Decision models — это не просто очередной тренд, а практический ответ на реальную потребность. В отличие от полноценных языковых моделей, которые генерируют текст и требуют вычислительных мощностей, decision models работают по более узкому сценарию: они берут несколько готовых вариантов и выбирают лучший, заодно оценивая свою уверенность в решении. Скорость и экономичность такого подхода привели к взрывному росту: уже в октябре более четверти запросов на Vercel's AI model router пошли именно на decision models, хотя технология была изобретена всего месяцем раньше.
Индустрия отреагировала предсказуемо быстро. TypeSafe достиг оценки в $7,5 млрд на модели Jev, которая по-прежнему доминирует на рынке. Но раз алгоритм простой, то и конкурентов заводится легко: за несколько недель появились десятки вариантов, включая модель, которую один инженер Amazon собрал за выходные. Теперь каждый гиганта — от Microsoft до Google — выкатывает собственную версию, и Microsoft уже запустил Decision-1.1 на Azure.
Наиболее интересная динамика разворачивается не на уровне гигантов, а в стартап-сегменте. Sqwish, британский стартап, только что собрал $3 млн на своей модели kettei fat, но главное — не сама модель, а подход к её использованию. Основатели, которые изначально разрабатывали малые языковые модели для других целей, заметили, что их архитектуры идеально переиспользуются для decision models. Ключевое отличие: Sqwish предлагает встроенные инструменты, которые позволяют клиентам улучшать модель на собственных данных прямо в production.
Вот тут начинается настоящая конкуренция. Если decision models как класс — это уже коммодити (каждый может сделать), то кастомизация и адаптация под конкретные задачи клиента становится основным источником ценности. TypeSafe CEO Диого Алмейда подтвердил, что самая сложная часть Jev — не архитектура, а тонкая калибровка суждений модели через синтетические данные. У Sqwish похожий подход, но с акцентом на том, что клиент может непрерывно загружать свои данные и модель продолжит улучшаться именно для его задач. Это принципиально отличается от статичной модели, которую гиганты раздают всем.
Оценка моделей через традиционные бенчмарки здесь почти бесполезна. Инженеры на обоих концах экосистемы говорят, что реальная проверка — это интеграция в реальный процесс и наблюдение за производительностью в конкретном контексте. Microsoft VP Achint Srivastava откровенно заметил: "Бенчмаркированные модели быстро падают при использовании в реальных компаниях". Это означает, что лучшая модель — не та, которая лучше всех пишет тесты, а та, которая лучше работает именно в вашей системе.
Для бизнеса в России это открывает практический канал. Decision models хорошо подходят для автоматизации рутинной классификации, маршрутизации задач, одобрения типовых операций — везде, где нужна скорость, а не творчество. В финтех-сфере это выбор между готовыми типами платежа, в логистике — маршрутизация заказов, в back-office — триаж документов. Платформы типа AI Studio уже встраивают decision model-подобные функции, но главный вывод иной: как видно на примере Sqwish, преимущество получат инструменты, которые позволяют адаптировать модель под ваши данные без технических сложностей. Это принципиально важнее, чем просто выбор между провайдерами.
Тем не менее масштаб рынка, видимо, остаётся меньше, чем кажется на пике ажиотажа. Federica Freddi из Sqwish правильно заметила, что даже если decision models станут огромным бизнесом (от $10 млрд до $50 млрд), это для гигантов типа OpenAI с его триллионным потенциалом — лишь побочный проект. Это не обесценивает нишу, но означает, что гиганты не будут строить её как основной бизнес, оставляя место для специалистов, которые разберутся в деталях кастомизации и интеграции лучше.
Алексей Мартыненко
Главный редактор SPV News
Decision models показывают типичную траекторию: новая идея быстро становится коммодити, после чего выживают только те, кто может её значимо кастомизировать. В лоб конкурировать с Microsoft или OpenAI невозможно, но вот адаптировать модель под конкретные данные клиента — это реальное преимущество, которое остаётся на столе для стартапов. Вопрос не "какая модель лучше в бенчмарке", а "какая лучше работает в вашем процессе". Это здоровая динамика.