Іспанська компанія Multiverse Computing 2 вересня 2026 року випустила Quasar 438B — модель-«резонер» на 438 мільярдів параметрів, яку сама назвала найпотужнішою європейською AI-моделлю в галузі. За незалежним рейтингом Artificial Analysis Intelligence Index v4.1.1 Quasar набрала 43 бали — найвищий показник серед усіх європейських систем у порівнянні, на 13 пунктів більше за Mistral Medium 3.5 і на 5 пунктів більше за NVIDIA Nemotron 3 Ultra.

Тут варто одразу зафіксувати одну деталь: Multiverse Computing раніше не будувала великі моделі — вона на них заробляла у протилежний спосіб. Компанія із Сан-Себастьяна відома технологією CompactifAI, яка стискає готові відкриті LLM на 80–95% за допомогою квантово-інспірованих тензорних мереж, зберігаючи точність і прискорюючи інференс у 4–12 разів. Quasar 438B — перший великий власний реліз цієї команди, і він виходить саме тоді, коли решта індустрії, навпаки, женеться за меншими й дешевшими агентними моделями — на кшталт того ж Nemotron 3 Ultra, який активує лише 55 із 550 мільярдів параметрів на токен.

Друга деталь для масштабу: 43 бали за індексом Artificial Analysis — це помітно нижче за глобальний фронтир. Лідер того самого рейтингу восени 2026 року, Claude Fable 5.1, набирає 65,7 бала. Тобто Quasar — не претендент на трон серед моделей OpenAI, Anthropic чи Google, а перша модель, яка дозволяє Європі не соромитися своєї графи в таблиці. І це принципово інша гра.

Чому це важливо саме зараз? Бо європейська AI-суверенність перестала бути риторикою й перетворилася на пункт закупівельних вимог: французьке міноборони, німецький Bundeswehr і структури Єврокомісії дедалі частіше прописують у тендерах вимогу використовувати «суверенні» LLM-опції. У червні 2025 року Multiverse Computing залучила €189 млн Series B під проводом Bullhound Capital саме під технологію стиснення; через рік, у липні 2026-го, компанія закрила Series C на суму до $570 млн (близько €500 млн) за оцінкою $1,7 млрд — гроші, які, як тепер видно, готувалися під перехід від постачальника технології до власника флагманської моделі.

Звідки взявся Quasar і чому Європа досі не мала власного лідера?

Пряма відповідь — тому що в Європи довго не було ні капіталу, ні обчислювальних потужностей, порівнянних із США чи Китаєм, а не браку інженерних кадрів. За галузевими оцінками, у 2025 році європейські AI-стартапи залучили рекордні $21,6 млрд — і це все ще значно менше за обсяги інвестицій у Кремнієвій долині за той самий період.

На цьому фоні «суверенна трійка» Європи — Mistral AI (Франція), Aleph Alpha (Німеччина) і Black Forest Labs — грала в іншу гру, ніж OpenAI чи Anthropic: не наздогнати фронтир за будь-яку ціну, а забезпечити комплаєнс, локальний хостинг і відповідність вимогам EU AI Act для регульованих індустрій. Mistral Large 3 конкурує із середнім ешелоном закритих моделей, а Aleph Alpha з Гайдельберга фокусується на урядових і оборонних клієнтах. Жодна з них не претендувала на титул «найрозумнішої моделі Європи» в буквальному сенсі — до цього тижня.

Компанія, що заробляла на стисканні чужих моделей

Multiverse Computing прийшла на цей ринок з іншого боку. Її клієнтська база — Iberdrola, Bosch, Bank of Canada і понад сотня партнерів — платила не за нову модель, а за те, щоб здешевити вже існуючі. CompactifAI — це технологія компанії, яка стискає готові нейромережі за допомогою квантово-інспірованих тензорних мереж: вона «тензоризує» шари self-attention і MLP, обрізаючи зайві кореляції між вагами через параметр, що називається bond dimension тензорної мережі. Компанія публічно демонструвала підхід на Llama 3.1, заявляючи зменшення розміру моделі до 95%, прискорення інференсу у 4–12 разів і зниження вартості інференсу на 50–80% при збереженій точності.

Quasar 438B — перший випадок, коли ця сама команда виходить не як постачальник технології стиснення, а як власник флагманської моделі. За даними HackerNews, компанія прямо описує Quasar як модель, «побудовану для агентів масштабу підприємства» — тобто ціль не чат-бот для споживачів, а бекенд для корпоративних агентних систем.

Як Quasar 438B рахує токени під капотом?

Чесна відповідь — невідомо, і це головна технічна дірка релізу. Multiverse Computing не розкрила, чи Quasar 438B — щільна (dense) модель, чи архітектура Mixture-of-Experts (MoE, «суміш експертів») з активними параметрами, суттєво меншими за загальні 438 мільярдів. Не названо базову архітектуру, кількість шарів, розмір контекстного вікна і те, чи модель тренувалася з нуля, чи є результатом застосування власної технології CompactifAI до якоїсь наявної великої бази.

Це має значення не з академічної цікавості. Якщо Quasar — щільна модель, усі 438 мільярдів параметрів активуються на кожен токен, а це дорожче й повільніше порівняно з сучасними агентними моделями на MoE. Для порівняння: NVIDIA Nemotron 3 Ultra з гібридною архітектурою Mamba-MoE активує лише близько 55 мільярдів параметрів із 550 мільярдів загальних — приблизно 10% розрідженості — і саме завдяки цьому демонструє вп'ятеро вищу пропускну здатність за порівнянні відкриті моделі.

Що компанія розкрила — це продуктивність на реальному навантаженні: 500 вихідних токенів, включно з часом на «міркування» (reasoning), Quasar видає за 15,3 секунди. За даними HackerNews, серед усіх моделей у порівнянні Artificial Analysis лише три виявилися швидшими, і тільки одна з них — Gemini 3.7 Flash — водночас має вищий бал за індексом інтелекту. За вузьким тестом довгого контексту AA-LCR модель набрала 75,0 бала, що зіставно з рівнем Grok 4.6, а за Terminal-Bench v2.1 (тест на автономну роботу в терміналі, ключовий для coding-агентів) — 69,3, що на 18,7 пункту вище за Mistral Medium 3.5 і на 15,4 пункту вище за Nemotron 3 Ultra.

Artificial Analysis Intelligence Index — це складений незалежний рейтинг, який об'єднує дев'ять окремих тестів, серед них GPQA Diamond, Terminal-Bench, AA-LCR і Humanity's Last Exam, в один бал, що дозволяє порівнювати моделі різних розробників за єдиною шкалою.

Що приховує цифра «438 мільярдів»

Компанія позиціонує розмір як компромісне рішення: досить велике, щоб впоратися зі складними задачами міркування, і водночас підібране так, аби не впасти в пастку затримки (latency), яка робить дуже великі моделі непридатними для інтерактивних корпоративних продуктів. Генеральний директор Multiverse Computing Енріке Лісасо сформулював це так:

«Quasar показує, що європейським розробникам не потрібно обирати між продуктивністю міркування та швидкістю».

Проблема в тому, що цю тезу неможливо перевірити без даних про архітектуру. «438 мільярдів параметрів, які рахують швидко» — це або наслідок вдалого архітектурного рішення (розрідженість, гібридні шари), або результат агресивної інженерії інференсу на рівні серверної інфраструктури CompactifAI. Це дві дуже різні історії з дуже різними наслідками для того, хто планує будувати на цьому продукт.

Чим Quasar відрізняється від Mistral, Nemotron і решти?

Головна відмінність — Quasar порівнює себе виключно з європейськими та суміжними іменами, а не з глобальним фронтиром, і саме в цьому вужчому забігу вона справді лідирує.

Ще один момент, який легко проґавити: Quasar підтримує лише англійську та іспанську мови. Для моделі, яку продають як «провідну європейську», це помітна прогалина — жодної згадки про німецьку, французьку, польську чи інші мови ЄС. Це відрізняє Quasar від, наприклад, ініціативи OpenEuroLLM, яка прицільно будує багатомовність під усі офіційні мови Союзу як частину самої місії «суверенності».

Що це дає командам, які будують AI-продукти зараз?

Пряма відповідь: точковий вибір для трьох типів задач, де юрисдикція даних важливіша за абсолютний бал інтелекту.

Кейс 1 — coding-агенти в регульованому середовищі. Банк чи страхова компанія в ЄС, якій контракт або регулятор забороняє відправляти вихідний код і внутрішню документацію через API американського провайдера, отримує варіант з високим Terminal-Bench (69,3) для автономних coding-агентів, працюючи в межах європейської юрисдикції даних.

Кейс 2 — робота з довгими технічними документами. AA-LCR на рівні 75,0 бала, зіставний із рівнем Grok 4.6, означає, що модель непогано тримає контекст на задачах типу «знайди й зістав конкретний параграф у 200-сторінковому регуляторному документі» — типова робота юридичних і комплаєнс-команд, яким Aleph Alpha раніше пропонував схожі, але дорожчі рішення.

Кейс 3 — багатокрокова автоматизація процесів у корпораціях-клієнтах Multiverse Computing на кшталт Iberdrola чи Bosch, де агент повинен виконати послідовність дій — перевірити дані, викликати внутрішній API, скласти звіт — без постійного нагляду людини. Саме цю нішу компанія прямо називає ціллю релізу.

У всіх трьох випадках вибір Quasar — це не «найкраща модель узагалі», а «найкраща модель, яка ще й проходить юридичний і регуляторний фільтр».

Чого Quasar не розкриває — і чому це має вас турбувати?

Три речі відсутні в релізі, і кожна з них — реальний ризик для того, хто планує будувати на Quasar продукт, а не просто тестувати демо.

Перше — ціна. Multiverse Computing не опублікувала жодних цифр вартості інференсу для Quasar через CompactifAI API. Порівняти економіку з Nemotron 3 Ultra (відкриті ваги, тому вартість — це просто вартість власного GPU-часу) чи з публічним прайс-листом Mistral наразі неможливо.

Друге — ліцензія і ваги. Немає жодної згадки про те, чи ваги моделі колись стануть відкритими, навіть частково. Це відрізняє Quasar від Nemotron 3 Ultra, який одразу вийшов з відкритими вагами, і трохи суперечить духу «суверенності»: повна суверенність зазвичай означає можливість розгорнути модель у власному дата-центрі, а не лише викликати чужий хмарний API під новим європейським брендом.

Третє — архітектурна прозорість. Без інформації про те, dense чи MoE, без даних про контекстне вікно і без незалежного відтворення бенчмарків поза вимірюванням Artificial Analysis, варто ставитися до цифри «43» як до сильного, але одностороннього сигналу.

Додатковий ризик — мовний. Модель, яку рекламують як лідера європейського штучного інтелекту, а не як франко-іспанський продукт, підтримує лише дві з 24 офіційних мов ЄС. Якщо ціль — реальна пан-європейська суверенність, а не PR-момент навколо одного бенчмарка, мультимовність — очевидний і непростий наступний крок.

Чи можна вже спробувати Quasar 438B і скільки це коштує?

Наразі доступ відкритий лише через хмарний CompactifAI API, без публічної інформації про тарифи — компанія пропонує звертатися напряму через контактну форму для бізнес-запитів. Самостійного розгортання (self-hosted) чи відкритих ваг на момент релізу 2 вересня 2026 року не існує.

Чи це змінить те, як компанії обирають LLM для агентів? Поки що ні — без прозорої ціни і без опції self-hosted Quasar залишається предметом пілотів, а не масової міграції з existing стеку на базі Mistral, Nemotron чи закритих API великих американських гравців.

Висновок AiiN

Quasar 438B — це не момент «Європа наздогнала світ», а момент «Європа нарешті має що показати у своїй лізі». Бал 43 проти 65,7 в лідера глобального рейтингу — чесна, але вузька перевага в конкретній ринковій ніші, а не революція. Однак сама ніша — регульовані агенти для банків, енергетики й промисловості, яким юрисдикція даних важливіша за абсолютний інтелект моделі — цілком реальна і росте разом із вимогами EU AI Act та закупівельною політикою урядів.

Прогноз редакції AiiN на найближчі 6–12 місяців: тиск конкурентів — насамперед Mistral із наступним циклом Mistral Large, і NVIDIA з подальшими ітераціями Nemotron — змусить Multiverse Computing розкрити або архітектуру, або ціни. Інакше «провідна модель Європи» залишиться маркетинговою фразою без верифікованої економіки для CTO, які приймають рішення про production-навантаження. Ключовий індикатор, який варто відстежувати: чи з'явиться в Quasar підтримка бодай німецької та французької мов і чи компанія хоч частково відкриє ваги. Без цього розмова про «суверенність» залишається розмовою про ще один платний API, який просто розташований у Сан-Себастьяні, а не в Сан-Франциско.

Практична рекомендація для тих, хто будує зараз: тестувати Quasar варто вузько — на власних regulatory-heavy сценаріях із довгими документами й coding-агентами, порівнюючи вартість і латентність напряму з Nemotron 3 Ultra (якщо самостійний хостинг доступний вам) і з Mistral Large 3, а не приймати заявлений бал 43 як самодостатній аргумент для вибору постачальника.