Мир на пороге новой эры
Пока одни спорят, сможет ли GPT-7 переписать "Войну и мир", другие уже строят ИИ, который понимает: мяч покатится, если его толкнуть. Не по книжкам — а по опыту симуляции. Это не футурология. Это мирные модели — world models — и они уже здесь.
В апреле 2026 года хайп вокруг world models достиг апогея. Yann LeCun, Fei-Fei Li, OpenAI — каждый гигант вложился в этот подход. Но почему именно сейчас? И чем world models принципиально отличаются от LLM?
LLM — это попугай, который повторяет заученные фразы. World model — физик, который мысленно проигрывает траекторию полёта камня. Разница — как между учебником и опытом.
Кто бросил камень в озеро LLM?
Термин "World Model" популяризировал Дэвид Ха в 2018 году. Но только сейчас технология вышла из лабораторий. На этой неделе World Labs Фи-Фей Ли выпустила обновление своей платформы: по одному предложению она генерирует интерактивные 3D-сцены. Yann LeCun в недавнем интервью анонсировал новую архитектуру JEPA (Joint Embedding Predictive Architecture) — она учит world model предсказывать скрытые состояния мира без учителя, просто наблюдая за видео. А OpenAI тихо тестирует модель, которая симулирует физику твёрдых тел — поговаривают, для будущих роботов.
Как мы уже писали в статье "Мирные модели против LLM", разница между подходами колоссальна. LLM предсказывают следующее слово. World model — следующее состояние физической среды. Первый оперирует статистикой текстов, второй — причинно-следственными связями.
Почему это прорыв именно в робототехнике
Роботы, обученные на world models, не нуждаются в миллионах реальных повторов. Они "проигрывают" сценарии у себя в голове. Skild AI и Physical Intelligence уже используют этот подход: их модели π0.7 демонстрируют композиционную генерализацию — робот собирает предметы, которые никогда не видел вместе, просто комбинируя знакомые действия. А 1X World Model учит андроидов на YouTube-роликах: нейросеть смотрит, как люди двигаются, и переносит эти паттерны в симуляцию. Потом робот выполняет те же движения в реальности — и работает. Мы разбирали этот кейс подробно.
Представьте: вместо того чтобы настраивать робота на сотне реальных чашек, вы даёте world model текстовый промпт — и через час он умеет брать любую чашку. Это не фантастика, это уже работает в прототипах.
А что не так с LLM?
LLM упёрлись в потолок. Параметры растут, а вменяемость — нет. Спросите ChatGPT, что случится, если бросить камень в пустой стакан — он выдаст абзац текста. Но не скажет, разобьётся ли стакан. World model ответит симуляцией: траектория, сила, хрупкость — всё учтено. Это не "галлюцинации по статистике", а grounded reasoning — вывод, основанный на физике.
Именно поэтому большие игроки ставят на world models. Они дают то, чего никогда не дадут LLM: способность взаимодействовать с реальным миром без ошибок восприятия.
Что дальше?
В 2026 году мы стоим на пороге смены парадигмы. Пока все смотрят на очередной GPT, стартапы вроде Runway ML (кстати, $315 млн инвестиций) уже строят мирные модели для видео. А робототехника получает шанс выйти из цехов на улицы.
Мой совет: следите за JEPA LeCun и World Labs Фи-Фей Ли. Именно они, а не новый рекорд по токенам, изменят наше представление об интеллекте. Через пять лет мы будем удивляться, что когда-то считали LLM вершиной AI. Потому что настоящий ИИ — это не про слова. Это про то, как понять мяч, который катится вниз.
