Skip to content
Meta ускоряет выпуск приложений с помощью ИИ: от «вайб-кодинга» до миллиарда пользователей Threads
02 августа 22:51 36 Просмотров Новости

Meta ускоряет выпуск приложений с помощью ИИ: от «вайб-кодинга» до миллиарда пользователей Threads

Meta✴ объявила о принципиальном ускорении разработки новых потребительских продуктов за счёт интеграции больших языковых моделей и ИИ-агентов в инженерные процессы. Генеральный директор Марк Цукерберг на отчётной конференции за второй квартал 2025 года заверил, что новых приложений пользователям ждать недолго — компания уже готовит к запуску целый ряд сервисов. Марк Цукерберг на презентации Meta

Новая волна приложений: что готовит Meta

Среди анонсированных продуктов — отдельные клиенты для ключевых функций экосистемы и экспериментальные ИИ-сервисы. Цукерберг перечислил:

  • Seller — приложение для продавцов на торговой площадке Marketplace;
  • Forum — отдельный клиент для групп Facebook✴;
  • игровой сервис с эффектом настроения, созданный методом «вайб-кодинга» (разработчик описывает задачу на естественном языке, а нейросеть генерирует код);
  • фотоприложение для Instagram✴;
  • экспериментальное приложение с ИИ-сказками на ночь.

Руководитель компании подчеркнул: большие языковые модели позволяют выпускать софт быстрее, чем когда-либо ранее, и быстрее тестировать новые идеи.

Уже запущенные проекты

Первые плоды новой стратегии появились на рынке в начале 2025 года. Так, вышел Instagram✴ Instants. Также уже доступны Forum для групп и Seller для маркетплейса. По данным компании, ИИ-агенты — программы, автономно выполняющие задачи без ручных команд — помогают инженерам оценивать качество контента, обнаруживать тренды и тестировать изменения в алгоритмах ранжирования. Приложения Meta Seller и Forum на экране смартфона

Роль нейросетей в рекомендациях и масштабировании

Главной проблемой любых новых приложений Meta✴ долгое время был поиск аудитории. Компания решает её за счёт единых ИИ-систем ранжирования. Каждая публикация в ленте и разделе Reels автоматически обрабатывается нейросетями: анализируются тема и тон контента, что улучшает рекомендации. Финансовый директор Сьюзан Ли подтвердила, что это уже даёт измеримый результат. Meta✴ разрабатывает рекомендательные системы, изначально построенные на базе LLM, чтобы эффективнее масштабировать новые проекты по мере их появления.

Исторический контекст: от Creative Labs к NPE Team

Попытки расширить портфель за пределами основных платформ предпринимались многократно. Когда компания называлась Facebook✴, работал инкубатор Creative Labs (закрыт в 2015 году). В его рамках выпускались: сервис обмена фото Slingshot, анонимный чат Rooms, конкурент Flipboard — Paper, обмен фото Moments и приложение для совместной работы с видео Riff. Все проекты закрылись, не найдя аудиторию.

В начале 2020-х программу возродили под названием NPE Team. Вышли: чат Bump, музыкальный сервис Aux, менеджер задач Move, служба знакомств Spark, сервис звонков CatchUp, приложение для мероприятий Venue, сервис вопросов и ответов Hotline, конкурент Cameo — Super, приложение для пар Tuned, музыкальное BARS и другие. Судьба была той же — все закрыты.

Успех Threads и планы на миллиард

Единственным устойчивым успехом стала платформа микроблогов Threads — она достигла 500 млн пользователей в месяц. Meta✴ задействовала базу Facebook✴ и Instagram✴ для холодного запуска и активно продвигала сервис внутри экосистемы. Большие языковые модели обеспечивают работу рекомендательных алгоритмов Threads. Цукерберг поставил цель довести аудиторию до миллиарда пользователей. Логотип Threads на фоне интерфейса приложения

Реакция инвесторов и фокус на расходах

Отчётная конференция прошла в конце июля 2026 года. Инвесторы сосредоточились на вопросах капитальных затрат на ИИ-инфраструктуру и корпоративных амбициях, а не на новых потребительских продуктах. Тем не менее, интеграция LLM и ИИ-агентов позволяет Meta✴ сократить время вывода продуктов на рынок и автоматизировать модерацию и рекомендации. Пользователям стоит ожидать более частого появления нишевых сервисов, оптимизированных под индивидуальные предпочтения с помощью нейросетей.

Поделиться

Похожие публикации