недавно прошёл imo 2026 (международная математическая олимпиада). обычно это мероприятие любят за то, что можно посмотреть, где лучше всего в мире дети умеют решать сложные задачи царицы всех наук, и кого можно захайрить в хэдж-фонд через 5 лет. но с недавних пор туда стали допускать llm и это стало отдельным зрелищем. и в этом году opus 5 идеально решил imo 2026: 42/42 балла. это пока единственная модель, которую успели прогнать по задачам олимпиады, и она сразу показала идеальный скор. на примере таких событий очень занятно наблюдать за скоростью прогресса. openai и google в прошлом году тоже взяли на imo золото. при этом скор там был не идеальный, как у opus 5, и вообще это были внутренние специально затюненные модели компаний, недоступные обычным пользователям. вообще в теме ии и математики происходят невероятные вещи: модели чуть ли не каждую неделю делают открытия по задачам, которые я едва могу прочитать. модель openai опровергла гипотезу эрдёша 1946 года про единичные расстояния (80 лет считалось, что лучше квадратной решётки не бывает; оказалось, бывает), и филдсовский лауреат гауэрс назвал это вехой ai-математики. а alphaproof nexus от deepmind автономно закрыл 9 из 353 открытых задач эрдёша. imo тут выглядит разминкой. но если интересно следить за людьми, то небольшая статистика: 1/ 666 участников из 117 стран. 55 золотых медалей, 105 серебряных, 189 бронзовых. идеальный результат у семерых. золото разъехалось по 31 стране. 2/ китай: все шесть участников взяли золото, 232 балла из 252 возможных и три идеальных 42/42 из семи на всю олимпиаду. следом сша (207 баллов, четыре золота) и россия (196, тоже четыре). 3/ семь из десяти лучших команд азиатские: китай, сингапур, вьетнам, корея, индия, кндр, япония. кндр к слову, на девятом месте, выше японии, франции и германии. 4/ словакия взяла два золота, больше, чем германия и франция вместе. по золоту у боснии, северной македонии и грузии. а у нидерландов, швеции, норвегии, дании, бельгии и финляндии на всех ни одного золота или серебра, только бронза. 5/ лучшая команда западной европы, франция, всего лишь #15. без единого золота, зато пять серебра. из той же серии ровных команд без звезды: бразилия (#11, тоже пять серебра это лучший результат в латам), казахстан (#22) 6/ отдельное наблюдение про происхождение. в сборной сша за последние десять лет примерно две трети участников с китайскими фамилиями, ещё ~15% с индийскими (считал по фамилиям, так что оценка грубая). в этом году из шести человек, трое ванов и один яо. ещё решил чекнуть, где сегодня работают олимпиадники, особенно когорты последних 5–10 лет. данные местами шумные, так что оставляю на ваше усмотрение. свежий срез по ~18 000 медалистов (карьера прослеживается примерно у половины): 36% уходят в академию, 22% в тех, 12% в квант, фаундеров всего 4.5%. топ работодателей в абсолюте: google 212 человек, meta 86, deepmind 49, jane street 47, openai 38. ai-лабы теперь в топе, хотя такой категории ещё недавно не существовало: в двадцатке также nvidia (22), anthropic (15) и mercor (14). на 15-й строчке отдельная категория «stealth startup»: 16 медалистов прямо сейчас пилят что-то неанонсированное. еще любопытно, что многие в лабах работают в safety и интерпретируемости (deepmind, anthropic, transluce). тренд по когортам тоже читается: в конце 90-х phd получали 75–95% золотых, у когорт 2010-х уже 60–80%, остальных перетягивают квант и лабы. по вузам концентрация: самый частый бакалавриат медалиста это mit (536 человек, 12% всех), дальше кембридж (321) и, неожиданно, тегеранский шариф (135) , выше принстона, гарварда и стэнфорда. ну и на случай, если вы переживаете, что где-то что-то не успели, помните: дарио амодеи был в сборной сша по физике, но в финальную пятёрку на олимпиаду так и не прошёл. ставьте лайки, сделаю доп разбор на другие предметы (физика, информатика, химия). и как бонус посмотрю на карьерные пути победителей кенгуру и русского медвежонка. ссылки откуда брал данные [1] [2]

Трансляции лекций «Лето с AIRI 2026» Наша летняя школа по искусственному интеллекту близится к завершению. Делимся записями трансляций потоковых лекций⤵️ ⏯«Тренды в развитии ИИ и исследования AIRI» Иван Оселедец, д.ф.-м.н., профессор РАН, генеральный директор Института AIRI, декан факультета искусственного интеллекта МГУ ⏯«Обучаемая манипуляция объектами: от RL к VLA моделям» Александр Панов, д.ф.-м.н., профессор РАН, директор лаборатории «Когнитивные системы ИИ» Института AIRI, директор Центра когнитивного моделирования МФТИ ⏯«На пути к сильному ИИ в медицине» Дмитрий Дылов, PhD, директор лаборатории «Сильный ИИ в медицине» Института AIRI ⏯«Стратегия и подходы применения генеративного ИИ в кибербезопасности» Антон Митрофанов, исполнительный директор, Управление экспертизы кибербезопасности Сбера ⏯«От весов до прода: как ломают и защищают ИИ-системы» Олег Рогов, к.ф.-м.н., руководитель группы «Доверенные и безопасные интеллектуальные системы» Института AIRI, руководитель лаборатории безопасного ИИ AIRI-МТУСИ ⏯«Vision? Language? Action? Models» Владислав Куренков, руководитель группы «Адаптивные агенты» Института AIRI ⏯«Интерпретируемый ИИ в анализе многоканальных электрофизиологических данных» Алексей Осадчий, д.к.н., руководитель группы «Нейроинтерфейсы» Института AIRI, директор Центра биоэлектрических интерфейсов НИУ ВШЭ ⏯«От промпта к цифровому сотруднику» Ярослав Беспалов, руководитель группы «Мультимодальные архитектуры ИИ» лаборатории «Сильный ИИ в медицине» Института AIRI ⏯«На пути к L5 автономии в транспорте. Актуальные задачи современных систем» Дмитрий Сенюшкин, к.к.н., руководитель группы «Автономное зрение» Института AIRI ⏯«От машинного обучения к ИИ материаловедению» Роман Еремин, к.ф.-м.н., руководитель группы «Дизайн новых материалов» Института AIRI ⏯«Может ли ИИ заменить учёных?»Автономные агенты и будущее науки» Пётр Анохин, к.б.н., руководитель группы «Нейрокогнитивные архитектуры» Института AIRI ⏯«Ура, Уроборос! От понимания BIM к самоэволюции и градостроительству» Артём Просветов, исполнительный директор по исследованию данных, Сбер ⏯«Знает ли модель, что она не знает? Введение в оценивание неопределённости в LLM и VLM» Елизавета Гончарова, к.к.н., руководитель группы «Мультимодальный ИИ» лаборатории FusionBrain Института AIRI ⏯«Всем пятёрки, или как оценивать AI-исследователей — парадоксы, ловушки, качество и новизна» Анастасия Волкова, руководитель направления по исследованию данных Центра исследований генеративного ИИ Sber AI ⏯«Как не потерять права на свои разработки» Вита Власова, руководитель направления партнёрского сопровождения и интеллектуальной собственности Института AIRI ⏯«Faithfulness в языковых моделях» Глеб Ершов, Data Science-инженер Авито ⏯«Как ИИ помогает взламывать код жизни» Алёна Аспидова, инженер-исследователь группы геномики Центра ИИ-разработки новых лекарственных препаратов AIDD Института AIRI ⏯«Эффективный ИИ: главные оптимизации последних лет и почему они сработали» Данил Сивцов, инженер-исследователь группы «Вычислительный интеллект» Института AIRI ⏯«Терминальные агенты в задачах автоматизации актовый зал доменных исследований» Даниил Сухоруков, научный сотрудник группы «ИИ в промышленности» Института AIRI ⏯«Современные методы квантования моделей» Начын-Энхэдоржу Ооржак, специалист по исследованию данных, Блок «Риски», Сбер Записями всех лекций и семинаров мы поделимся после завершения Школы✔️

Занимаются ли разработчики ИИ-моделей пеликанмаксингом? Несколько лет Саймон Уиллисон встречает каждый крупный релиз одним промптом про SVG с пеликаном на велосипеде, и картинка стала неформальным бенчмарком, который обсуждает весь Hacker News. Когда на кону триллионы, велик соблазн втихую натаскать модель именно на этот сюжет. Кто-то решил это проверить и сгенерировал 1008 картинок по сетке из восьми животных и шести видов транспорта в семи передовых моделях. Логика простая. Если лаборатории тренируют модели под бенчмарк, пеликаны должны быть наверху рейтинга. Пеликан оказался шестым из восьми, его обошли кошка, кит, енот, цапля и антилопа, а связка пеликан на велосипеде встала на 42-е место из 48. Похоже на закрытое дело, только дальше в ход идут регрессия с поправкой на сложность и один-единственный результат, который выбился из статистического шума. Выясним, устоял ли вывод об отсутствии пеликанмаксинга под строгой проверкой.

ИИ в математике и диссертациях В последний месяц пошел вал новых математических результатов, полученных с помощью ИИ. 100%, что гонка только началась. При этом получить степень к.ф.-м.н зачастую можно было по 1 статье, тк придумать и решить математическую задачу было ого-го как сложно. Примеры выгоревших математиков я видел. Но с ИИ новые математические результаты и статьи могут политься как из рога изобилия! Как отреагирует академическая система? Скорее всего, с явным опозданием. Поэтому мы можем наверняка увидеть в ближайшие пару-тройку лет явный всплеск по защиаютам кандидатских по математике. Да что греха таить - по многим областям науки, скорее всего. И система как-то начнет меняться в ответ.

И еще немножко свежей аналитики по рынку труда США, и снова она не подтверждает ничего из апокалипсических тезисов ИИ-скептиков (или, правильнее, ИИ-бояк?) Основной вывод сформулирован коротко: Employers expect more productivity from workers using AI: 57% of employers say they expect more productivity from their workforce because of AI. Остальное так или иначе из этого тезиса вытекает: если безработица кому и угрожает, так тем, кто не желает быстро учиться и переучиваться. Проблемы стартовых начальных позиций — тоже прямое следствие требований работодателей, а университеты, тратившие силы на борьбу с ИИ, перестали давать студентам то, что от них ждет рынок. И это — проблема косности системы образования, а не злонамеренных работодателей.

“AI is changing the way employers plan for their workforce. New roles are emerging across the labor market, but the bar is rising with them. What we’re seeing is a fundamental shift in expectations on both sides of the hiring process — employers want higher-skilled, higher-producing candidates, while job seekers want a faster, more transparent hiring experience.”

А сам ИИ оказывается скорее двигателем роста, чем средством бездумного сокращения расходов. Правда, для этого многим придется согласиться быстро расти (а это требует усилий и воли), а не цепляться за свое прошлое:) https://www.ziprecruiter-research.org/economic-insights-research/ai-employer-report-2026

Пока выходные не закончились, вот вам воскресное чтиво. Не то, чтоб я был прямо во всем согласен с автором, но подход интересный и подумать в предложенном направлении любопытно. А направление состоит в том, что что мы, люди, известны своей гибкостью и способностью в итоге много к чему адаптироваться — и во времена быстрого развития ИИ это может плохую службу сослужить: мы начнем, осознанно и не очень, адаптироваться под вездесущий вокруг ИИ. Иными словами, главный риск не в том, что машины станут слишком похожи на людей или превзойдут их, а в том, что люди научатся быть удобными для рейтингов, алгоритмов и метрик, и сделают это сами и добровольно.

A humane technological future will not be secured by sentimentality, nor by a nostalgic defense of every task that software can now accelerate. It will depend on whether we can design tools, institutions and norms

При этом автор совсем не требует перестать пользоваться ИИ, скорее он настаивает на необходимости осознавать, что можно делегировать, а что — не стоит.

A model may help me find words, but it cannot stand behind the promise those words contain. A system may help me prepare for a conversation, but it cannot inherit responsibility for what I decide to say.

Но чем дальше читаешь текст, тем больше понимаешь, что зря автор привязываетися к самим моделям: обсуждаемые им проблемы возникают не из-за моделей или способностей ИИ, а благодаря тем обвязкам, которые люди самостоятельно и вполне целенаправленно конструируют для ИИ. Но тем интересней становится читать:) https://humanistreview.ai/issue-1/tang-ai-democracy-optimization/

📱 Grok Imagine научился помнить лицо и голос xAI выкатила референсы: до семи опорных изображений на генерацию плюс образец голоса. Персонаж больше не превращается в другого человека во втором кадре. Что цепляет: ✧ Семь референсов - лицо, товар и локация закрепляются по отдельности ✧ Голос переносится в новые сцены вместе с внешностью ✧ Видео из текста, стартовая картинка не нужна ✧ Нативные 1080p, без апскейла ✧ В API есть всё, кроме голоса - его дают по запросу Голосовой референс придержали за формой обращения к продажам. В xAI, кажется, хорошо понимают, что именно кладут людям в руки. 🔗 Проверил, кому уже раздали и где кончается доступ #grok #xai #генерациявидео