Гонка к искусственному интеллекту общего назначения (AGI): сравнительный анализ ведущих претендентов, исследовательских парадигм и стратегий безопасности (2024‑2026)

1. Введение

Понятие искусственного интеллекта общего назначения (Artificial General Intelligence, AGI) обычно определяют как системы, способные решать широкий класс интеллектуальных задач на уровне компетентного человека и переносить навыки между предметными областями без целевого переобучения. От «узкого» ИИ AGI отличается универсальностью, от гипотетического сверхинтеллекта (ASI) — отсутствием систематического превосходства над человеком. На практике строгого, операционализируемого и общепринятого критерия достижения AGI не существует, что делает любые заявления о его «достижении» предметом методологической осторожности.

Период с 2024 по первую половину 2026 года стал переломным: центр тяжести разработки окончательно сместился от академических коллективов к индустрии, а решающими факторами конкуренции наряду с архитектурой модели стали капитал, доступ к вычислительным ресурсам и качество внутренних систем оценки.

2. Материалы и методы

Методологическую основу настоящего обзора составляет структурированный анализ первичных и авторитетных вторичных источников. При оценке характеристик моделей, результатов бенчмарков, системных особенностей, регуляторных изменений и официальных корпоративных заявлений приоритет отдавался первичным источникам, включая системные карты разработчиков, технические отчёты, рецензируемые научные публикации, нормативные документы и официальные раскрытия информации. Авторитетные вторичные источники, в том числе крупные финансовые и новостные издания, использовались в тех случаях, когда первичная документация отсутствовала либо когда для установления стоимости сделок, оценки компаний, событий финансирования и иных рыночных событий требовалось независимое подтверждение.

В ходе анализа результаты, заявленные самими разработчиками, последовательно отделялись от независимо верифицированных результатов. Результаты бенчмарков рассматривались как независимо подтверждённые только в тех случаях, когда можно было установить методику оценки, версию модели и источник результата. При неполноте доказательств или существенных противоречиях между источниками соответствующие утверждения формулировались с необходимыми оговорками, а не рассматривались как установленный факт.

Существенные расхождения между результатами, заявленными разработчиками, и независимо воспроизведёнными результатами анализировались индивидуально с учётом версии модели, методики оценки, конфигурации бенчмарка, процедуры выборки и даты проведения оценки. Результат, заявленный разработчиком, не считался независимо подтверждённым только на основании численной близости показателей.

3. Ландшафт претендентов

3.1. Индустриальные лидеры

К началу 2026 года фронтир делят три компании — OpenAI, Google DeepMind и Anthropic, — за которыми с разной дистанцией следуют Meta, xAI и Microsoft.

OpenAI. Флагман — GPT-5.5 (по сообщениям, внутреннее кодовое имя «Spud»), выпущенный 23 апреля 2026 года; это первая полностью переобученная базовая модель со времён GPT-4.5, нативно мультимодальная, с контекстом до 1 млн токенов в API. Оценка компании достигла $852 млрд после раунда на $122 млрд (31 марта 2026) [3, 4].

Google DeepMind. Флагман — Gemini 3.1 Pro (19 февраля 2026). Gemini 3 Pro на момент выпуска возглавил LMArena (1501 Elo) и показал 91,9% на GPQA Diamond; Gemini 3.1 Pro более чем вдвое улучшил результат на ARC-AGI-2 (77,1%) [5].

Anthropic. Флагман — Claude Opus 4.8. Opus 4.5 стал первой моделью, преодолевшей 80% на SWE-bench Verified. По оценке в $965 млрд после раунда Series H на $65 млрд (28 мая 2026) Anthropic впервые превзошёл OpenAI [6–10].

Meta, xAI, Microsoft. Meta выпустила первую проприетарную фронтир-модель Muse Spark (8 апреля 2026). xAI объединилась со SpaceX с целевой оценкой IPO $1,75–2 трлн. Microsoft действует преимущественно через партнёрство с OpenAI с сообщаемой выручкой от ИИ порядка $13 млрд.

3.2. Специализированные лаборатории и институты

Safe Superintelligence (SSI) основана Ильёй Суцкевером (июнь 2024). Принципиально не имеет публичных моделей и продуктов; капитализация достигла ~$32 млрд при штате около 20 человек. DeepSeek V4 (MIT, апрель 2026) достигает 80,6% на SWE-bench при цене на порядки ниже проприетарных аналогов; заявленное отставание от закрытого фронтира — 3–6 месяцев. OLMo 3.1 Think 32B при почти в 90 раз меньшем числе параметров, чем у Grok 4, достигает сопоставимых результатов на ряде бенчмарков — за счёт тщательного курирования данных.

4. Сравнение исследовательских подходов

4.1. Академическая наука против индустриального масштабирования

Индустриальное масштабирование остаётся доминирующей парадигмой: объём обучающих вычислений удваивается примерно каждые пять месяцев, а размеры датасетов — каждые восемь. Инференс подешевел оценочно в 280 раз за около полутора лет на уровне качества GPT-3.5. Слабые стороны — приближение к информационным и энергетическим пределам, непрозрачность и колоссальный барьер входа по капиталу [1].

4.2. Автономные агенты

На многоходовых задачах (τ-bench / τ2-bench) даже лучшие модели дают менее 50% успеха; строгая метрика устойчивости pass^8 падает ниже 25%. На новом тесте ARC-AGI-3 (март 2026) все фронтир-системы показывают менее 1% [31, 32]. Дефекты валидности обнаружены в 8 из 10 популярных тестов — «ничего не делающий» агент проходит до 38% задач одной из подвыборок τ-bench [33, 34].

4.3. Безопасность и согласование

Anthropic позиционирует Opus 4.5 как «наиболее согласованную фронтир-модель в индустрии», приближаясь к порогам ASL-4. Число задокументированных инцидентов с ИИ выросло до 362 (против 233 годом ранее). AI Index фиксирует фундаментальный компромисс: улучшение одного измерения ответственного ИИ способно ухудшать другое [1].

4.4–4.6. Открытые модели, данные X, биологически-инспирированные архитектуры

Открытые китайские модели сократили отставание от закрытого фронтира до 3–6 месяцев. Индекс прозрачности фундаментальных моделей упал до 40 баллов из 100 (с 58 годом ранее). Стратегия xAI на данных X сопряжена с серьёзными правовыми рисками: нидерландский суд признал нарушение GDPR. Нейроморфные решения (Intel Loihi 2, IBM NorthPole) демонстрируют до 25-кратного прироста производительности на ватт, однако остаются в фазе ранней коммерциализации [35–40].

5. Критическая оценка Stanford HAI AI Index

AI Index 2026 (опубликован 13 апреля 2026) фиксирует: частные инвестиции в ИИ в США достигли $285,9 млрд в 2025 году (более чем в 23 раза превысив показатель Китая); генеративный ИИ достиг 53% проникновения за три года — быстрее персональных компьютеров и интернета; позитивного влияния ИИ на занятость ожидают 73% экспертов против 23% широкой общественности [1].

6. Дискуссия

Совокупность данных позволяет сформулировать несколько обобщений. Во-первых, лидерство индустрии над академией закрепилось окончательно. Во-вторых, наблюдается парадокс: при быстром росте возможностей сохраняется устойчивый провал в долгогоризонтных агентных задачах и снижается прозрачность. В-третьих, регуляторный фактор (AI Act, дело Grok) становится самостоятельной переменной.

Выводы о приближении к AGI целесообразно делать стадийно. Триггером для пересмотра следует считать устойчивое преодоление порогов — условно, свыше 50% по метрике pass^k на τ2-bench и свыше 30% на ARC-AGI-2 — несколькими независимо проверенными системами. Маркетинговые заявления о конкретной «вероятности AGI» следует исключать из доказательной базы.

7. Заключение

К середине 2026 года гонка за AGI представляет собой многополярный паритет небольшой группы лидеров (OpenAI, Google DeepMind, Anthropic) при быстром сокращении отставания открытых китайских моделей и нарастающем влиянии капитала, инфраструктуры и регулирования.

Главным методологическим выводом является необходимость строгого разграничения заявленных и независимо проверенных результатов и осторожной, стадийной интерпретации любых утверждений о достижении AGI. Дальнейшие исследования целесообразно сосредоточить на надёжности агентных систем, валидности бенчмарков и восстановлении прозрачности фронтира.

8. Декларации

8.1. Конфликт интересов и редакционные роли

Автор является основателем и директором International Association of Experts, Inc., организации-издателя IAE Review, а также главным редактором журнала. Рукопись прошла рецензирование двумя независимыми рецензентами. В связи с совмещением авторской и редакционной ролей журнал не заявляет о независимом редакционном ведении данной рукописи. Данное совмещение ролей раскрывается в интересах прозрачности.

8.2. Финансирование

Исследование выполнено без внешнего финансирования.

8.3. Доступность данных

Новые наборы данных в рамках настоящего обзора не создавались; все использованные данные доступны в цитируемых источниках.

8.4. Рецензирование

Статья прошла рецензирование двумя независимыми рецензентами.