Израильский стартап doubleAI представил искусственный интеллект Maxwell, который самостоятельно переписывает машинный код прямо во время работы программы. Разработчики обещают ускорение отдельных вычислений в десятки раз без изменения исходного кода и вмешательства программиста.
Новая система получила название Code Execution Model (CEM), или модель исполнения кода. В отличие от привычных ИИ-помощников, которые пишут программы по запросу человека, Maxwell анализирует уже запущенное приложение, находит медленные участки и заменяет машинные инструкции более эффективными. По заявлению doubleAI, обработку данных удалось ускорить более чем в 38 раз, а отдельные вычислительные модули нейросетей более чем в 4,5 раза.
Один из наиболее показательных результатов получили при работе с генератором видео LTX-2.5. На двух графических ускорителях NVIDIA B200 создание пятисекундного ролика в разрешении 4K занимало 250 секунд. После оптимизации Maxwell время сократилось до 134 секунд, то есть в 1,87 раза. Причём исходную систему уже настроили опытные инженеры, поэтому речь идёт не об ускорении заведомо неэффективной программы.
Maxwell добился результата, изменив распределение вычислений между видеокартами и сократив передачу промежуточных данных. В одной из операций ускорителям прежде приходилось обмениваться блоками объёмом 262 МБ каждый. Новая схема позволила передавать примерно 1 МБ, поскольку вместо исходных данных видеокарты обмениваются частично вычисленными результатами. ИИ также подобрал более быстрые вычислительные модули и перенёс часть операций с центрального процессора на графический.
Принцип работы Maxwell напоминает JIT-компиляцию, при которой программа преобразует код в машинные инструкции непосредственно во время исполнения. Однако обычный компилятор преимущественно оптимизирует существующие операции, тогда как система doubleAI способна заменить сам алгоритм. Например, вместо ускорения исходного метода сортировки Maxwell может выбрать другой способ упорядочивания данных, если конкретный процессор и характер нагрузки позволяют получить лучший результат.
Сооснователь doubleAI Галь Беньямини объяснил, что Maxwell учитывает не только устройство процессора, но и реальные данные, состояние вычислительной среды и возникающие узкие места. Обычный компилятор не всегда располагает подобной информацией заранее. ИИ продолжает анализировать программу во время работы, поэтому может находить новые способы ускорения при изменении нагрузки. При этом исходные файлы приложения остаются нетронутыми.
Главная техническая проблема заключается в безопасности автоматической замены исполняемого кода. Нейросеть может предложить более быстрый алгоритм, но даже небольшая ошибка способна изменить результат вычислений или нарушить работу приложения. Для защиты doubleAI использует формальную верификацию, при которой математические методы проверяют соответствие нового кода исходному поведению программы. Разработчики утверждают, что каждая оптимизация сопровождается доказательством корректности, которое проверяет компьютер.
Проверка допускает и условные оптимизации. Если ускоренный алгоритм работает корректно только при определённых входных данных, Maxwell должен проверять соответствующие условия перед исполнением. При их нарушении управление возвращается исходному коду. Такой подход позволяет применять специализированные алгоритмы без предположения, что все будущие данные будут похожи на уже обработанные. Надёжность механизма, однако, зависит от полноты математической модели и корректности самой системы проверки.
Разработчики считают, что Maxwell может приносить пользу и информационной безопасности. По словам Беньямини, математический анализ уже помог обнаружить в реализации Python случаи небезопасной работы с памятью. Подобные ошибки памяти способны вызывать сбои и создавать условия для эксплуатации уязвимостей. Однако компания пока не представила подробного независимого исследования найденных проблем, поэтому оценить масштаб открытия невозможно. Доказанная эквивалентность двух вариантов кода также не означает, что исходная программа свободна от уязвимостей.
Постоянный анализ работающих приложений тоже требует вычислительных ресурсов. DoubleAI утверждает, что отслеживание и профилирование нагрузки добавляют не более 2% расходов процессорного времени, а после отключения наблюдения соответствующие накладные расходы исчезают. По расчётам компании, полученное ускорение перекрывает затраты на работу системы. Насколько стабильно Maxwell сохраняет преимущество на разных приложениях, пока неизвестно, поскольку опубликованные показатели преимущественно основаны на собственных испытаниях разработчика.
Для запуска Maxwell программисту достаточно установить специальную среду исполнения и запустить приложение привычным способом. Сама ИИ-модель размещается на инфраструктуре doubleAI, что создаёт дополнительные вопросы о доверии к внешнему сервису, доступе к информации о работающих программах и защите корпоративного кода. Подробные условия обработки подобных данных пока не раскрыты. Сейчас Maxwell доступен в режиме раннего доступа через сайт проекта.
DoubleAI основали в Тель-Авиве в 2023 году. Один из руководителей компании, профессор Амнон Шашуа, также известен как основатель Mobileye, разработчика технологий компьютерного зрения для автомобилей. Стартап привлёк 200 млн долларов в раунде финансирования Series A при участии Lightspeed Venture Partners, Bessemer Venture Partners, NVIDIA и других инвесторов. Ещё в марте 2026 года команда продемонстрировала переработанную версию библиотеки NVIDIA cuGraph, которая, согласно опубликованным испытаниям, работала в среднем в 3,6 раза быстрее оригинала.
Практический интерес Maxwell связан прежде всего с растущей стоимостью вычислений. Если заявленные результаты подтвердятся при независимых проверках, компании смогут быстрее обрабатывать данные и запускать нейросети без пропорционального увеличения числа процессоров и видеокарт. Однако ускорение в десятки раз нельзя переносить на любое приложение. Результат зависит от исходного алгоритма, оборудования и характера нагрузки. Пока doubleAI показала перспективную технологию, но не доказала, что автономная оптимизация одинаково эффективно и безопасно работает на произвольном программном обеспечении.