Вся индустрия AI до сих пор стоит на статье 9-летней давности.
Её автор только что перешёл к конкуренту.
Один человек написал статью, на которой стоит весь твой AI-стек. Через девять лет он перешёл из Google в OpenAI — за девять дней до IPO самой OpenAI. Архитектура под Gemini, под Claude, под каждой моделью за которую ты платишь — один и тот же чертёж, один документ 2017 года, восемь фамилий в шапке.
Большинство прочитало заголовок про Шазира и увидело войну за таланты на миллиарды. Перекупили звёздного инженера. Острый тайминг. Драма между лабами. Это поверхность.
Я прочитал и увидел баланс. Потому что урок тут не «OpenAI выиграла инженера». Урок в том что вся индустрия держится на одном документе 2017 года — а зарабатывают через каждый квартал этого цирка не лабы которые тасуют имена. Зарабатывает тот кто строит слой между этими моделями и реальным бизнесом. Я этот слой строю каждый день. Сейчас покажу почему эта новость — самый громкий сигнал «строй лопаты, а не золото» за последние месяцы.
Коротко: Ноам Шазир — один из восьми авторов «Attention Is All You Need» (2017, сейчас более 250 000 цитирований) — ушёл из Google DeepMind в июне 2026 в OpenAI на роль Lead for Architecture Research. Переход случился через 9 дней после подачи OpenAI на IPO (8 июня). Заголовок — про войну за таланты. Реальный сигнал другой: вся экономика AI 2026 года по-прежнему стоит на чертеже трансформера из 2017-го, людей которые этот чертёж рисуют так мало что их меняют на миллиарды, и умный ход для фаундера или CTO — не угадывать какая лаба победит, а построить model-agnostic слой между собой и всеми ими. Моя Content Factory пережила скачок цен у провайдера в прошлом месяце правкой конфига за две минуты вместо двухнедельного переписывания. Это вся статья в одном предложении.
Что произошло
17 июня 2026 Ноам Шазир объявил что уходит из Google в OpenAI. Должность — Lead for Architecture Research. Подтверждено Techmeme (со ссылкой на The Information), освещено HTX Insights.
Кто такой Шазир? Один из восьми равноправных авторов «Attention Is All You Need» — статьи 2017 года, которая ввела архитектуру трансформера. Эту работу сейчас цитируют более 250 000 раз — в десятке самых цитируемых статей XXI века. Он же пионер применения Sparse Mixture-of-Experts в больших языковых моделях: его работа 2017 года «Outrageously Large Neural Networks» сделала MoE практичной в масштабе (саму MoE придумали ещё в начале 1990-х).
Его карьера читается как карта современного AI. Ушёл из Google в 2021. Сооснователь Character.AI, был там CEO. В августе 2024 Google заключила лицензионное соглашение с Character.AI на $2.7 млрд — не покупка, Character.AI сохранила независимость — и в рамках этой сделки Шазир вернулся в Google как VP Engineering и технический лид Gemini.
И вот через два года он переходит к прямому конкуренту. Самое острое — тайминг: OpenAI подала на IPO 8 июня 2026 (подтверждено). Через девять дней архитектор Gemini идёт к ним. Mark Chen, Chief Research Officer OpenAI, сказал прямо: «His work on Transformers, MoE, and efficient decoding has shaped modern AI». Реакция Google, по данным Reuters — вежливое спасибо. Это новость в 300 словах. Теперь то про что никто не пишет.
Почему это смена парадигмы
Вот неудобный факт которого нет в заголовке: в 2026-м, при сотнях миллиардов инвестиций, при IPO и триллионных капитализациях, вся индустрия по-прежнему стоит на чертеже из 2017 года. GPT, Claude, Gemini, Llama, каждая модель за API которой ты платишь — все они трансформеры. Девять лет. Одна статья. Восемь имён.
Это говорит о двух вещах. Первое — фундаментальная архитектура редкая и липкая. Новый «Attention Is All You Need» не выходит каждый год. Один на десятилетие, может быть. Второе — и это сдвиг — ценность не уходит вниз, к архитектуре. Она уходит вверх, к тому кто соединяет эту архитектуру с реальным бизнес-результатом.
Смотри. Когда Шазир прыгает из Google в OpenAI, трансформер не меняется. Твой стек не ломается. Меняется только то у какой лабы самая острая команда для следующего рывка. И если ты фаундер который поставил компанию на «Gemini — лучшая модель», то ты на этой неделе узнал что лучший мозг Google вышел за дверь за одну неделю. Слой моделей — это казино. Фишки переезжают за ночь.
Сдвиг парадигмы: перестань ставить на модель. Начни владеть слоем между моделями и своим бизнесом. Когда архитекторов меняют на миллиарды, а рейтинги пересобираются каждый квартал, единственная стабильная позиция — та которой плевать кто сверху в этом месяце. Лопаты и кирки. Золотодобытчики разоряются. Продавцы лопат — нет.
Новая архитектура простыми словами
В этой истории два слоя «архитектуры», и путаница между ними — место где ломается большинство разборов.
Трансформер, MoE, эффективное декодирование. Это работа Шазира. Это то за что OpenAI только что заплатила. Мы с тобой её никогда не тронем. Мы её арендуем через API.
Архитектура между моделями и твоей реальной работой. Отвечает на один вопрос: когда модель под тобой меняется — становится лучше, хуже, дороже, отмирает, или её главный архитектор спрыгивает к конкуренту — сколько ИЗ ТВОЕЙ системы придётся переделать?
Если твоя AI-интеграция захардкожена — «дёрни endpoint GPT-4, распарси вот этот конкретный формат ответа» — то любая смена модели это переписывание. Ты женат на вендоре, лучший инженер которого только что ушёл к конкуренту.
Если вместо этого ты строишь слой абстракции — оркестратор плюс стандартный протокол вроде MCP (Model Context Protocol) — то модель становится сменным компонентом. MCP это HTTP для AI-агентов: единый стандартный способ агентам говорить с инструментами и данными, независимо от того чья модель сегодня сверху. Подключился один раз. Меняешь мозг правкой конфига. Сегодня Gemini, завтра OpenAI, через квартал — дешёвая открытая модель, и твой пайплайн этого даже не замечает. Это архитектура которая делает кадровое землетрясение в духе Шазира чужой проблемой, не твоей.
Мой кейс Content Factory (реальные цифры)
Я не строю foundation-модели. И слава богу. Я строю поверх них. Моя Content Factory это 15 субагентов под одним оркестратором — райтер, факт-чекер, редактор, дизайнер, дистрибьютор и так далее — и под ними всеми сидят четыре провайдера моделей: Claude, Gemini, OpenAI, Groq. Не один. Четыре. Намеренно.
Почему четыре? Потому что каждый субагент дёргает тот мозг который лучше и дешевле под его конкретную задачу, и этот выбор живёт в конфиге, а не в коде. Факт-чекер на одной модели. Лонгрид-райтер на другой. Быстрые шаги классификации крутятся на Groq — потому что дёшево и мгновенно. Никто из моих 15 агентов не знает и ему плевать в какую модель он стучится — решает оркестратор.
В прошлом месяце провайдер задрал цены. В захардкоженной системе это пожарная тревога: недели рефакторинга, регрессионные тесты, передеплой. У меня это была правка конфига на две минуты — я перенаправил затронутых агентов на другую модель и пайплайн даже не моргнул. Кофе остыть не успел. Это одно решение — абстрагируй модель, никогда не хардкодь — и есть причина почему новость про Шазира делает меня увереннее, а не нервознее. Архитекторы наверху пересобираются каждый квартал. Моему слою плевать.
Цифры которые важны: я веду 7 платформ дистрибуции с одного оператора (меня), примерно на $200/мес бюджета API, и при этом выходят флагман-лонгриды, ежедневные посты и визуал. Рычаг не в какой-то одной модели. Рычаг в слое оркестрации который относится ко всем ним как к взаимозаменяемым деталям.
Экономика — что заинтересует CFO
Вот часть которую любит совет директоров. Забудь философию — давай таблицу.
У тебя в проде есть AI-фича. Модель под ней должна смениться — появился вариант дешевле, вендор отменил endpoint, или, как на этой неделе, у вендора ушёл главный архитектор и ты нервничаешь за их роадмап. Сколько тебе стоит переключение?
Вызов модели, формат промпта и парсинг ответа вшиты в код, возможно в нескольких сервисах. Переинженеринг каждой точки, перетесты, передеплой. По скромной оценке 2-4 инженеро-недели ≈ $4 000-12 000 за миграцию. И сделаешь ты это не раз.
Модель это значение в конфиге за стандартным интерфейсом. Миграция — правка конфига плюс прогон валидации. Часы, не недели. Скажем, $200-500 инженерного времени, в основном тесты.
Разница на одну миграцию — примерно в 10-20 раз. Умножь на 3-4 смены моделей в год, умножь на каждую AI-фичу что ты выкатываешь. Слой абстракции это не «приятно бы иметь» — это разница между тем чтобы AI был активом и тем чтобы AI был техдолгом с именем вендора на нём. История с Шазиром — доказательство: если один инженер который перешёл между двумя лабами заставляет тебя сомневаться в своём роадмапе, ты изначально не был model-agnostic.
Что умирает, что живёт
Урок масштабируется вниз: один хорошо собранный пайплайн бьёт пятьдесят AI-подписок в которых ты тонешь. Тот же паттерн что Anthropic выкатила с вертикальными агентами, та же логика что догоняет Codex. Универсальный «AI-ассистент для всего» отмирает; работает то что собрано под одну роль.
Что делать на следующей неделе
Конкретика, не теория. Сделай это за семь дней.
Шазир написал одну статью на которой до сих пор стоит мир. Твоя версия в миниатюре: один пайплайн который работает без твоей няньки. Это весь тезис в эксперименте на 30 минут.
Раскладка: соло-фаундерам vs B2B-командам
Тебе не надо быть Шазиром чтобы выиграть от этого. Урок масштабируется прямо вниз: одна правильная архитектура бьёт тысячу фич. Он написал одну статью девять лет назад и вся индустрия до сих пор на ней живёт.
Твоя миниатюра — один отлаженный пайплайн бьёт зоопарк из 50 AI-тулзов в которых ты тонешь. На этой неделе — возьми ОДИН процесс (контент, письма, ресёрч) и собери один воспроизводимый workflow. Сделай модель значением в конфиге, чтоб менять мозг когда цены поедут. Всё. Это и есть ход.
Главный сигнал тут — talent-риск и риск стека. Если триллионные лабы дерутся за одного инженера за девять дней до IPO, архитектурный слой решает больше чем думает ваш совет. Вывод: никогда не хардкодьте одного вендора или одну модель.
Сегодняшний архитектор Gemini — завтрашний архитектор OpenAI, ваша инфраструктура обязана быть model-agnostic, иначе HR-событие у одного вендора превращается в ваш техдолг. Cost math жестокая и простая: миграция модели в захардкоженной интеграции — 2-4 инженеро-недели; за слоем абстракции (MCP, оркестратор) — это правка конфига. Стройте слой сейчас, пока это проект — а не потом, когда это аврал.
Хочешь сборку?
Напиши мне слово «стек» — пришлю чек-лист «Model-agnostic AI-стек для соло»: как собрать один пайплайн чтобы менять модели правкой конфига, а не переписыванием кода, плюс 3 промпта оркестрации которые я реально юзаю в Content Factory. Бесплатно, без воды. Заходи в клуб билдеров которые владеют слоем, а не арендуют хайп.
Зайти в @Ai_b2b_pro → слово стекБесплатный 20-минутный AI-аудит стека
Ведёшь команду? Найду где у вас стек захардкожен на одного вендора и скажу во сколько инженеро-недель обойдётся миграция, плюс скетч абстрагированной model-agnostic архитектуры под ваш конкретный процесс. Один workflow, 20 минут, реальная цифра. Напишите в личку слово аудит.
Написать в @Aleks_OTA →Часто задаваемые вопросы
Google купила Character.AI? ▼
Нет. В августе 2024 Google заключила лицензионное соглашение с Character.AI на $2.7 млрд — неэксклюзивный договор на использование технологии. Character.AI сохранила независимость. В рамках сделки Шазир и часть команды вернулись в Google DeepMind, где он стал VP Engineering и техническим лидом Gemini.
Шазир в одиночку изобрёл трансформер? ▼
Нет. Он один из восьми равноправных авторов «Attention Is All You Need» (2017): Vaswani, Shazeer, Parmar, Uszkoreit, Jones, Gomez, Kaiser, Polosukhin. Статью цитируют более 250 000 раз — она в десятке самых цитируемых работ XXI века.
Шазир изобрёл Mixture-of-Experts? ▼
Нет. MoE придумали в начале 1990-х. Шазир — автор ключевой работы 2017 года («Outrageously Large Neural Networks»), которая сделала Sparse MoE практичной для современных больших языковых моделей в масштабе.
Почему смена работы одним инженером важна для моего бизнеса? ▼
Потому что это вскрывает насколько хрупки vendor-locked AI-стеки. Если уход одного архитектора заставляет тебя сомневаться в роадмапе лабы — ты слишком зависишь от одной модели. Model-agnostic слой (оркестратор + MCP) превращает это событие в ничто лично для тебя: модель становится сменным компонентом за стандартным интерфейсом, а не фундаментом.
Что такое MCP и зачем он мне? ▼
MCP (Model Context Protocol) — стандартный способ AI-агентам подключаться к инструментам и данным, HTTP для AI-агентов. Позволяет подключиться один раз и свободно менять модель под капотом вместо переписывания интеграций каждый раз когда меняется слой моделей. Захардкоженная миграция модели стоит 2-4 инженеро-недели; за MCP — это правка конфига.