Двухлетняя компания из Сан-Франциско Mirror Particle разрабатывает модель для прогнозирования потребительского поведения и причин, которые за ним стоят. Стартап называет свой подход «моделью мира» и противопоставляет его симуляциям, в которых большой языковой модели предлагают сыграть роль целевой аудитории. О компании и её подходе сообщило TechCrunch 6 октября 2026 года. Mirror Particle также участвует в Startup Battlefield 200, конкурсе в рамках TechCrunch Disrupt 2026.
Как Mirror Particle описывает свою модель
Соосновательница и CEO Mirror Particle Абхивьякти Ахуя рассказала TechCrunch, что компания строит с нуля foundation model — модель мира, которая, по её описанию, должна моделировать причины человеческого поведения и его изменения во времени. Ахуя говорит, что компания хочет учитывать продольные данные: как меняются люди, какие факторы связаны с изменениями и насколько они значимы. Отсутствие изменений, по её словам, тоже может быть сигналом.
По материалу TechCrunch, для моделирования сегментов аудитории стартап использует собственное сочетание данных клиентов, текущих событий, поп-культуры и социальных сетей. Ахуя описывает фокус компании как «раскрытое поведение» — действия людей, а не только их ответы в опросах.
Ахуя сравнила развитие модели с тем, как младенец учится понимать мир: от зрения и языка к осознанию тела и социальному интеллекту. TechCrunch связывает её интерес к моделированию человеческого мозга с изучением нейронаук и информатики в Университете Торонто и работами Джеффри Хинтона.
Почему компания критикует ролевые симуляции LLM
TechCrunch описывает распространённый подход к прогнозированию поведения как использование LLM, которым предлагают сыграть роль целевой демографической группы или дообучают их на таких примерах. Mirror Particle считает этот подход фундаментально ошибочным. Ахуя сравнила попытку повлиять на такую модель небольшим объёмом данных с попыткой изменить Ниагарский водопад водяным пистолетом: по её мнению, масштаб исходных данных LLM слишком велик, чтобы небольшая подборка дообучения существенно изменила её ответы.
Ахуя также утверждает, что LLM моделируют письменный язык, тогда как человеческое поведение зависит, среди прочего, от визуального восприятия, пространственного мышления и социального интеллекта. По её мнению, основанные на LLM выводы могут учитывать сигналы, которые люди сами не замечают; это позиция соосновательницы, а не приведённый в статье независимый результат сравнения методов.
Пилот с упаковкой корма для животных
TechCrunch приводит один ранний пилот: производитель корма для животных хотел понять, какое изображение — курицы, говядины или овощей — разместить на упаковке, чтобы повысить продажи. По описанию издания, Mirror Particle пришла к выводу, что выбор изображения не был главным вопросом: бренд воспринимался как массовый и дешёвый, и, как утверждалось в разборе пилота, продажи могли упереться в это восприятие.
Это единичный кейс, пересказанный TechCrunch. В публикации не приводятся исходные данные, метод проверки вывода или измеренный эффект на продажи.
Что известно о проверке модели
В доступном материале TechCrunch нет показателей точности Mirror Particle или независимых бенчмарков. Поэтому описанный пилот сам по себе не позволяет оценить, насколько хорошо модель прогнозирует поведение или превосходит ролевые симуляции LLM.
TechCrunch сообщает, что компания привлекла ангельский раунд и близка к закрытию первого венчурного раунда. В качестве долгосрочного видения Mirror Particle называет общий слой для прогнозирования человеческого поведения с переходом от анализа групп к индивидуальным инсайтам; это цель компании, а не описание уже достигнутой возможности.
