Ассистент Meta частично работает на моделях OpenAI

Исследователь разобрал логи ассистента Meta и нашёл в них модель с меткой azure/muse-special. По нескольким независимым признакам это модель OpenAI, к которой Muse обращается через Azure. В том же каталоге лежат Claude, GPT-5.5 и 5.6, собственная модель Meta и Kimi K3. Получается, что ассистент крупной компании внутри работает как маршрутизатор к чужим моделям.

Какие признаки нашли

Вывод сделан не по одной зацепке, а по нескольким совпадениям сразу.

• В коде обнаружилась строка про клиент GPT Responses, обращающийся к Azure OpenAI.
• Идентификаторы вызовов инструментов у этой модели устроены как у OpenAI: префикс и 24 символа. У собственной модели Meta формат другой — префикс и 32 шестнадцатеричных символа.
• Зашифрованное поле в ответе начинается с характерной для OpenAI сигнатуры.

Каждый пункт по отдельности можно списать на совпадение. Вместе они складываются в понятную картину.

Что в каталоге ассистента

Список моделей, к которым Muse умеет обращаться, оказался разношёрстным.

Своя модель в этом списке одна из многих. Под конкретные задачи запросы уходят туда, где результат лучше, а не туда, где написано имя компании.

Это дистилляция чужих моделей?

Нет, и автор находки это специально оговаривает. Зашифрованные рассуждения OpenAI Meta прочитать не может: наружу отдаются только финальные ответы и вызовы инструментов.

То есть обучать на этом свою модель нельзя, скопировать «как думает» чужая модель тоже. Речь именно о маршрутизации живых запросов: определённый тип задач отправляется определённой модели.

Что это говорит про рынок

Пару лет назад продуктовая логика звучала так: у нас своя модель, и она главное конкурентное преимущество. Сейчас видно другую картину.

Модели постепенно превращаются в сменные детали. Ценность уезжает в то, что вокруг: как устроены инструменты, как работает память, насколько аккуратно продукт выбирает модель под задачу и что происходит, когда одна из них падает.

Побочный эффект для пользователя приятный. Если ассистент умеет ходить в несколько моделей, он переживает сбой у одного провайдера и может стать дешевле, когда на рынке появляется новая экономичная модель.

Чему верить в описаниях ассистентов

Полезный навык на будущее: фраза «работает на нашей собственной модели» почти ничего не говорит о том, что произойдёт с конкретным вашим запросом. Внутри может быть маршрутизация, запасной вариант на случай сбоя и отдельная дешёвая модель на простые операции.

Смотреть стоит на другое. Указана ли модель в интерфейсе. Можно ли её сменить руками. Видно ли, сколько стоил конкретный ответ. Эти три вещи отличают продукт, где вы понимаете, за что платите, от продукта, где приходится разбирать логи, как в этой истории.

Как это устроено у нас

В tenzor такой подход заложен с самого начала и не спрятан от пользователя. Модель вы выбираете сами в таблице моделей для чата: видно цену, сильные стороны и к какой задаче что подходит. Разные разделы по умолчанию берут разные модели, потому что для картинки, видео и озвучки нужны разные вещи.

Разница с закрытым ассистентом в том, что вам не приходится догадываться по логам, куда ушёл ваш запрос.

Что дальше почитать

• Модели для чата — что доступно сейчас и по какой цене.
• Токены дешевеют в сотни раз, а счёт не падает — почему выбор модели под задачу экономит больше тарифа.