросу «кто полезнее в реальной науке».
- 18 нояб. 2026 г.Одна китайская запятая переключила DeepSeek на китайский в 94% ответов
- 18 нояб. 2026 г.Hugging Face гонит запросы к LLM через OpenRouter: ошибок нехватки мощности меньше на 46%
- 18 нояб. 2026 г.Модели OpenAI сократили площадь блоков Jalapeño на 10–13%, а GPU AMD улучшили до 14%
- 18 нояб. 2026 г.Revolut ускорил разработку фич на 30–60% и поручил ИИ-агенту проверку платежей
Вопросы и ответы по материалу
Что известно по теме: почему Moonshot уходит от кода?
Международный директор Moonshot AI Джакомо Фикари сказал на Web Summit в Лисабоне, что наука требует более умных моделей, чем право, финансы или программирование. Логика такая: если ассистент для кода или юридических документов уже достаточно хорош для большинства задач, то дальнейшие улучшения дают всё меньше заметной пользы. В исследовательской работе планка выше, а значит, там остаётся пространство для отрыва от конкурентов. Это не отказ от кода как такового, а смена приоритета.
Что известно по теме: что на самом деле показал BioMaster?
Важно понимать, что именно ускорилось. Модель не сделала открытие: она просеяла массив данных по генам и предложила список из 100 кандидатов, который биолог дальше проверяет сам. Это привычная роль ассистента: взять рутинную первичную обработку и сократить путь до осмысленной гипотезы. Выигрыш — с четырёх часов до 90 минут, то есть более чем вдвое, — приятен, но это единичный тест, а не доказательство того, что так будет работать вся лаборатория.
Что известно по теме: где потолок и почему фарма не торопится?
Полностью самостоятельные прорывы ИИ пока далеко. На TCSExam, бенчмарке из 100 задач по теоретической информатике, ведущие модели выдавали проверяемые доказательства, но ни одной открытой гипотезы в одиночку не решили. Они уверенно работают там, где путь известен, и пока не выходят за границу известного. Похожие пределы видят и американские конкуренты.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.