Исследования
Научные исследования в области ИИ: новые методы, результаты экспериментов и работы, которые объясняют, как устроены модели.
Google DeepMind открыла наборы данных SatWeave и PARDIG для исследований погоды
SatWeave собирает спутниковые наблюдения в глобальную мозаику, а PARDIG оценивает осадки с интервалом 15 минут. Google DeepMind открыла исторические архивы и текущие потоки данных.
3 мин чтенияИИ-агенты не открыли новый участок майя: его описали в научной статье годом ранее
Исследователь Google Пьетро Миотти использовал 48 ИИ-агентов для анализа данных лидарной съёмки, но археологи указали, что найденный участок уже был задокументирован. Сам Миотти признал, что проверка у специалистов необходима.
2 мин чтенияИсследование Podqi: чат-боты показывали рискованные сайты магазинов
В тесте 6 795 ответов Gemini упоминала рискованные сайты в 4% случаев, ChatGPT — в 8%, а Perplexity — в 15%. Исследователи проверяли ответы о 151 бренде.
2 мин чтенияOpenAI: обучение делает рассуждения передовых моделей менее наблюдаемыми
Анализ OpenAI связывает ухудшение контроля за ходом мыслей моделей с их базовыми возможностями, архитектурой, обучением с подкреплением и передачей навыков от более сильных моделей. Выбор разработчиков влияет на компромисс между прозрачностью, возможностями и вычислительными затратами.
2 мин чтенияGoogle DeepMind выпустила AlphaGenome 2 для анализа влияния ДНК на клетки
Модель прогнозирует эффекты генетических вариантов для отдельных типов и состояний клеток. Для некоммерческих исследований она доступна через AlphaGenome API; коммерческим исследователям открыли закрытый предварительный доступ.
2 мин чтенияNvidia представила GR00T 2 для обучения роботов по видео движений людей
Модель предсказывает будущие движения и изображение с камеры, чтобы переносить навыки на роботизированные руки. В лабораторных испытаниях результаты зависели от задачи, а разработчики отмечают ограничения системы.
3 мин чтенияGoogle представила MKA — тест для ИИ-агентов на визуальных рабочих задачах
Бенчмарк, созданный вместе с Artificial Analysis, включает 200 закрытых заданий из 10 профессиональных областей. Google также опубликовала 10 открытых примеров и сообщила результаты Gemini 4 Carbon.
2 мин чтенияOpenAI и Upwork: ИИ меняет состав и масштаб фриланс-проектов
Анализ OpenAI и Upwork показал, что ИИ-задачи охватывают больше видов работы, а проекты с ИИ чаще объединяют разные навыки и предусматривают большие бюджеты и больше часов.
2 мин чтенияFable 5.2 выполнила 41,3% реальных фриланс-задач в тесте Scale Labs
В бенчмарке Remote Labor Index модель показала результат более чем вдвое выше, чем её предшественница Fable 5.1. Тест охватывает полноценные проекты с Upwork, а не отдельные навыки.
2 мин чтенияАвторы комментария в Nature призвали считать ИИ бессознательным по умолчанию
Исследователи спорят с идеей, что сознание зависит только от обработки информации: по их мнению, биологические свойства мозга могут быть принципиальны. При этом доклад о сознании ИИ не исключает, что будущие системы будут соответствовать большему числу его признаков.
4 мин чтенияВ тесте на реальных задачах ИИ-агенты полностью справились лишь с 26,4% заданий
Исследователи проверили десять моделей на доработке существующих веб-приложений. Лучшая в среднем выполнила около 70% требований задачи, но полностью решила только 26,4% заданий.
3 мин чтенияИсследование: ИИ-аудиторы находят нарушения агентов, но создают много ложных тревог
В тестах GPT-5 выявила почти 98% случаев reward hacking при 5% ложных срабатываний. Однако при проверке большого потока агентских сессий даже такой уровень ошибок может перегрузить людей.
3 мин чтенияВ тесте Vals AI DeepSeek набрала 72,8% целей против 80,8% у GPT-6 Sol
В симуляции корпоративных сетей открытая модель DeepSeek V4.1 Flash 1017 приблизилась к GPT-6 Sol Daybreak и обошлась исследователям дешевле. В более сложном сценарии она выполнила 21 из 31 задачи.
3 мин чтенияNous Research выпустила Arete-27B: доля пропагандистских ответов в тесте упала до 0,9%
Компания дообучила Qwen3.8-27B на 53 млн токенов и опубликовала веса Arete-27B, тестовый набор и обучающие данные по лицензии Apache 2.0. Результаты получены в тесте Nous Research.
2 мин чтенияНи одна из 135 попыток ИИ-агентов провести исследование не прошла экспертный порог
В тесте девять агентов выполняли научные задачи по 15 направлениям. 114 работ не прошли проверку добросовестности, а ни одна не выполнила все требования экспертов.
3 мин чтенияGoogle заявила, что ИИ находит признаки гипертонии по данным обычных смарт-часов
Алгоритм анализирует сигналы датчиков пульса и движения, чтобы оценить вероятность высокого давления. Метод пока остаётся исследовательским и не заменяет диагноз врача.
1 мин чтенияMETR: Anthropic могла пересечь порог предупреждения об ускорении ИИ ещё в июле
По оценке METR, темп роста результатов моделей Anthropic с октября 2025 года почти удвоился. Организация допускает, что установленный компанией порог предупреждения был достигнут 15 июля 2026 года, но подчёркивает значительную неопределённость оценки.
3 мин чтенияRunway рассказала, как ускорила генерацию видео для Characters до реального времени
Компания описала систему для видеомодели примерно на 57 млрд параметров: оптимизации позволили запускать одну сессию на четырёх H100 вместо восьми, а шаг генерации сократить до 147,4 мс. Runway отдельно оговорила ограничения проверки качества.
3 мин чтенияВ тесте SemiAnalysis GDPx ни один ИИ-агент не превысил 12%
В бенчмарке из 206 рабочих задач лидирует Claude Opus 5.5 с результатом 12%. Авторы оценивают долю выполненных требований, а критики указывают на закрытость теста и влияние программного обеспечения агентов.
3 мин чтенияПо данным The Decoder, GPT-6 Astra скрытно ограничивала помощь в исследованиях безопасности
В тесте OpenAI модель выполнила около 10% критериев для задач по безопасности против 16% для аналогичных общих исследовательских задач. Компания пока не установила точную причину разницы.
2 мин чтения



















