Q.ANT и AMD отдали фотонным чипам часть LLM на 1 млрд параметров, но без бенчмарков
Немецкая компания Q.ANT вместе с AMD показала на конференции SC26 в Чикаго языковую модель, часть вычислений которой считает свет, и это первая попытка компании перенести фотонные чипы на полноценную нейросеть.

До этого фотонные чипы Q.ANT работали только с компактными нейросетями на десятки миллионов параметров. Теперь на свет переехала часть языковой модели размером около 1 млрд параметров.
Большая языковая модель (LLM, нейросеть, которая пишет и понимает текст) тратит много ресурсов на механизм внимания (self-attention). Это часть модели, которая сверяет каждое слово со всеми остальными. Чем длиннее контекст, тем быстрее растёт нагрузка: вычислений требуется квадратично больше, а KV-кэш раздувается в памяти видеокарты (KV-кэш хранит уже прочитанное, чтобы модель не пересчитывала его заново).
В техническом отчёте Q.ANT и AMD описывают обходной путь. Часть слоёв модели перенесли с ускорителя AMD Instinct MI210 на фотонный сопроцессор NPU Gen 2+ (NPU, нейропроцессор, чип для расчётов нейросетей). Он за один проход светом выполняет дискретное преобразование Фурье, математический приём, который раскладывает сигнал на частоты, примерно как эквалайзер в музыкальном центре.
| Что | Когда | Кто выпустил | Цена |
|---|---|---|---|
| Гибридный инференс языковой модели на фотонном чипе | Ноябрь 2026, конференция SC26 | Q.ANT и AMD | Не раскрыта |
| Открытый набор инструментов для разработчиков с эмуляцией на обычном процессоре | Сентябрь 2026 | Q.ANT | Открытый, условия не уточняются |
| Закрытая бета ускорителей прошлого поколения на серверах IONOS в Германии | С 9 ноября 2026 | Q.ANT | Не раскрыта |
| Серийные системы | Вторая половина 2027 | Q.ANT | Не раскрыта |
Что нового в демонстрации Q.ANT?
- Инференс (работу уже обученной модели над запросами) разделили между видеокарточным ускорителем AMD и фотонным сопроцессором.
- Свету отдали только математику преобразования Фурье. Все остальные слои трансформера, то есть архитектуры, на которой построены современные чат-боты, остались на ускорителе AMD.
- Модель весит около 1 млрд параметров, её название не раскрыли.
- Вице-президент Q.ANT по программному обеспечению Ютц Бахер называет подход «Фурье-слоями внимания в языковых моделях» и считает его ранним прототипом.
- По замыслу, такая замена ускоряет инференс и заметно сжимает KV-кэш.
Q.ANT не привела перплексию (показатель того, насколько уверенно модель угадывает следующее слово) и результаты на стандартных бенчмарках (сравнительных тестах). Прирост скорости в токенах (кусочках слов) в секунду и итоговое сжатие кэша компания тоже не раскрыла. Снижение энергозатрат в анонсе названо лишь «потенциально значительным».
Неясно и другое: как решили задачу каузального маскирования, то есть запрета модели «подглядывать» в следующие слова при пошаговой генерации. Какие именно слои остались на ускорителе AMD, тоже не уточняется.
«Первый в мире» оказался не первым
В пресс-релизе Q.ANT назвала запуск «первым в мире». Однако ещё в апреле 2026 года британский стартап Lumai запустил полноценную языковую модель на оптическом сервере Iris. Британцы используют трёхмерную оптику с линзами и пучками света в свободном пространстве, а Q.ANT работает с плоскими кремниевыми волноводами. На своей архитектуре Lumai запускала модели уровня Llama 70B в реальном времени с заявленной экономией 90% энергии.
Путь самой Q.ANT был постепенным. В июне 2026 года на конференции ISC в Гамбурге компания показала на чипе прошлого поколения генерацию изображений диффузионной моделью на 59 млн параметров. Там же она продемонстрировала архитектуру TiRex на базе xLSTM и заявила о 30-кратной энергоэффективности самой оптической схемы, но эта цифра тоже была расчётной.
У идеи есть предшественник без всякой оптики. В 2021 году Google заменила механизм внимания слоем Фурье в архитектуре FNet. Обучение ускорилось на величину от 70 до 80%, но качество снизилось: FNet сохраняла от 92 до 97% точности эталонной модели BERT на наборе тестов GLUE. К тому же FNet только анализировала текст и не генерировала его. На свету к этой проблеме добавляются расходы на перевод данных из цифры в свет и обратно на каждом слое.
Как попробовать фотонные вычисления без своего железа?
- Найдите открытый SDK Q.ANT (набор инструментов для программистов), выложенный в сентябре 2026 года. Внутри есть API (способ подключиться из своей программы) на C и Python.
- Запустите эмуляцию на CPU, то есть на обычном процессоре компьютера. Сейчас SDK обновляют под Фурье-слои Gen 2+.
- Если нужен настоящий чип, ориентируйтесь на закрытую бету на выделенных серверах IONOS в Германии. Там доступны ускорители прошлого поколения, условия участия не раскрываются.
- Следите за отчётами немецких суперкомпьютерных центров, куда уже отправили чипы. Публичных независимых отчётов оттуда пока нет.
Есть ли российский аналог?
Q.ANT занимается железом, а не готовой нейросетью для текстов, поэтому прямо сравнивать её с российскими сервисами нельзя. Если вам нужен ИИ для работы с текстом, из доступных в РФ аналогов есть YandexGPT и GigaChat. Фотонные чипы на скорость их ответов сегодня никак не влияют.
Что делать с этим прямо сейчас, по ролям
Автору Дзена эта новость пригодится как тема, а не как инструмент. История о том, как свет заменяет видеокарту, хорошо подходит для объяснительного материала. Только не пишите «в 30 раз экономнее» без оговорки, что это расчёт.
Маркетологу пока нечего менять в бюджете. Серийные системы появятся не раньше второй половины 2027 года, а без цифр скорости экономику не просчитать.
Предпринимателю из РФ и СНГ с командой разработчиков стоит присмотреться к открытому SDK с эмуляцией на процессоре: он не требует доступа к немецким серверам. О доступе к бете из России источник ничего не сообщает.
На мой взгляд, демонстрация честнее, чем пресс-релиз: сама компания называет её ранним прототипом, а громкое «первый в мире» опровергает опыт Lumai. Оговорка простая: без перплексии и токенов в секунду о замене механизма внимания говорить рано, опыт FNet это подтверждает. Что сделать сегодня: сохраните себе эту тему и вернитесь к ней, когда появятся бенчмарки. Тогда у вас будет готовый материал с цифрами, пока остальные пересказывают анонс.
Частые вопросы
Станут ли нейросети дешевле уже в этом году?
Нет. Серийные системы Q.ANT обещает во второй половине 2027 года. Реального выигрыша в скорости компания пока не показала.
Можно ли потрогать технологию без программирования?
Нет, SDK рассчитан на разработчиков. Обычному автору хватит следить за новостями и тестами.
Что решит судьбу этой идеи?
Две цифры: перплексия гибрида в сравнении с такой же моделью на обычном внимании и честный прирост токенов в секунду. Появятся они, и станет ясно, свет ли это для инференса или красивая лабораторная демонстрация.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Nvidia не только драйвера: доли в стартапах выросли до $65,5 млрд, инвесторы ждут урезания
Nvidia во вторник оценила свои доли в частных компаниях в $65,5 млрд против $22 млрд в январе, но венчурные инвесторы готовятся к сокращению этих вложений без…

Gemini будет хранить временные чаты два месяца вместо 72 часов, дольше ChatGPT и Claude
Google увеличит срок хранения временных чатов Gemini с 72 часов до двух месяцев и в ближайшие недели разделит настройки истории и обучения искусственного…
ИИ-блокнот Notability стал приложением года в Google Play: платформа ценит экономию времени
Google Play объявила победителей ежегодной премии Best of Play за 2026 год, и главным приложением стал ИИ-блокнот Notability: магазин теперь отмечает…
Комментарии