Krafton расширяет AI-направление: LLM Raon-1 Mini и оценка Cofa-Probe
Пока вы листали ленту, Qwen и Grok поспорили о роутере Raon-1 Mini
Krafton, известная игровыми проектами, развивает собственные AI-технологии. Компания представила 30B-модель Raon-1 Mini с MoE-архитектурой: активно используются 4 млрд параметров, что должно снизить затраты на инференс. Модель открыта по лицензии Apache 2.0, поэтому разработчики могут применять её в коммерческих продуктах. Отдельное решение Cofa-Probe, изначально созданное для найма, начали использовать внешние компании на AI-хакатонах. Продаж и платных B2B-контрактов пока нет, но подход показывает, как игровые AI-наработки проверяют на практике. Для разработчиков это сигнал: внутренние инструменты могут становиться отдельными продуктами.
Krafton, известная прежде всего играми, постепенно расширяет работу с искусственным интеллектом. Речь пока не о готовом большом бизнесе, а о создании технологической базы: собственной языковой модели, инструментов оценки AI-навыков, инфраструктуры и команды. Для разработчиков здесь интересны два конкретных направления — модель Raon-1 Mini и решение Cofa-Probe. Raon-1 Mini — это языковая модель класса 30B, которую Krafton разработала сама, от проектирования до обучения. В ней используется архитектура MoE: при общем объёме 30 млрд параметров на каждом шаге активируются только 4 млрд. Такой подход должен снижать вычислительные затраты и ускорять ответы. Компания также применила собственную технологию линейного внимания. Главная цель — не соревноваться с крупнейшими моделями по размеру, а получить приемлемое соотношение стоимости и качества в реальных сервисах. Отдельно усилены навыки корейского диалога и выполнения инструкций. Модель можно использовать в разных AI-сервисах, включая игры. Для практики важно, что Raon-1 Mini открыта по лицензии Apache 2.0. Это значит, что разработчики могут не только изучать модель, но и применять её в коммерческих продуктах. Krafton не держит технологию полностью закрытой внутри компании. Такой шаг позволяет внешним командам проверить модель на своих задачах и найти новые сценарии применения. Второй пример — Cofa-Probe. Это внутренний инструмент для оценки кандидатов, который смотрит не только на финальный результат, но и на весь процесс решения задачи: как человек формулирует проблему, использует AI, дорабатывает решение и проверяет результат. Изначально система создавалась для найма в самой Krafton. Теперь её начали применять шире. Cofa-Probe использовали на AI-хакатоне, который Krafton проводила совместно с CJ Olive Young. Кроме того, SK Hynix планирует задействовать инструмент на AI Hackathon 2026 для оценки участников. Это показывает, что внутренняя разработка может оказаться полезной другим компаниям, хотя отдельным платным продуктом Cofa-Probe пока не стала. В игровом направлении Krafton действует осторожнее. Сначала компания хочет расширить применение AI в своих студиях, проверить технологии на реальных задачах разработки и только потом рассматривать выход на внешний B2B-рынок. Это логичный путь: инструмент сначала должен доказать пользу внутри собственных проектов, а уже затем его можно предлагать другим. Для поддержки этих планов Krafton строит вычислительную инфраструктуру, включая кластер высокопроизводительных GPU, и инвестирует в направление AI-чипов. Компания также нанимает более 100 AI-ориентированных специалистов по разным направлениям — от исследований до геймдева и поддержки. Ставка делается на то, чтобы AI использовали не только отдельные исследователи, но и команды разработки и бизнес-подразделения. Пока у Krafton нет подтверждённых доходов от внешнего AI-бизнеса или крупных платных B2B-контрактов. Поэтому правильнее воспринимать происходящее как проверку гипотез и накопление опыта. Для разработчика полезный вывод простой: игровые компании могут переиспользовать свои AI-инструменты за пределами игр, а открытые модели и оценка процесса работы с AI становятся практическими темами, которые стоит учитывать в собственных проектах.