Научные работы, бенчмарки и открытия
Аналитик собрал 1095 русскоязычных вопросов и проверил, как Google формирует AI Overviews. Обзор появился в 93% случаев, а из 446 источников 222 не было на первой странице обычной выдачи.
Джеффри Хинтон, Йошуа Бенджио и ещё два десятка исследователей опубликовали в Кембридже статью об «интеллектуальном взрыве». Они описывают, как ИИ может ускорить собственное развитие и почему к этому нужно готовиться заранее.
Человекоподобные роботы смогут конкурировать с людьми по затратам лишь за 10% рабочих мест в США примерно через 40 лет. Сейчас они способны заменить людей лишь на 0,3% работы.
Метод LEGO-Anything заставляет кодинг-агента писать программу для Blender по одной фотографии. Агенты выдают рабочие сцены, но их геометрическая точность далека от идеала, а сами модели почти не способны оценить, стало ли лучше.
Физик Мэтью Шварц из Гарварда описал в гостевом посте для Anthropic, как перестал использовать Claude как исследователя-человека и начал искать «задачи формы Claude». Результатом стал open-source-инструмент BootLoops для точных научных расчётов.
Учёные из Швеции и Великобритании построили замкнутую ИИ-систему для биологических исследований: она сама выдвигает гипотезы, планирует эксперименты и передаёт их роботам. На дрожжах система нашла ранее не описанные взаимодействия аминокислот и химических стрессоров.
Neuralink обучила базовую модель для интерфейсов мозг — компьютер на 50 000 часах сигналов мозга участников испытаний. Декодеры теперь работают неделями, а калибровка сократилась с 10 минут в день до 10 минут в неделю.
Meta опубликовала шесть статей, написанных математиками совместно с моделью Muse Spark. Утверждается, что учёные использовали Muse Spark 1.1 и 1.2 в Thinking Mode через обычный чат meta.ai, без специального харнеса.
Учёные представили ИИ-модель Brain-IT, которая реконструирует увиденные человеком изображения по данным функциональной МРТ. Она обошла предыдущие методы по 7 из 8 метрик и показала качественные результаты при 15 минутах записи fMRI нового человека.
Осенью 2026 года вышли Claude Fable 5.1, GPT-6 Astra, Grok 4.7 и DeepSeek V4. Разбираем, как сравнивать модели по цене решённой задачи, а не по прейскуранту за токен.
BridgeMind выпустили NerfBench — бенчмарк для отслеживания «нёрфа» моделей: ухудшения качества, роста расхода токенов или стоимости задачи после релиза. Результат в день выхода модели принимается за 100%, а последующие замеры показывают отклонения.
Если агент пишет код и тесты к нему, ошибка может сохраниться в обоих. Мутационное тестирование и проверка того, какой именно баг ловит тест, помогают это обнаружить.
Исследование Mercor показало: ИИ-модели решают структурированные задачи бухучёта быстрее, точнее и дешевле лицензированных бухгалтеров. Но почти 60% задач не решены полностью — без надзора человека отчётность не закрыть.
Кодинговые агенты вроде Claude Code, Codex и Cursor по-прежнему опираются на технологии поиска по коду, которым от пяти до пятидесяти лет. Об этом рассказывает большая статья на Хабре об эволюции инструментов поиска.
GPT-6 Astra за 6 часов расшифровала письмо генерала Мармона от 1809 года, которое считалось нераскрытым 217 лет. Пользователь Картер Черч отправил модели только изображение скана и промпт.
Исследователи из Meta предложили Context Language Models — подход, при котором модель сама переписывает собственную историю контекста через файл и Bash. Обучение через RL подняло Qwen3.5–9B на BrowseComp-Plus с 28.8% до 42.5%.
На arXiv вышло практическое руководство The Hitchhiker's Guide to Agentic AI. Книга описывает полный стек создания автономных ИИ-систем — от архитектуры трансформеров до продакшена и регулирования.
Инженер Битрикс24 Глеб Смольяков сравнил долговременную память агента Радиант с загрузкой истории в контекстное окно на миллион токенов. Радиант нашёл 15 из 15 старых сообщений, но на длинном контексте модель путает похожие факты.
Независимые исследования показывают: детекторы ИИ-текста ошибаются массово. Средняя точность шести популярных сервисов — 39,5%, а после минимальной обработки текста падает до 17,4%.
Google DeepMind представила SynthID Bio — технологию нанесения невидимых водяных знаков на белки, созданные генеративным ИИ. Маркировка сохраняется в физической молекуле и не влияет на её биологическую функцию.
