General Intuition струва $6,2 млрд. — обучава AI с клипове от игри

На 29 септември 2026 г. General Intuition набра $220 млн. при оценка $6,2 млрд., потвърди участващият инвеститор Coalition Capital. В рунда участват Valor Equity Partners, Atreides, 776, Point72, Khosla Ventures и General Catalyst. Финансирането подкрепя модели, които се учат от игрови видеа с означени действия, както и разширяването на екипа в Ню Йорк и Европа.

Зад високата оценка стои достъпът до клиповете на Medal, но продуктът на General Intuition вече има и ограничен търговски достъп за партньори. Според Mobilegamer.biz Valor Equity Partners води рунда, а Medal има над 17 млн. активни играчи месечно и се очаква да достигне 3 млрд. качени клипа годишно. Това е мащабът на потенциалния източник на данни, а не измерен резултат на моделите.

Как Medal свързва клиповете с действия

Обикновеното игрово видео показва как се променя сцената. За обучение на модел, който трябва да избере действие, е полезно към кадрите да има информация какво е направил играчът и какво е последвало. Обяснението на Medal посочва качените клипове и наслагванията на контролера като източници на данни, включително означения като „Player moved forward“ и „Goal was scored“. Medal уточнява, че действията са смислови описания, а не суров запис на натисканията на клавиши.

Така клипът може да свърже наблюдавана ситуация с решение и последица. Ако играч избегне препятствие, моделът получава повече контекст от поредица кадри без описание на действието. Качеството на тази връзка обаче зависи от това колко точно означението отразява случилото се. Етикетът за движение е по-общ от пълната последователност на управление и сам по себе си не казва дали същото решение ще работи в друга среда.

Medal дава на потребителите възможност да включват или изключват използването на данните им за тези AI разработки през настройките на услугата. Това има значение за обхвата на обучаващия набор: големият брой качвания не означава, че всеки клип се използва по един и същ начин. Разнообразието от игри, ситуации и действия може да помогне на моделите да срещнат повече сценарии, но размерът на архива не измерва точността на предвижданията или надеждността на избраните действия.

Какъв продукт стои зад оценката

General Intuition разработва модели на действия, които избират следващ ход, и модели на света, които предвиждат последствията от него. В представянето на компанията се посочва, че малък брой партньори от игрите, симулациите и роботиката вече са включени към търговския ѝ API; за по-широк достъп има списък на чакащите. Това е конкретният продукт зад инвестицията: партньорски достъп до модели, а не свободно достъпна услуга за всеки разработчик.

Веригата започва с игрови клипове и означени действия, преминава през обучение на модел и завършва с API, чрез който външна организация може да работи с него. Партньорът не трябва сам да събира целия архив от игрови ситуации, но трябва да установи дали поведението на модела е полезно за собствената му задача. Предвиждането на следващ кадър в игра, изборът на ход в симулация и управлението на физическа машина изискват различни доказателства за качество.

За General Intuition достъпът до Medal е трудно възпроизводима част от тази верига. Инвеститорът оценява възможността множеството наблюдавани решения да се превърнат в модели с приложение извън игрите. Отделна част от стойността обаче ще се определи от работата на API при партньорите: доколко моделите дават последователни резултати, когато задачата и средата се различават от клиповете, използвани при обучението.

Какво показва MIRA

MIRA е публичният пример за способността на General Intuition да моделира интерактивна среда. SiliconANGLE описва представения през юни модел като изследователска демонстрация, която генерира игрова картина в реално време, и отделно съобщава за ограничени тестове на търговската технология. Изданието цитира определението на компанията „stepping stone to physical AI“ — стъпка към AI за физически задачи, а не завършен резултат в роботиката.

В демонстрацията MIRA поддържа игра с четирима участници в Rocket League и реагира на действията им. Обучението ѝ е с данни, събрани чрез публично достъпни ботове. Именно този произход поставя ясна граница между демонстрацията и по-широката теза за Medal: показаната игрова последователност не е доказателство, че целият архив от потребителски клипове вече е дал модел със същото поведение в непознати среди.

Модел на света трябва да предвиди как средата ще се промени след действие; модел на действия трябва да избере какво да се направи. MIRA прави първата идея видима в конкретна игра, където правилата, обектите и начинът на управление са определени. Партньорските тестове през търговския продукт са следващ етап: те могат да покажат дали разработката е полезна при задачи, зададени извън самата демонстрация.

Какво трябва да докажат партньорските тестове

Най-същественият въпрос за оценката е дали наученото от игри се пренася към нови условия. Полезно измерване би сравнило поведението на модела в позната игрова среда с поведението му при други правила, обекти или управление. За роботика би трябвало да се отчете и как реагира при забавяне на командите, неточни наблюдения и физически последици от грешките. Това са различни изпитания от поддържането на убедителна игрова картина.

Оценката от инвестиционния рунд отразява очакване за бъдещата стойност на данните, моделите и достъпа през API. Следващото развитие с пряко значение за тази теза ще бъдат резултати от партньорите при ясно описани задачи и условия. Те ще покажат дали големият поток от означени игрови действия води до надеждно поведение и извън средите, в които е събран.

Прочетете също:

• Anthropic обеща $11,6 млрд. на Akamai — и получи път към 5% дял
• Jira или Linear: контролът на мащаба струва повече сложност
• Bessemer събра $5,75 млрд. — растежът получава над два пъти повече