Meta утверждает, что модель Watermelon уже догнала GPT-5.5 от OpenAI по «важным» внутренним тестам. Но названия этих тестов компания не раскрыла, и именно здесь заканчивается громкий заголовок и начинается реальный разговор о качестве моделей. Для русскоязычной IT-аудитории это не академическая придирка: без прозрачных метрик невозможно понять, идет ли речь о реальном технологическом рывке или о красивой презентации для сотрудников и инвесторов.
Как пишет The New Stack, заявление прозвучало на внутренней встрече Meta почти одновременно с другой, куда менее бодрой оценкой со стороны Марка Цукерберга: он признал сотрудникам, что ставки компании на ИИ «еще не принесли результата». На этом фоне слова о том, что модель Watermelon якобы сравнялась с флагманом OpenAI, выглядят как попытка показать команде и рынку: да, деньги, найм и организационная встряска наконец начинают складываться во что-то измеримое. Проблема в том, что измеримое пока существует только в пересказе самой Meta.
По данным публикации, о прогрессе говорил Александr Wang, который возглавляет направление Meta Superintelligence Labs. Именно он сообщил сотрудникам, что Watermelon, следующая модель после Avocado, достигла уровня GPT-5.5 на ряде внимательно отслеживаемых бенчмарков. Avocado при этом уже получила публичное воплощение: в апреле Meta выпустила первую модель семейства Muse Spark, и она, несмотря на неплохие результаты, не выглядела как продукт, который способен без споров обойти OpenAI или Anthropic. В случае с Watermelon компания пошла дальше и по масштабу обучения: Wang отдельно подчеркнул, что на новую модель выделено примерно на порядок больше вычислительных ресурсов, чем на Avocado.
Это важная деталь, потому что в 2026 году мало кого удивляет сам факт, что очередная LLM стала лучше после резкого увеличения объема вычислений. Вопрос в другом: насколько лучше, в чем именно и по какой методике это измеряли. Если Meta сравнивала Watermelon по внутренним тестам, которые не опубликованы и не воспроизводятся извне, рынок получает не результат, а обещание результата. Для инженеров, которые выбирают модель под кодогенерацию, агентные сценарии, поддержку саппорта или поиск по корпоративным данным, разница принципиальна. Одно дело сказать «догнали GPT-5.5», другое дело показать конкретику: например, рост на задачах по программированию, многошаговому рассуждению, работе с инструментами, latency, стоимости инференса или стабильности длинных сессий. Без этого «догнали» остается словом с очень гибкой геометрией.
Именно поэтому в заголовке The New Stack отсутствующий элемент важнее самой новости. За последние два года отрасль слишком хорошо привыкла к заявлениям в стиле «наша модель почти на уровне лидера». Дальше обычно выясняется, что сравнение построено либо на узком наборе задач, либо на удобной версии бенчмарка, либо на тестах, которые не отражают продакшн-нагрузку. Для бизнеса это старая проблема в новой упаковке. CIO, CTO и продакт-лиды не покупают абстрактное «почти как OpenAI». Они покупают предсказуемость качества, SLA, понятную стоимость, зрелость экосистемы и возможность повторить результат на своей задаче. Если Meta хочет не просто впечатлить внутренний town hall, а реально вернуть доверие разработчиков, ей придется показывать не кодовые имена фруктов, а таблицы, методологию и желательно независимую валидацию.
У самой Meta здесь отдельный политический и продуктовый контекст. Компания давно пытается доказать, что способна быть не только платформой с огромной инфраструктурой, но и поставщиком действительно передовых моделей. Для этого она перестраивала AI-направление, усиливала команду и делала ставку на более агрессивную гонку с OpenAI, Google и Anthropic. Но чем больше ожидания, тем выше цена расплывчатых формулировок. Если после громких обещаний рынок не получает публичного релиза, технического отчета или хотя бы развернутого списка метрик, это воспринимается не как заявка на лидерство, а как очередной эпизод корпоративного бодрящего самовнушения. Особенно на фоне того, что OpenAI и Anthropic конкурируют уже не только качеством модели как таковой, но и скоростью вывода обновлений, удобством API, агентными функциями и зрелостью enterprise-инструментов.
Для разработчиков новость про модель Watermelon пока означает ровно одно: Meta снова хочет вернуться в первый эшелон, но доказательная база еще не доехала. Если компания действительно приблизилась к GPT-5.5, следующим логичным шагом должны стать публичные результаты, сравнимые сценарии и понятный рассказ о том, где именно новая модель сильна, а где по-прежнему отстает. Иначе индустрия получит еще один кейс, где маркетинговая формулировка опережает инженерную проверку. Сама история, на которой основан этот спор о прозрачности и реальном прогрессе, подробно разобрана в .