Статьи
Исследования, эксперименты и новые возможности искусственного интеллекта
Здесь мы разбираем исследования AI-лабораторий, научные статьи и экспериментальные системы, которые показывают, что ИИ уже умеет делать — и чему он учится прямо сейчас.
20 исследований · 68 источников — лаборатории, институты и научные площадки
Главный вопрос раздела. Выберите способность — покажем исследования о ней.
ИИ, который сам выполняет задачи: ищет, пользуется инструментами, доводит дело до конца.
За 11 дней почти без участия людей Claude перевёл доказательство Великой теоремы Ферма на язык Lean, где каждый шаг проверяет машина. Получилось 13 миллионов строк кода и 29 511 теорем. Кевин Баззард назвал это выдающимся достижением.
Anthropic дала агентам на Claude Opus 4.8 задачу: найти способ дообучить модель так, чтобы она меньше лгала, льстила или поддавалась взлому. По десяти видам сбоев агенты нашли методы, которые работают и на новых тестах, и на моделях в 4,7 раза крупнее.
Система Robin от FutureHouse сама изучила литературу, выдвинула гипотезы, спланировала эксперименты и разобрала их результаты. Люди только ставили опыты. Итог — ripasudil, лекарство от глаукомы, как кандидат для лечения сухой возрастной макулярной дегенерации.
METR предложила измерять ИИ не процентами на тестах, а длиной задач: сколько времени на них тратит специалист. Claude 3.7 Sonnet справлялся с половиной задач длиной около часа, и этот горизонт растёт по экспоненте уже шесть лет.
Darwin Gödel Machine от Sakana AI и лаборатории Джеффа Клюна сама улучшает свой код: пробует изменения, проверяет их на задачах и хранит архив удачных версий. Результат на SWE-bench вырос с 20% до 50%.
Genie 3 от Google DeepMind по текстовому описанию строит трёхмерный мир и достраивает его на ходу, пока вы по нему двигаетесь. Мир остаётся связным несколько минут и «помнит», что было за спиной.
Хорошие работы без заметной новой способности.
AIRI · июль 2026
Статья выходит, только если на вопрос «что ИИ теперь умеет такого, чего раньше не умел?» есть ответ, подтверждённый экспериментом.
Не берём прирост в пару процентов на бенчмарке, пресс-релизы без исследования, обновления API и маркетинговые заявления. В каждой статье — ограничения и ссылка на оригинальную работу.
Лаборатории, институты и научные площадки, за которыми следим:
И ещё 40 источников, которые проверяем регулярно
