Почему мы
не тренируем
LLM
Мы не конкурируем с OpenAI на pretrain. Ставка IRI Lab — Intelligence Runtime: память, координация, Gateway к frontier-моделям. Один гигантский checkpoint не обязателен для AGI.
Другая игра
Каждый месяц — новый scaling law, новый checkpoint. Тренировать LLM с нуля — миллионы долларов и команда из сотни GPU-инженеров. IRI Lab — independent lab с фокусом на runtime, не на pretrain.
Тезис: AGI ближе через координацию специализированных агентов и память между сессиями, чем через ещё один 70B checkpoint.
Что мы строим вместо
- →Intelligence RuntimeПамять, задачи, оркестрация — концепция.
- →IRI GatewayFrontier-модели как commodity через один API в ₽.
- →МультиагентностьСеть ролей, не один god-model — разбор.
Аналогия: Linux не делал процессоры. Linux сделал слой, где процессоры разных вендоров работают предсказуемо. Runtime — тот же ход для intelligence.
Когда fine-tune всё же да
Domain adapter, RAG, small specialist — да. Pretrain foundation model с нуля — нет, это не наша ставка. Soul Characters и клиентские адаптеры — точечно, не «своя GPT».
Коротко
IRI Lab не тренирует LLM — мы строим операционку вокруг лучших моделей мира. Следующий тезис: манифест распределённого AGI.