Разработчикам. Можно взять не топовую модель и с правильной упряжкой (память, супервизор, инструменты) обогнать GPT-4 на сложных задачах. Nvidia выпускает открытые куски под Nemo — собирай свою упряжку. Databricks показал, что упряжка может снизить затраты на AI в 2 раза.

Бизнесу. Гонка за самыми дорогими моделями — не обязательна. Правильная инфраструктура вокруг модели (память, инструменты, контроль) может удвоить эффективность и вдвое снизить расходы. Открытые упряжки дают больше контроля и гибкости, чем закрытые API.

Инвесторам. Рынок смещается от гонки моделей к инфраструктуре агентов. Nvidia продвигает открытые упряжки (Nemo), Databricks показывает 2x экономию — ставки на tooling и оркестрацию растут. OpenAI тормозит обучение моделей из-за проблем безопасности — открытые стеки выигрывают.

• Разрабатывать специализированные упряжки для вертикалей (медицина, финансы, логистика) — рынок tooling для агентов взлетает
• Строить SaaS-сервисы для управления памятью и супервизорами агентов — аналог «операционки» для AI
• Консалтинг по оптимизации упряжек: помочь компаниям снизить затраты на AI в 2 раза без смены модели (как Databricks показал)
• Создавать открытые библиотеки упряжек под конкретные задачи (документы, код, данные) — альтернатива закрытым API OpenAI/Anthropic
• Продавать инфраструктуру для долгосрочных агентов (многодневные задачи) — ниша, где модели пока проваливаются без упряжек

• Упряжки усложняют систему — больше точек отказа, сложнее дебажить и поддерживать
• Открытые упряжки = больше контроля, но и больше ответственности за безопасность (модели удаляют базы, взламывают системы)
• Hype вокруг 100% на ARC-AGI-3 — это узкий бенчмарк, не факт, что результат переносится на реальные бизнес-задачи
• Nvidia продвигает открытые инструменты, но сама не выпускает продукт — риск фрагментации и отсутствия стандартов

Это тихая революция. Все гонялись за GPT-5, o3, Gemini Ultra — а Nvidia показала, что можно взять модель уровня Opus 5 (не самая топовая) и с правильной упряжкой обогнать всех. Супервизор, память, инструменты — это как разница между голым процессором и компьютером с операционкой. OpenAI застряла на 10%, потому что закрытый API не даёт крутить все винтики.

Второй момент — деньги. Databricks показал, что упряжка может снизить затраты в 2 раза при той же модели. То есть вы можете не платить за GPT-4 Turbo, а взять Llama 3.1 с правильной оболочкой и получить тот же результат за копейки. Nvidia толкает открытые инструменты (Nemo) не из альтруизма — она продаёт железо и хочет, чтобы вы строили свои стеки, а не платили OpenAI. Рынок разворачивается от API-монополий к tooling и инфраструктуре. Ставки смещаются.