Профессора Стэнфорда запустили ИИ-лабораторию Noeri с $110 млн от Nvidia
Большинство ИИ-моделей перестают учиться после обучения, и компании выбирают: переплачивать за топовую модель или мириться с худшим результатом дешёвой. Лаборатория Noeri профессоров Стэнфорда Йеджин Чой и Карлоса Гестрина привлекла $110 млн, чтобы это изменить. Её система изучает данные клиента и сама перенастраивает задачу, а человек одобряет правки как в code review. Для команд с дорогими API это путь к экономии.
AI-обработка оригинала TNW; редакция Hamidun News
Почти все, кто запускал ИИ в продакшн, упирались в одну и ту же развилку: взять самую сильную модель и платить за каждый запрос или сэкономить и получить заметно худший результат. Новая лаборатория Noeri предлагает третий путь. Её основали в этом году профессора Стэнфорда Йеджин Чой и Карлос Гестрин, и на старте она привлекла $110 млн.
Раунд возглавил Menlo Ventures. В нём участвовали Madrona Venture Group, Kindred Ventures, Wing Venture Capital и NEA. Стратегическими инвесторами стали Cisco Investments, Nvidia и Snowflake. Первой о сделке написала Bloomberg. Оценку компании Noeri не раскрывает.
Как Noeri хочет научить систему учиться на работе
Исходная мысль простая. Большинство моделей после завершения обучения перестают узнавать новое, а системы Noeri, по словам компании, продолжают улучшаться по ходу использования.
Механика такая. ИИ изучает данные и рабочие процессы конкретной компании. Затем он меняет не только саму модель, но и всё, что её окружает: инструкции, набор инструментов, выбор модели для каждого шага и, если это окупается, сами модели. Представьте колл-центр. Система может заметить, что простые обращения спокойно решает небольшая дешёвая модель, а дорогую стоит звать только на сложные споры. Она перепишет промпты и перераспределит шаги.
Каждое изменение сопровождается объяснением, а утверждает его человек, как при код-ревью. Это важная деталь: автоматическая оптимизация без контроля пугает тех, кто отвечает за надёжность. Здесь инженер видит, что именно поменялось и почему, и может отклонить правку.
Система работает и с закрытыми моделями, и с моделями с открытыми весами. Данные, рабочие процессы и построенные модели остаются в собственности клиента.
Маленькая модель, которая управляет большими
Идея родилась отчасти из работы с командой микробиологов и иммунологов Стэнфорда. Им нужно было использовать модели OpenAI дешевле. Чой рассказала Bloomberg, что их небольшой ИИ научился пользоваться другими моделями и на задачах этой команды обошёл GPT-5. При этом он обращался к GPT-4, а не к GPT-5: по её словам, в Стэнфорде слишком мало денег, чтобы постоянно гонять самую новую модель.
Это пока рассказ основательницы, а не опубликованный бенчмарк. Проверяемых цифр о том, насколько система экономит деньги или повышает качество, в сообщениях нет.
Вторая часть планов Noeri связана с наукой. Компания хочет, чтобы ИИ работал вместе с учёными: выдвигал гипотезы, ставил эксперименты и учился на результатах. Примеры задач — новые молекулы, белки и сложные технические системы. Небольшие специализированные модели, по мнению компании, делают такой перебор доступным по цене.
Кто стоит за проектом и что это значит для практиков
Йеджин Чой — стипендиат MacArthur, бывший профессор Вашингтонского университета и старший директор Института Аллена по ИИ. Bloomberg пишет, что она также была выдающимся учёным в Nvidia. Карлос Гестрин основал Turi, платформу машинного обучения, которую Apple купила в 2016 году, а затем руководил центральной организацией Apple по ML и ИИ. Он же один из создателей открытой библиотеки XGBoost.
Штаб-квартира Noeri находится в Пало-Альто, есть офис в Цюрихе, в обоих городах компания нанимает исследователей и инженеров. Она уже работает с партнёрами из разных отраслей, включая некоторых своих инвесторов.
Гестрин объяснил Bloomberg и позицию: обоих тревожит централизация, когда одна компания владеет всем. Отсюда ставка на совместимость с чужими моделями и на то, что клиент сохраняет контроль.
Для разработчиков и продактов вывод такой. Выбор модели всё чаще становится частью самой системы, а не разовым решением. Уже сейчас полезно измерять качество и стоимость по каждому шагу рабочего процесса, держать промпты и инструменты под версионным контролем и проверять, где можно заменить дорогую модель дешёвой. Если Noeri выполнит обещанное, такая оптимизация станет автоматической, а за людьми останется последнее слово. Пока у компании есть деньги, сильная команда и заявка. Подтверждение в виде измеримых результатов у клиентов ещё впереди.
- 21 нояб. 2026 г.Локальную phi3 взламывали в 51% попыток — разработчик поставил перед ней защитный шлюз
- 21 нояб. 2026 г.Thinking Machines выпустила открытую Inkling 2 Mini на 26,4 млрд параметров для Mac с 32 ГБ
- 21 нояб. 2026 г.Nvidia удвоила прибыль, но акции упали на 2% из-за поиска нового гендиректора
- 21 нояб. 2026 г.Nous Research доучила китайскую Qwen3.8, и пропаганды в ответах стало 1% вместо 22%
Вопросы и ответы по материалу
Что известно по теме: как Noeri хочет научить систему учиться на работе?
Исходная мысль простая. Большинство моделей после завершения обучения перестают узнавать новое, а системы Noeri, по словам компании, продолжают улучшаться по ходу использования. Механика такая. ИИ изучает данные и рабочие процессы конкретной компании. Затем он меняет не только саму модель, но и всё, что её окружает: инструкции, набор инструментов, выбор модели для каждого шага и, если это окупается, сами модели. Представьте колл-центр.
Что известно по теме: маленькая модель, которая управляет большими?
Идея родилась отчасти из работы с командой микробиологов и иммунологов Стэнфорда. Им нужно было использовать модели OpenAI дешевле. Чой рассказала Bloomberg, что их небольшой ИИ научился пользоваться другими моделями и на задачах этой команды обошёл GPT-5. При этом он обращался к GPT-4, а не к GPT-5: по её словам, в Стэнфорде слишком мало денег, чтобы постоянно гонять самую новую модель. Это пока рассказ основательницы, а не опубликованный бенчмарк.
Что известно по теме: кто стоит за проектом и что это значит для практиков?
Йеджин Чой — стипендиат MacArthur, бывший профессор Вашингтонского университета и старший директор Института Аллена по ИИ. Bloomberg пишет, что она также была выдающимся учёным в Nvidia. Карлос Гестрин основал Turi, платформу машинного обучения, которую Apple купила в 2016 году, а затем руководил центральной организацией Apple по ML и ИИ. Он же один из создателей открытой библиотеки XGBoost.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
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.