NousResearch - лаборатория без стен
Цели урока
После прохождения этого урока вы сможете:
- 1Узнать историю создания NousResearch
- 2Понять философию нейтрального выравнивания
- 3Оценить финансирование и рост компании
- 4Сравнить подходы к выравниванию AI у разных компаний
Компания, которая верит в свободу мышления
NousResearch - это исследовательская лаборатория, основанная в 2023 году в Саратоге, штат Калифорния. Её миссия - создавать мощные AI-модели с открытым доступом и нейтральным выравниванием. В отличие от большинства AI-компаний, NousResearch не пытается контролировать, что модель может и не может говорить. Вместо этого они создают инструмент, а решения оставляют пользователю.
Основатели
NousResearch основали четыре человека, объединенных общей идеей - AI должен быть доступен каждому без искусственных ограничений.
| Основатель | Роль | Бэкграунд |
|---|---|---|
| Jeffrey Quesnelle | Главный исследователь | Автор бенчмарков для LLM, эксперт по оценке моделей |
| Karan Malhotra | Главный инженер | Специалист по инфраструктуре обучения, оптимизация GPU-кластеров |
| Ryan Teknium | Главный по данным | Создатель датасетов для обучения, куратор открытых данных |
| Shivani Mitra | Операционный директор | Бизнес-развитие, связь с сообществом и инвесторами |
Финансирование и рост
Стартап прошел путь от небольшого seed-раунда до оценки в миллиард долларов менее чем за два года. Это отражает не только качество моделей, но и растущий спрос рынка на открытые альтернативы.
| Дата | Раунд | Сумма | Инвесторы | Оценка |
|---|---|---|---|---|
| Январь 2024 | Seed | $5.2M | Ангельские инвесторы, AI-фонды | Не раскрывалась |
| Апрель 2025 | Series A | $50M | Paradigm (лид), другие | $1B (единорог) |
Философия нейтрального выравнивания
Ключевой принцип NousResearch - нейтральное выравнивание (neutral alignment). Компания формулирует это как "no latent thoughtcrime" - никаких скрытых мыслепреступлений. Модель не должна отказывать в ответах на основании предположений о намерениях пользователя.
Это принципиально отличается от подхода Anthropic и OpenAI, где модели проходят через обширное RLHF-обучение с жесткими правилами о том, на какие темы можно и нельзя отвечать.
Сравнение подходов к выравниванию
| Критерий | Anthropic (RLHF) | OpenAI (RLHF) | NousResearch (Neutral) |
|---|---|---|---|
| Философия | Безопасность превыше всего | Осторожный баланс | Нейтральность и свобода |
| Отказы | Частые, консервативные | Средние | Минимальные |
| Контроль | Компания решает границы | Компания решает границы | Пользователь решает границы |
| Целевая аудитория | Корпорации, регулируемые отрасли | Массовый рынок | Разработчики, исследователи |
| Настраиваемость | Ограниченная (system prompt) | Ограниченная (system prompt) | Полная (дообучение, конфигурация) |
| Прозрачность | Закрытые веса и данные | Закрытые веса и данные | Открытые веса, открытый процесс |
Нейтральное выравнивание не означает отсутствие границ. Hermes всё равно имеет базовые правила безопасности. Разница в том, что эти правила минимальны и прозрачны, а пользователь может настроить поведение модели под свои задачи через системный промпт или дообучение.
Экосистема NousResearch
- Hermes - флагманская серия моделей с нейтральным выравниванием
- Forge - платформа для дообучения и развертывания моделей
- Psyche - децентрализованная сеть для обучения моделей
- DataForge - инструменты для создания и курирования датасетов
- Benchmarks - собственные метрики для оценки качества моделей
NousResearch доказала, что лаборатория без миллиардных бюджетов может создавать модели мирового уровня. Их философия нейтрального выравнивания привлекает разработчиков, которым нужен инструмент, а не нянька. Оценка в $1B за два года - подтверждение спроса рынка на открытый AI.
Вопросы для размышления
- •Какой подход к выравниванию ближе вашим задачам - консервативный или нейтральный?
- •В каких сценариях жесткие ограничения модели мешают вашей работе?