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.
Работы с открытым кодом, весами или данными — их можно проверить и повторить.
Сотни физических кубиков с одинаковой маленькой нейросетью общаются только с соседями — и сообща определяют форму всей конструкции: стул, самолёт, гитара. Они же замечают повреждения. Работа опубликована в Nature Communications.
Команда AIRI и соавторы дообучила языковые модели ДНК размечать гены прямо по последовательности. На хромосоме человека они правильно собрали втрое больше генов, чем Tiberius и AlphaGenome, и сработали на растениях и дрожжах.
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.
Модель π0.5 от Physical Intelligence управляет роботом в незнакомых домах: убирает посуду, заправляет кровать, собирает бельё. Сначала она решает словами, что делать дальше, а потом выполняет движение.
DeepSeek показала, что длинные рассуждения, самопроверка и смена стратегии появляются у языковой модели сами, если награждать её только за правильный ответ. Доля решённых олимпиадных задач AIME выросла с 15,6% до 71%.
Открытая модель Molmo от Ai2 не только описывает изображение, но и ставит точку на каждом найденном объекте. Так она считает предметы и показывает, на что опирается её ответ. Данные для обучения собраны без помощи чужих закрытых моделей.
Модель ESM3 от EvolutionaryScale спроектировала флуоресцентный белок esmGFP, который совпадает с ближайшим природным аналогом лишь на 58%. По оценке авторов, природе на такой путь понадобилось бы больше 500 миллионов лет эволюции.
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%.
Команда AIRI, МФТИ и LIMS проверила, как нейросети на самом деле работают с длинными текстами. Большие модели теряют нить задолго до заявленного предела, а небольшой трансформер с рекуррентной памятью после дообучения справился с текстами до 50 миллионов токенов.
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
