# Эпоха агентов: Как Марк Цукерберг и Александр Ванг создают Muse Wonder

Источник: https://www.youtube.com/watch?v=XfdIhd1g6EI
Канал: Cheeky Pint
Опубликовано: 12.10.2026

---

Марк Цукерберг настолько верит в будущее ИИ-агентов, что лично потратил два месяца на найм исследователей, полностью очистив свой рабочий календарь. Вместе с Александром Вангом он представил Muse Wonder — мультимодальную модель, которая не просто ищет товары, а самостоятельно покупает их через Stripe и Instacart, превращая привычный поиск в интернете в архаизм. В Meta создали элитную структуру MSL, где нет места менеджерам без навыков программирования, а единственной метрикой успеха стал отказ от общепринятых бенчмарков в пользу субъективного «запаха большой модели».

## 🚀 Новая эра персонального интеллекта: Запуск Muse Wonder

[[JUMP:00:00]]

Первая глава масштабного интервью с **Марком Цукербергом** и **Александром Вангом** посвящена выходу **Muse Wonder** — новой флагманской модели от Meta Superintelligence Labs (MSL), которая знаменует собой переход компании в высшую лигу разработчиков ИИ. Спикеры обсуждают, как Meta сменила фокус с простых текстовых помощников на создание «персональных супер-агентов», способных видеть мир глазами пользователя и обладать долгосрочной памятью.

### Запуск Muse Wonder и новая архитектура моделей
[[JUMP:00:00]]

Марк Цукерберг и Александр Ванг представили **Muse Wonder** как модель нового класса, находящуюся на переднем крае (frontier) современных разработок [14:45]. По словам Марка, процесс создания был методичным: команда не просто использовала самый большой вычислительный кластер, а постепенно «поднималась по лестнице», обучая модели, каждая из которых была в 4-5 раз больше предыдущей [14:59]. 

Предшественник новой модели, Muse Spark, продемонстрировал впечатляющие результаты для своего размера, но Muse Wonder — это значительный скачок в нюансах мышления и способности справляться со сложными задачами [15:42]. В линейке представлено две версии:

*   **Muse Wonder** — основная флагманская модель [17:29].
*   **Muse Wonder Full** — «полная» версия с максимальной производительностью для самых сложных профессиональных задач [17:56].

Александр Ванг подчеркнул, что Wonder оптимизирована специально для роли «персонального и профессионального агента» [15:55]. Модель демонстрирует выдающиеся результаты в написании кода, занимая лидирующие позиции в бенчмарках DeepSWE и SWE-Marathon [21:38]. На текущий момент доступ к Wonder будет предоставляться в рамках платных подписок Muse, в то время как бесплатные пользователи продолжат работать с моделью Spark [22:45]. Цукерберг отметил, что это только начало: по мере оптимизации технологий Meta планирует довести возможности уровня Wonder до форм-фактора Spark, чтобы сделать их доступными сотням миллионов людей [23:14].

### Мультимодальность как приоритет Meta
[[JUMP:04:44]]

Одной из ключевых стратегий Meta стало обучение моделей мультимодальности «от начала и до конца» (end-to-end) [04:56]. В отличие от конкурентов, которые долгое время фокусировались исключительно на тексте и коде, Александр Ванг с самого начала настаивал на важности визуального восприятия, звука и видео [05:23]. 

Цукерберг привел личный пример использования мультимодальности: он использует Muse в качестве **коуча по MMA** [01:21]. Установив камеры в своем спортзале, он получает от модели обратную связь по технике движений, балансу и положению бедер прямо в перерывах между раундами [01:35, 03:22]. Модель самостоятельно научилась нарезать видео на кадры и анализировать их, используя свои фундаментальные знания о биомеханике [02:21].

Ставка на мультимодальность критически важна для будущих продуктов Meta, таких как **смарт-очки** [06:46]. В представлении Марка, очки со временем станут «чистым мультимодальным продуктом», у которого может даже не быть магазина приложений — ИИ будет генерировать нужный интерфейс прямо перед глазами пользователя, слыша и видя всё то же самое, что и человек [07:15]. 

### Философия продукта: модель как интерфейс
[[JUMP:08:48]]

В эпоху ИИ традиционное представление о дизайне продукта радикально меняется. Как отметил Марк Цукерберг: «Модель и есть продукт» [12:03]. Вместо того чтобы писать многостраничные спецификации пользовательского интерфейса (UI), разработчики теперь фокусируются на «пост-тренировке» модели — обучении её личности, надёжности и проактивности [12:42].

Александр Ванг пояснил, что важные дизайнерские решения теперь принимаются на уровне обучения: 

*   Как именно модель должна вести себя в неоднозначных ситуациях? [11:08]
*   Какова её личность в конкретных сценариях использования инструментов? [11:08]
*   Когда и в каком контексте она должна проявлять инициативу? [13:10]

Спикеры не согласились с мнением ведущего Джона о том, что продукты ИИ упрощаются и становятся одинаковыми [08:48]. Напротив, они считают, что мы находимся на этапе, аналогичном ранним дням мобильных приложений: тогда всё казалось просто «приложением», но со временем выявились глубочайшие различия в пользовательском опыте [11:37]. В Muse Wonder сознательно отказались от «селекторов моделей» и технических настроек, чтобы сделать продукт максимально простым для обычного пользователя, скрывая под капотом колоссальную инженерную сложность [13:49].

### Active Memory: решение проблемы забывчивости AI
[[JUMP:18:22]]

Одной из главных инноваций в Muse Wonder стала система **Active Memory (Активная память)**. Александр Ванг признал, что во многих существующих агентах память работает некорректно: данные либо теряются, либо «компактизация» контекста происходит с ошибками [19:18]. 

В отличие от стандартного окна контекста, Active Memory — это глубоко интегрированная в модель система, которая позволяет:

1.  **Помнить детали** общения на протяжении дней, недель и месяцев [19:05].
2.  **Эффективно использовать** накопленные знания при выполнении будущих задач [19:05].
3.  **Осознанно управлять** процессом сжатия (compaction) информации, понимая, что действительно важно сохранить [20:00].

Память дополняется функцией **Active Focus** — способностью модели сохранять настойчивость (persistence) при выполнении долгосрочных и сложных задач, не отвлекаясь и находя альтернативные пути решения при возникновении препятствий [20:28, 21:24]. Это делает Muse Wonder гораздо более надежным инструментом для профессионального делегирования, чем простые чат-боты, ориентированные на мгновенный поиск информации.

## 🧠 Внутренняя кухня Meta: Бенчмарки, таланты и рецепты обучения

[[JUMP:25:27]]

Переход от разработки экспериментальных моделей к созданию флагманских продуктов уровня **Muse Wonder** потребовал от Meta радикального пересмотра методологии оценки и самого процесса «производства» интеллекта. В то время как индустрия ориентируется на публичные таблицы лидеров, **Марк Цукерберг** и **Александр Ванг** делают ставку на внутреннюю экспертизу и экстремальную концентрацию ресурсов.

### Бенчмарки против реальности: проблема Benchmaxing
[[JUMP:25:27]]

Марк Цукерберг отмечает, что на ранних этапах Meta активно использовала внешние бенчмарки, чтобы «подняться по лестнице» и убедиться в правильности научного подхода [25:40]. Однако с каждой новой итерацией компания все больше полагается на внутренние тесты [25:54]. Это связано с феноменом, который в Meta называют **Benchmaxing** — когда модели искусственно подгоняются под публичные метрики, теряя при этом реальную пользу для пользователя.

В качестве антидота Meta ввела метрику **«Big Model Smell»** («запах большой модели») [26:07]. Она количественно определяет разрыв между производительностью внутри обучающего распределения (in-distribution) и вне его (out-of-distribution) [26:20].

*   **Muse Wonder** демонстрирует огромный скачок в этом показателе по сравнению с Muse Spark благодаря более мощной базовой модели [26:47].
*   Цукерберг критикует слепую гонку за внешними баллами, называя это «аутсорсингом продуктового мышления аспирантам», создавшим виральные тесты годы назад [29:18].
*   Для личного суперинтеллекта (Personal Superintelligence) критически важна «дискретность» [27:54] — способность модели действовать в мире, зная медицинские или личные данные пользователя, но не раскрывая их третьим лицам без необходимости [28:09].

### Стратегия талантов в Meta Superintelligence Labs (MSL)
[[JUMP:31:32]]

Успех лаборатории MSL, по словам Александра Ванга, строится не на массовости, а на «плотности талантов» (talent density) [32:29]. Когда Марк Цукерберг впервые обратился к Вангу за консультацией, ключевым советом Александра было: «Вам не нужно много людей» [32:29].

Команда исследователей MSL намеренно ограничена и насчитывает менее 200 человек (фактически около 100 исследователей и группа инженеров инфраструктуры) [34:50]. Такая структура позволяет Meta сочетать стабильность корпорации с маневренностью стартапа [33:14]. 

*   Вместо того чтобы распределять вычислительные мощности («размазывать их как арахисовое масло») между множеством мелких проектов, Meta концентрирует гигантский объем GPU на ключевых специалистах [33:59].
*   Процесс найма описывается как «безумный» и «интенсивный», с жесткой фильтрацией как внутренних сотрудников Meta, так и кандидатов извне [32:44].
*   Такая компактность делает работу более драйвовой: каждый исследователь напрямую влияет на результат, работая в условиях избытка ресурсов [33:59].

### Процесс и этапы обучения фронтирных моделей
[[JUMP:35:19]]

Александр Ванг детально описывает иерархию обучения, где pre-training закладывает фундамент, а post-training «выжимает» из него способности. 

1.  **Pre-training (Предварительное обучение):** 
    На этом этапе модель поглощает колоссальные объемы данных: весь публичный интернет, книги и, что критично, данные разных модальностей (аудио, видео, изображения) [35:31]. Для Muse Wonder приоритетом стали доменные знания: право, финансы, медицина и налоги [37:45]. Модель должна быть «командой экспертов в вашем углу» [37:31]. Ванг называет pre-training самой высокорискованной стадией («ученые, которые жуют стекло и смотрят в бездну»), так как на неё уходит львиная доля бюджета и вычислительных мощностей [38:10].

2.  **Post-training и RL (Reinforcement Learning):**
    Здесь происходит тонкая настройка поведения. Процесс делится на:

    *   **SFT (Supervised Fine-Tuning):** Обучение на парах «вопрос-ответ», которое формирует личность модели и её манеру общения [41:25].
    *   **RL (Reinforcement Learning):** Этап, на котором нужные модели поведения, заложенные в SFT, «вытаскиваются» и закрепляются через систему вознаграждений [42:08]. 

Интересно, что для RL «меньше значит больше»: качество данных здесь гораздо важнее их количества [45:38]. Улучшение Muse Spark с версии 1.0 до 1.3 произошло исключительно за счет RL-рецептов без смены базовой модели, при этом пользователи ощущали разницу как «небо и земля» [46:06]. Подготовка Muse Wonder велась с августа прошлого года [48:35], а Muse Spark была лишь «ступенькой» на пути к ней [49:16]. Ранее в разговоре они касались Active Memory, но именно масштабные кластеры, такие как Prometheus и Hyperion [49:44], стали физическим фундаментом для этих расчетов.

## 💰 Экономика и риски: инвестиции в сотни миллиардов

[[JUMP:52:11]]

Переход Meta к созданию фронтирных моделей ИИ ознаменовал собой отказ от классической кремниевой стратегии «Lean Startup». Как отмечает Марк Цукерберг, разработка таких систем, как Muse, требует принятия решений в условиях экстремального дефицита информации [51:59]. В отличие от привычного цикла «проверь гипотезу — масштабируй», в сфере ИИ компания вынуждена инвестировать десятки миллиардов долларов за годы до того, как появится хотя бы первый работающий прототип [52:41]. Александр Ванг называет этот процесс «предпринимательством на максималках» (on steroids) [52:11] и «игрой в покер, где нужно идти ва-банк еще до того, как тебе сдали карты» [54:01].

Масштабы финансовых обязательств Meta поражают:

*   **Стоимость инфраструктуры:** Эксплуатация одного кластера мощностью в гигаватт обходится примерно в $15 млрд в год [55:36].
*   **Капитальные затраты (CapEx):** Строительство такого объекта требует от $50 до $60 млрд авансовых платежей [55:48].
*   **Общий бюджет:** Александр Ванг подтверждает, что суммарные затраты на обучение фронтирных моделей и развитие необходимой экосистемы оцениваются в «десятки миллиардов долларов» [56:26]. 

Ситуация усугублялась тем, что Meta строила центры обработки данных для продукта Muse еще до того, как сам продукт начал существовать даже в виде концепции [56:51]. В конце прошлого года финансовый директор Meta Сьюзан Ли (Susan Li) неоднократно предупреждала команду, что если модель не оправдает ожиданий, последствия для компании будут «катастрофически плохими» в финансовом плане [54:58]. 

Несмотря на давление, Марк Цукерберг считает риск оправданным благодаря «обратному страхованию» [57:58]. Во-первых, если Meta не сможет использовать вычислительные мощности сама, на них всегда найдется огромный спрос со стороны других игроков рынка, готовых платить больше себестоимости [58:13]. Во-вторых, внутренняя вера в технологию опиралась на очевидные тренды: успех ChatGPT и появление кодинг-агентов у Anthropic [58:54]. По мнению Марка Цукерберга, для компании такого масштаба единственно верный путь — это создание собственной сквозной (end-to-end) суперразведывательной системы [1:06:31]. Ранее в разговоре они также упоминали, что Meta всегда стремилась к технологической независимости от сторонних платформ.

## 🛒 Будущее коммерции через AI-агентов

[[JUMP:1:07:25]]

Александр Ванг и Марк Цукерберг прогнозируют фундаментальный сдвиг в мировой экономике — переход к «агентской коммерции» [1:10:21]. В этой парадигме Muse перестает быть просто чат-ботом и становится посредником, которому пользователь полностью делегирует процесс покупки [1:11:29]. Традиционный поиск товаров по ключевым словам, по мнению Цукерберга, уже выглядит «примитивным» на фоне возможностей ИИ [1:12:28].

Ключевые особенности агентской коммерции будущего:

*   **Снятие ограничений:** Пользователь может задавать контекстуальные фильтры, например: «Мне нужен этот товар к среде», и агент будет взаимодействовать только с теми магазинами, которые гарантируют доставку в срок [1:12:13].
*   **Автоматизация рутины:** Агенты Muse обучаются использованию браузера, чтобы самостоятельно заполнять формы и оформлять заказы без необходимости специальной интеграции со стороны бизнеса [1:08:35].
*   **Глубокая персонализация:** Благодаря доступу к «холистическому контексту» жизни пользователя, агент понимает его отношения с семьей, друзьями и коллегами [1:12:58]. Это позволяет ИИ подобрать идеальный подарок, основываясь на истории общения всей группы друзей [1:13:11].

Александр Ванг приводит личный пример: его трехлетняя дочь любит печь, и Muse, используя раннюю версию голосового режима [1:14:15], помогает им планировать рецепты всю неделю. Каждую субботу агент автоматически формирует корзину в Instacart, учитывая предпочтения ребенка и даже самостоятельно добавляя товары, чтобы добрать сумму до бесплатной доставки [1:15:01]. 

С точки зрения бизнеса, Meta ожидает, что в будущем каждый бренд будет иметь своего собственного AI-агента, подобно тому, как сейчас у всех есть веб-сайты или страницы в соцсетях [1:09:01]. Хотя некоторые компании могут пытаться блокировать агентов, защищая свои «тонкие рвы» (moats), Цукерберг уверен, что гравитация потребительского удобства неизбежно приведет к доминированию агентских транзакций в экономике [1:11:16]. В следующих главах будет подробнее разобрано, как именно агентская экосистема интегрируется с существующими сервисами.

## 🌐 Агенты, деньги и открытые системы

[[JUMP:1:17:13]]

В развитии искусственного интеллекта наступает переломный момент: переход от чат-ботов, которые просто отвечают на вопросы, к полноценным агентам, способным действовать в физическом и цифровом мирах. В этой главе Марк Цукерберг и Александр Ванг обсуждают, как Meta превращает Muse в исполнительный орган, способный управлять финансами и покупками, почему существующие голосовые помощники вроде Siri зашли в тупик и как компания планирует окупать многомиллиардные инвестиции в вычислительные мощности через новую экосистему сервисов.

### Интеграция с сервисами и агентская экосистема
[[JUMP:1:17:13]]

Центральной темой обсуждения стала способность ИИ-агентов выходить за пределы окна чата. Марк Цукерберг поделился личным опытом использования Muse, отметив, что интеграция с Instacart радикально изменила его потребительские привычки: если раньше он почти не пользовался сервисом доставки, то теперь Muse сам формирует рецепты и заказывает ингредиенты, делая это частью ежедневного рабочего процесса [1:16:22]. Это ставит перед экономикой новый вопрос: является ли аккаунт в сервисе собственностью человека или он уже принадлежит агенту? [1:16:48].

Александр Ванг подчеркнул, что ключевым технологическим прорывом стал «Computer Use» — способность модели взаимодействовать с интерфейсами так же, как это делает человек [1:17:50]. Это служит универсальным слоем обратной совместимости, позволяя Muse использовать любые существующие сайты и приложения [1:18:00]. 

Основные вехи развития агентской среды:

*   **Партнерство со Stripe:** Meta активно сотрудничает со Stripe для реализации «агентской коммерции» (agentic commerce), где ИИ может самостоятельно проводить транзакции [1:17:25].
*   **Надежность как магия:** Цукерберг отмечает, что Muse стал полезным только благодаря достижению высокого порога стабильности — если бы агент ошибался в заказах или платежах, пользователи бы мгновенно отказались от него [1:18:05].
*   **Провокация 2023 года:** Марк вспомнил свой ужин с Патриком Коллисоном (CEO Stripe) в 2023 году, где он «срочно и настойчиво» убеждал его, что агенты скоро начнут покупать вещи и инфраструктура платежей должна быть к этому готова [1:18:59].

### Проблемы голосового управления и Siri
[[JUMP:1:20:40]]

Джон поднял вопрос о том, почему видение «разговора с компьютером», продвигаемое Apple с запуском Siri еще в 2011-2015 годах, до сих пор не реализовано в полной мере [1:20:55]. Цукерберг выделил несколько фундаментальных причин, по которым текущие голосовые помощники кажутся бесполезными. 

Во-первых, существующие системы не умеют «делать дела» (take actions) [1:21:33]. Если вы просите ИИ перенести встречу, пока вы за рулем, вам нужно, чтобы он реально зашел в календарь и договорился с участниками, а не просто выдал текст [1:21:20]. Во-вторых, есть проблема «разговорной динамики»: люди не общаются по схеме «промпт — ожидание — ответ» [1:21:47]. Мы перебиваем, делаем паузы, и текущие модели часто ошибочно воспринимают трехсекундное молчание как завершение мысли [1:22:12].

Александр Ванг добавил, что важным фактором является пропускная способность: голос — самый быстрый способ выдать информацию (input), но крайне медленный для её потребления (output) по сравнению с визуальным интерфейсом [1:22:25]. Именно поэтому Meta делает ставку на мультимодальность: вы говорите Muse, что делать, а он показывает процесс на экране или в очках [1:22:39]. Интересное наблюдение от Ванга: современные студенты используют ИИ как «сито» для потока сознания, надиктовывая 15 минут сумбурных мыслей, которые модель затем структурирует в связный текст [1:23:23].

### Бизнес-модель: монетизация через подписки и услуги
[[JUMP:1:27:15]]

На вопрос Джона о том, как Meta планирует окупать колоссальные затраты на энергию (гигаваттные дата-центры) и чипы, Цукерберг ответил, что компания видит несколько четких путей монетизации. Несмотря на то, что базовая версия Muse останется бесплатной для достижения сетевого эффекта и масштаба [1:27:46], Meta вводит платные уровни доступа.

Стратегия получения дохода включает:

1.  **Премиум-подписки:** Доступ к самым мощным моделям, таким как Muse Wonder, будет платным [1:28:13].
2.  **Meta Enterprise Platform:** Под руководством Си-Джея Десаи (CJ Desai) Meta создает подразделение для работы с крупным бизнесом, предлагая ИИ-решения с корпоративным уровнем безопасности и поддержки [1:29:58].
3.  **«Бизнес в коробке»:** Помощь малому бизнесу в администрировании всех процессов — от маркетинга до ответов клиентам [1:29:18].
4.  **Комиссии с транзакций:** Поскольку агенты будут экономить людям деньги (например, находя и отменяя ненужные подписки), Meta рассматривает возможность брать небольшой процент от сэкономленных или заработанных с помощью Muse средств [1:28:37].

Марк подчеркнул, что ИИ уже сейчас ускоряет основной рекламный бизнес Meta (сотни миллиардов долларов дохода), и рост эффективности этого бизнеса даже на несколько процентов способен полностью профинансировать R&D новых моделей [1:32:41].

### Открытый код против монополии одного победителя
[[JUMP:1:35:45]]

В завершение главы спикеры обсудили архитектуру будущего рынка ИИ. Вопреки прогнозам 2023 года о том, что одна лаборатория добьется «рекурсивного самосовершенствования» и захватит мир (winner-takes-all) [1:37:28], реальность оказалась гораздо более диверсифицированной. 

Ванг отметил, что «антигегемонной силой» стала дистилляция моделей (distillation) [1:38:56]. Эта технология позволяет упаковывать возможности гигантских систем в маленькие и эффективные модели, что дает открытому сообществу возможность не отставать от закрытых лабораторий [1:39:10]. Цукерберг добавил, что Meta сознательно выбирает путь открытости, так как считает концентрацию мощнейших технологий в руках одной-двух компаний более рискованным сценарием для безопасности человечества, чем распределенную экосистему с системой сдержек и противовесов [1:37:00].

«Многие талантливые люди пришли в Meta Superintelligence Labs именно потому, что хотят дать эту технологию миллиардам, а не держать её в секрете», — подытожил Александр Ванг [1:40:05].

## 🚀 Культура MSL: Перезагрузка и решительное лидерство
[[JUMP:1:40:46]]

Второй год существования Meta Superintelligence Labs (MSL) стал поворотной точкой в истории компании. Марк Цукерберг и Алекс Ванг подробно обсудили, как принималось решение о «перезагрузке» направления фундаментальных моделей и почему для успеха в ИИ-гонке Meta пришлось перенять повадки агрессивного стартапа, несмотря на свои масштабы [1:41:43].

### История создания и «перезагрузка» MSL
[[JUMP:1:40:46]]

Процесс формирования MSL начался в апреле 2025 года, сразу после запуска Llama 4 [1:41:01]. Марк Цукерберг признал, что траектория развития предыдущей программы его не устраивала, и он начал искать способы радикально изменить подход. Решение о создании новой структуры созрело быстро: уже через две недели после запуска Llama 4 Марк начал обзванивать экспертов для консультаций [1:41:13]. 

Ключевым моментом стало приглашение **Алекса Ванга** на пост директора по ИИ. Цукерберг давно наблюдал за Вангом, считая его «самым острым предпринимателем своего поколения» [1:44:19]. Несмотря на то, что Алекс ранее руководил операционно сложным бизнесом в сфере данных, Марк был убежден, что именно его стратегическая ясность и драйв необходимы для создания фронтирных моделей [1:45:34].

Процесс запуска лаборатории напоминал рождение сверхновой:

*   **Интенсивный рекрутинг:** В первые два месяца Марк практически полностью очистил свой календарь от текущих дел, чтобы лично встречаться с исследователями [1:43:24].
*   **Полный «ребут»:** Чтобы привлечь лучшие таланты, было решено не просто обновлять существующий отдел, а начать всё с чистого листа, объединив лучшие кадры из команд Llama и FAIR в новую структуру с культурой стартапа [1:58:05].
*   **Плоская структура:** Алекс Ванг настоял на максимально горизонтальной иерархии. Дошло до того, что формально у него было почти 200 прямых подчиненных, что подчеркивало одержимость лаборатории «плотностью талантов» и отсутствием бюрократии [1:46:23].

Цукерберг отметил, что привлечение внешней экспертизы и «новой крови» было критически важным [2:01:46]. При этом компания пошла на беспрецедентные финансовые условия, чтобы выкупить долю в бизнесе Алекса и обеспечить переход ключевых специалистов [1:47:47].

### Лидерство Цукерберга: байесовский подход и решительность
[[JUMP:1:48:42]]

Алекс Ванг охарактеризовал стиль управления Марка как уникальное сочетание интеллектуальной гибкости и масштабной решительности. Он отметил способность Цукерберга мгновенно обновлять свое мировоззрение (своеобразный «высокий learning rate»), как только данные подтверждают необходимость изменений [1:48:56]. 

Ванг выделил четыре аспекта лидерства Марка, которые отличают его даже от других успешных основателей:

1.  **Признание неудач:** Готовность публично признать, что предыдущие усилия компании на определенном треке не были достаточно хороши [1:47:21].
2.  **Масштабные ставки:** Готовность инвестировать «невероятные суммы» в таланты и инфраструктуру [1:47:47].
3.  **Ставка на потенциал:** Доверие к лидеру (Алексу), который ранее не обучал фронтирные модели, но обладал нужными качествами [1:48:01].
4.  **Фокус:** Способность CEO одной из крупнейших корпораций мира бросить всё и заниматься только одной проблемой в течение нескольких месяцев [1:48:28].

Эта решительность помогла преодолеть внутреннюю инерцию Meta. Цукерберг обеспечил «глобальную оптимизацию» всей компании под нужды ИИ, заставив отделы инфраструктуры и дата-центров работать в приоритетном режиме для MSL [1:50:18]. Марк подчеркнул, что его задача — не быть ведущим исследователем, а детально разбираться в работе лаборатории, чтобы направлять ресурсы всей корпорации на её поддержку [1:51:11].

### Эволюция культуры: от скепсиса к «AI-pilled» штабу
[[JUMP:2:02:45]]

Важным этапом трансформации стало изменение менталитета руководства. Алекс Ванг вспомнил анекдот о своем первом совещании в Meta: один из тогдашних лидов команды заявил, что пользователям якобы «не нужны модели с рассуждениями (reasoning)», что шокировало Алекса [2:03:15]. 

Однако решительный настрой Марка быстро распространился на всю верхушку Meta. Цукерберг «заразил» лидеров идеей ИИ-приоритетности (стал «AI-pilled»), и теперь даже ветераны компании, такие как Адам Моссери (глава Instagram), активно внедряют продвинутые ИИ-инструменты в свою повседневную работу [2:04:36]. Ранее в разговоре они также упоминали, что для MSL был установлен режим работы «без дедлайнов», чтобы сфокусироваться на качестве, а не на спешке, что парадоксально привело к высокой самомотивации команды и быстрой отгрузке результатов [1:51:27].

Эта адаптивность лидеров Meta, переживших множество технологических волн, позволила компании за один год превратиться из «догоняющей» в одного из лидеров гонки фронтирных моделей [2:05:31].

## 🏁 Техническое превосходство и дух фронтира

[[JUMP:2:06:01]]

Завершая масштабное обсуждение будущего искусственного интеллекта, Марк Цукерберг и Александр Ванг фокусируются на фундаменте, который позволяет Meta Superintelligence Labs (MSL) двигаться быстрее конкурентов. Это не просто вопрос вычислительных мощностей или объема данных, а глубоко укоренившаяся культура, где техническая экспертиза превалирует над административным управлением. Ранее в разговоре они касались истории создания лаборатории, но именно в финале становится ясно, как этот «технический радикализм» определяет повседневную работу.

### Отказ от нетехнического менеджмента
[[JUMP:2:06:01]]

Одной из самых радикальных особенностей структуры MSL является практически полное отсутствие классических «нетехнических» менеджеров [2:06:16]. Марк Цукерберг подчеркивает, что это осознанный выбор: в лаборатории не приветствуется модель управления, где руководитель занимается исключительно карьерными беседами или эмоциональной поддержкой, не погружаясь в код [2:06:28].

По мнению Цукерберга, в индустрии существует опасный паттерн: талантливый специалист становится руководителем, перестает вникать в детали архитектуры и очень быстро теряет техническую хватку — гораздо быстрее, чем сам успевает это осознать [2:06:41]. В такой динамичной области, как ИИ, это недопустимо. 

В MSL культивируются следующие принципы:

*   **Личный пример:** Руководители должны продолжать писать код и лично использовать разрабатываемых агентов [2:06:55].
*   **Плоская структура:** Наличие 200 прямых подчиненных у лидера — это не баг, а фича, исключающая слои бюрократии [2:06:16].
*   **Владение продуктом:** Инженеры не должны чувствовать себя «слепыми исполнителями»; они обязаны отстаивать свои решения, даже если это приводит к жестким спорам [2:08:04].

Александр Ванг подтверждает, что в лаборатории поощряются «позитивные конфликты» [2:07:49]. Команда состоит из волевых и талантливых людей, и Марк предпочитает, чтобы они спорили за свои идеи, чем просто соглашались с руководством [2:08:04].

### Философия «Stay Technical»: жизнь на грани фронтира
[[JUMP:2:08:16]]

Александр Ванг, делясь опытом работы с Марком, отмечает его уникальную способность к «байесовскому обновлению» мировоззрения [2:09:02]. Как только Цукерберг интернализирует новые данные, он мгновенно меняет курс компании, проявляя невероятную смелость в принятии масштабных решений [2:08:48]. Александр признается, что даже для него и Ната Фридмана масштаб инвестиций и ставок Meta в области ИИ поначалу казался поразительным [2:09:31].

Этот подход — готовность идти ва-банк, когда фундаментальные сдвиги еще не отражены в метриках или выручке — Ванг считает «секретным соусом» Meta, позволившим компании пережить множество технологических циклов [2:10:37]. Цукерберг парирует это просто: «Жизнь коротка, просто делай правильные вещи» [2:11:15].

В финале беседы Джон поднимает тему активности Ванга в социальных сетях, называя его посты «безумными» (deranged tweets) [2:11:50]. Марк встает на защиту аутентичности, заявляя, что для лидера гораздо важнее быть настоящим и живым, чем следовать выверенному PR-скрипту [2:12:06]. 

Завершая встречу за бокалом свежепривезенного из Дублина Guinness [2:14:09], участники сходятся в главном: в мире ИИ невозможно почивать на лаврах. «Очень легко отстать, — резюмирует Ванг. — Нужно всегда оставаться в деталях, оставаться техническим специалистом и удерживать фронтир» [2:13:44].