Игорь Градов
Игорь Градов
5 мин
ai

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.

Q.ANT и AMD отдали фотонным чипам часть LLM на 1 млрд параметров, но без бенчмарков
Почему это важно

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.
Где подвох

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?

  1. 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.
  2. Запустите эмуляцию на CPU, то есть на обычном процессоре компьютера. Сейчас SDK обновляют под Фурье-слои Gen 2+.
  3. Если нужен настоящий чип, ориентируйтесь на закрытую бету на выделенных серверах IONOS в Германии. Там доступны ускорители прошлого поколения, условия участия не раскрываются.
  4. 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.

Мнение редакции dzen.guru

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.

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

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

Комментарии

Читайте также

Nvidia не только драйвера: доли в стартапах выросли до $65,5 млрд, инвесторы ждут урезания
ai

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…

5 мин
Gemini будет хранить временные чаты два месяца вместо 72 часов, дольше ChatGPT и Claude
ai

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…

5 мин
ai

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…

5 мин