ИИ проектирует ферменты и предлагает математические доказательства

ИИ проектирует белки для химических реакций, ранжирует мутации растений и предлагает доказательства математических утверждений. За этими новостями стоят разные виды результатов: лабораторный опыт, вычислительный прогноз и рукопись, которую ещё предстоит проверить. Различие определяет, что уже известно о работе системы.

В подробном обзоре AI Search от 11 октября 2026 года собраны демонстрации и заявления, разобранные ниже. Результаты сравнений приведены с указанием источников и условий тестов; сведения о доступе относятся к дате записи.

Google DeepMind представила систему AlphaProtein Novo. Её задача — проектировать новые ферменты под заданные химические реакции. Ферменты — белки, ускоряющие химические реакции: в организме они участвуют в переваривании пищи и заживлении, а в промышленности применяются при получении химических веществ и лекарств. Обычный подход начинается с природного фермента и экспериментального изменения его свойств. В новом подходе ИИ проектирует пространственную структуру и аминокислотную последовательность заново, после чего такие инструменты, как AlphaFold 3, предсказывают сворачивание белка и взаимодействие с целевым объектом.

По рассказу ведущего, исследователи проверяли полученные конструкции в лаборатории. В одном опыте был создан фермент, помогающий получать пиперидин — вещество, используемое в фармацевтике. В другом — фермент для разложения DEHP, названного трудноудаляемым загрязнителем и пластификатором. При этом исследование находится на ранней стадии и ещё не прошло рецензирование. Ведущий рассматривает его как шаг к проектированию ферментов для нужной реакции, в том числе для разложения загрязнителей и более эффективного получения веществ. На GitHub опубликованы инструкции запуска. Эту работу ведущий называет самым интересным для себя научным результатом недели.

Эксперименты описаны в препринте об AlphaProtein Novo; наличие кода и моделей позволяет изучить метод, но не заменяет проверки нового фермента в лаборатории. Код генератора выпущен под Apache 2.0; условия использования весов и результатов разрешают их некоммерческое использование только некоммерческим организациям или от их имени.

BOTANIC-1 — специализированная модель ДНК растений, используемая вместе с Gemma 4. В описанном Living Models и Google опыте Gemma строит анализ, а BOTANIC-1 оценивает варианты по окружающей последовательности ДНК. Модель обучена на геномах 320 видов растений; задача — отличить мутацию, меняющую признак, от множества соседних изменений.

В опыте с изменением цветка дыни правильная мутация оказалась первой среди 2494 кандидатов. Значение 90% относится к доле успешных запусков в 20 повторениях этой задачи. В более широком ретроспективном испытании на известных мутациях авторы приводят другие показатели. Полученное ранжирование помогает выбрать гипотезу для лабораторной проверки; оно не устанавливает общую точность 90% для любых растений и мутаций.

OpenAI опубликовала 719 математических рукописей, объединённых в 372 семейства результатов. В репозитории компания объясняет, что использовала внутреннюю неопубликованную модель, проверяла её примерно на 4000 исследовательских задач и в большинстве случаев отводила около трёх часов вычислений на результат. Семейство может объединять основной результат, дополнительные рассуждения, следствия и альтернативные доказательства.

Статус проверки у рукописей разный. В обзоре 11 октября названы 162 рукописи с формализацией в Lean — системе компьютерной проверки доказательств. При последующей проверке README репозитория сообщал примерно о 42% формализованных основных результатов. Рукопись и основной результат — разные единицы подсчёта. OpenAI прямо допускает ошибки в неформализованных работах и обещает сохранять исправления в истории версий.

Ведущий оценивает масштаб публикации чрезвычайно высоко и выбирает для объяснения четыре направления: нули дзета-функции, десятую проблему Гильберта, умножение матриц и эллиптические кривые. Его сравнения с совокупными открытиями математиков остаются личной оценкой. Число опубликованных текстов само по себе не устанавливает число независимо принятых научных результатов.

Простые числа делятся без остатка только на единицу и себя. Изучать их распределение помогает дзета-функция Римана. Гипотеза Римана описывает расположение её нетривиальных нулей — значений, при которых функция обращается в ноль. Эти значения — комплексные числа, состоящие из действительной и мнимой частей. Даже проверка огромного числа примеров не заменяет доказательство для всех случаев.

В каталоге OpenAI заявлена область без нулей справа от линии с действительной частью 7/8, а также отдельное доказательство для границы 11/12. В обзоре этот результат объясняется как сужение области возможного расположения нулей. Полная гипотеза Римана остаётся за пределами заявленного утверждения. Каталог описывает предложенный результат; независимое принятие доказательства — отдельный вопрос.

Ведущий связывает интерес к простым числам с их ролью в шифровании, но не показывает нового способа взлома. Оценка результата как достойного медали Филдса принадлежит ему. Из публикации рукописи не следует немедленное изменение безопасности банковских карт или паролей.

Следующий математический сюжет — десятая проблема Гильберта над рациональными числами. Ведущий поясняет, что рациональные числа выражаются дробями, включая половину, четверть и целые числа с единицей в знаменателе. Он начинает с простого примера уравнения с решениями 3 и −3, затем переходит к уравнениям с десятками или сотнями неизвестных. В изложенной им истории вопрос Гильберта 1900 года состоял в существовании общего способа определить, имеет ли такое уравнение целочисленное решение. В 1970 году невозможность универсального метода была доказана. Вариант с разрешёнными дробями, по его словам, оставался открытым десятилетиями.

Теперь, утверждает ведущий, OpenAI опубликовала доказательство невозможности универсального метода и для рациональных решений. Он объясняет значение утверждения как предел алгоритмического решения определённого класса задач: даже многократно более мощный компьютер не обеспечит единого алгоритма, всегда выдающего правильный ответ о существовании решения для каждого уравнения этого класса. При этом отдельные сложные уравнения могут решаться, в том числе с помощью ИИ. Существенное ограничение относится именно к универсальной процедуре для всех допустимых случаев.

Третий результат касается показателя сложности матричного умножения. Ведущий описывает матрицу как таблицу чисел и перечисляет использование умножения матриц в графике, моделировании и ИИ. По мере роста матриц вычислительная работа быстро увеличивается. Он напоминает об изменении организации вычислений, предложенном в 1969 году, и последующем уменьшении количества операций. Показатель, характеризующий рост работы с размером матрицы, в обычном методе равен 3; прежние улучшения, по его изложению, довели его примерно до 2,37. Целью он называет приближение к теоретическому минимуму 2. Новый опубликованный результат OpenAI заявляет 2,25. Ведущий связывает возможное значение такого уменьшения с многократным, вплоть до миллиардов повторений, использованием матричных вычислений; конкретного измеренного ускорения работающих систем он не приводит.

Четвёртая тема — гипотеза Бёрча — Свиннертона-Дайера, одна из задач тысячелетия. Ведущий рассматривает точки эллиптической кривой с рациональными координатами: для некоторых кривых их конечное число, для других бесконечное. Из известных точек можно получать новые при помощи операции сложения точек, поэтому для описания бесконечного множества иногда достаточно независимых исходных точек. В изложении ведущего работа двух математиков в 1960-х связала число таких независимых точек с поведением связанной с кривой L-функции около определённого значения. Согласно гипотезе, если функция там не равна нулю, рациональных точек конечное число. Если она обращается в ноль, порядок этого нуля — то, насколько быстро функция растёт при удалении от него, — должен определять число независимых исходных точек, из которых можно получить остальные.

Ранее эта связь, по рассказу ведущего, была доказана для отдельных случаев, а общее утверждение оставалось открытым около 60 лет. В серии новых доказательств OpenAI заявляет охват более широкого класса эллиптических кривых. Вместе с ещё одним связанным результатом это, как сообщается, даёт полное предсказание почти для всех кривых внутри некоторых семейств уравнений. Ограничения сохраняются: полная гипотеза не решена, часть случаев не охвачена, а значение новых результатов зависит от независимой проверки. Завершая математическую часть, ведущий высказывает личное мнение, что главным ограничением теперь становится способность людей прочитать и осмыслить открытия ИИ. Полный набор рукописей, по его словам, собран на GitHub.

Vals AI описала два кандидата для магнитной памяти, найденных с помощью агентов Claude Opus 5.5. Исследователи ищут материалы, в которых суммарный магнитный момент компенсирован, но электронные состояния различаются по спину — квантовому свойству электрона. Такое сочетание интересно для плотного размещения элементов памяти и электрического считывания их состояния.

Первый кандидат, YBaMnFeO₅, предложен заново. Расчёты предсказывают нужное сочетание свойств, но требуют упорядоченного расположения марганца и железа. При обычных условиях изготовления этот порядок может разрушиться. Второй, KV[Cr(CN)₆], был изготовлен ещё в 1999 году. В той работе измеряли магнитное упорядочение выше комнатной температуры; новые расчёты выделяют сочетание полупроводниковых свойств и разделения состояний по спину.

Ширина запрещённой зоны и разделение спиновых состояний у второго материала ещё не измерены. Расчёт идеального сухого кристалла также отличается от реального образца с водой в порах и небольшим остаточным магнитным моментом. Работающее устройство памяти из этих материалов не построили. Для проверки расчётных свойств нужны синтез и прямые измерения.

В обзоре также представлена система WorldPlay 2 — генератор мира, по которому можно перемещаться и с которым можно взаимодействовать в реальном времени. В сравнении с Genie 3 и Hunyuan World ведущий выделяет дополнительные возможности: взаимодействие с персонажами и предметами, добавление эффектов и анимаций текстовыми командами. Произошедшее ранее сжимается в память, чтобы обстановка сохранялась после ухода и возвращения пользователя. В показанном длительном примере ведущий не замечает ухудшения качества и называет систему одним из самых гибких открытых генераторов миров. По его словам, код и инструкции уже доступны на GitHub. Основа — Alibaba Wan 2.2; ускоренная turbo-версия генерирует мир за четыре шага, однако занимает 69 ГБ, поскольку использует полную неквантованную Wan.

Следующая система, Motion Space Flow (MSFlow), создаёт движения человека по тексту. Среди приведённых примеров — высокий удар левой ногой и продвижение вперёд на четвереньках. Пользователь также может ограничить положение любого сустава: например, указать, где в определённый момент должна находиться кисть или стопа. Остальная анимация строится с соблюдением заданного ограничения. Опубликованы код, инструкции и сценарии обучения и оценки. Размер всего набора файлов на Hugging Face ведущий оценивает примерно в 1,1 ГБ; требования к видеопамяти этим числом не определяются. Указана лицензия Apache 2.0.

В разделе о Kandinsky 6.0 ведущий показывает примеры видеогенерации со сложными и интенсивными движениями. Выпущены Lite с 3,8 млрд параметров и Pro с 29 млрд. Главным ограничением он считает длительность: модель создаёт только пятисекундные ролики, тогда как упомянутые им модели MiniMax способны на более длинные. Поддерживаются генерация по тексту и по изображению; режима генерации видео с сохранением объектов из изображений-образцов нет, хотя ведущий считает его уже необходимым ориентиром. Отдельный Kandinsky 6 Super Resolution увеличивает внутреннее сжатое числовое представление кадров до четырёх раз и подключается к процессу генерации. По рассказу ведущего, инструменты доступны в Diffusers, ComfyUI и других средах. Lite занимает 6,38 ГБ, Pro — 60 ГБ. Качество и гибкость он субъективно оценивает ниже MiniMax H3, сохраняя за Kandinsky статус ещё одной открытой альтернативы.

Функцию Intelligent UI ведущий представляет как возможность ChatGPT формировать интерактивный интерфейс непосредственно в ответе. В примере с устройством велосипеда ответ содержит схему, на которой можно выбирать детали и читать об их работе. В примере с приготовлением воскресного жаркого из ягнятины показаны изображения, разбивка стоимости, изменяемые числовые значения и интерактивный список дел. Ещё одно описанное изменение касается GPT-6: ответ может начинаться до завершения всего рассуждения. Ведущий сравнивает скорость с предыдущим GPT и называет новую выдачу более быстрой. Согласно процитированному объявлению, глобальное распространение начинается с платных тарифов, а на следующий день охватывает бесплатный; ведущий ожидает, что к моменту записи интерфейс уже доступен и там.

Языковая модель ALoDLM от Amazon, по объяснению ведущего, предсказывает несколько частей ответа одновременно, затем уточняет их за несколько проходов. На показанных тестах рассуждения, математики, естественных наук и программирования система, по его интерпретации, чаще всего опережает модели сопоставимого размера. Для одного сравнения он приводит увеличение пропускной способности на 8,5% и уменьшение вычислительных затрат на 13,6%. Код и модели, как сообщается, выпущены: вариант с 1,7 млрд параметров занимает около 4 ГБ, с 8 млрд — около 16 ГБ. Лицензия обозначена как Creative Commons с запретом коммерческого использования.

Embedding Gemma 2 ведущий описывает как открытую модель Google для преобразования информации в числовые представления — эмбеддинги. Она предназначена для представления и поиска информации, а не для генерации текста или изображений. Тексты, документы, изображения, видео и аудио переводятся в общее пространство представлений, чтобы другая модель могла искать по ним. Для текста названы 270 млн параметров, дополнительно для зрения — 170 млн, для аудио — 300 млн; общий размер остаётся меньше миллиарда параметров. Ведущий связывает компактность с возможностью эффективной работы даже на смартфоне Google Pixel. Указанные ограничения входа — до 5,5 минуты аудио, 29 изображений или 59 видеокадров. На приведённых графиках он отмечает высокие результаты по изображениям среди сопоставимых моделей и показывает аудиотест. Возможные назначения — поиск, помощники и приложения для больших коллекций файлов. Сообщается о публикации на Hugging Face, размере около 1,5 ГБ и Apache 2.0.

Прикладную работу с такими представлениями мы описали в проекте поиска по базе знаний pommeDeTerre: документы индексируются, а ответ связывается с найденными фрагментами и проверяемыми источниками.

Для использования на сайте отдельно разобраны требования к ИИ-консультанту по базе знаний — состав материалов, границы ответов и передача сложных обращений человеку.

Mistral Large 4, также названная LeChonc, представлена как модель со смесью экспертов: триллион параметров суммарно и 52 млрд активных при использовании. На момент записи веса ещё не открыты; их обещают к концу месяца. Ведущий называет модель лучшей у Mistral, но считает её неконкурентоспособной по сочетанию стоимости и качества. В индексе Artificial Analysis она, по его интерпретации, уступает Kimi K3, GLM 5.3, GLM 5.3 Flash и DeepSeek Flash. При этом оказывается дороже более сильных, по его оценке, DeepSeek 4.1 Flash и MiMo 2.6 Pro. Эти выводы основаны на показанных сравнительных графиках и личной оценке. Для желающих попробовать модель он упоминает программный интерфейс API, через который приложения могут отправлять модели запросы.

Разработка Meta под названием GenIA превращает фотографию или видео в полноценный трёхмерный объект. Она использует SAM3D и добавляет повторяющуюся проверку соответствия построенного объекта исходному изображению. После сравнения различий корректируются внешний вид и положение. Опубликованы код и инструкции локального запуска; в обзоре отмечена лицензия Creative Commons с ограничением некоммерческим использованием.

FlashDexRetarget переносит демонстрации движений человеческой кисти на роботизированную руку. Одна обученная модель управления охватывает множество разных движений, без отдельного обучения системы под каждую демонстрацию. Дополнительно используются несколько будущих кадров, чтобы учитывать дальнейшее движение кисти и предмета. По показанным тестам ведущий отмечает в среднем лучшие результаты, чем у предшествующих методов. Код и инструкции опубликованы. В обзоре для обучения указано около 110 ГБ видеопамяти. В показанных испытаниях используются кисти XHand и Sharpa Wave Hand.

Открытая модель Iris 3B имеет 3 млрд параметров и работает непосредственно в пиксельном пространстве без VAE — компонента, который сжимает изображение во внутреннее числовое представление. Ведущий говорит о теоретической возможности большей точности и качества при таком устройстве. Среди представленных результатов — фотореализм, разные художественные стили и крупный текст. Поддерживаются генерация по тексту и генерация по изображению; семантическое редактирование по примеру Nano Banana недоступно. Качество показанных фотографий ведущий оценивает ниже других генераторов в показанном сравнении, но отмечает возможность дополнительного обучения под конкретную задачу. В примерах это оценка глубины изображения и увеличение разрешения. По рассказу, доступны код, данные и сценарий обучения, модели выпущены под Apache 2.0. Файлы базовой модели занимают 12 ГБ; требования к видеопамяти отдельно не подтверждены.

Система Terra обучает моделируемое человеческое тело перемещаться с учётом костей и мышц. Ведущий противопоставляет прямое управление суставами моделированию мышечных сокращений, которые тянут кости и создают движение. Для обучения использованы более девяти часов данных и 18 продемонстрированных движений на разных поверхностях. После этого общая мышечная модель, по описанию демонстрации, проходит уклоны, ступени и другие сложные участки. Дополнительные специализированные модели управления позволяют переходить к прыжкам и перекатам. Сообщается о GitHub, инструкциях локального запуска и Apache 2.0.

CoDimRecon преобразует обычные фотографии среды в редактируемую трёхмерную сцену для физического моделирования, включая свойства деформируемых предметов. Сначала восстанавливается общая геометрия, затем объектам назначаются разные формы представления: кабелю — гибкая трёхмерная кривая, бумаге или пластиковому пакету — гибкая поверхность, подушке — деформируемое объёмное тело. Взаимодействия с роботами используются для проверки поведения; при неудовлетворительном результате сцену можно пересмотреть. Ведущий называет инструмент единственным, сочетающим весь перечисленный набор возможностей. На момент записи код только обещан.

DistScene строит из одного изображения всю сцену, включая окружение и отдельные предметы. В описанном процессе они сначала генерируются вместе в общей трёхмерной системе координат. Затем каждый объект выделяется, его геометрия отдельно уточняется и он возвращается на своё место. Ведущий интерпретирует показанные сравнения как лучшие результаты по геометрии, согласованности и качеству. На момент записи выпуск модели и набора данных оставался в планах.

Обновление Nano Banana 2.1 ведущий считает сравнительно небольшим. Разработчикам он приписывает улучшение генерации и редактирования при сложных инструкциях, нескольких персонажах и тексте внутри изображения. Упомянуты инфографика, схемы и точечные изменения по указаниям на обычном языке, до 14 изображений-образцов, улучшенная реалистичность и отрисовка текста, разрешение до 4K. Его собственные первые тесты оставляют менее благоприятное впечатление: качество он считает заметно ниже GPT image 2.5. При этом, по его словам, в Google Flow после регистрации доступны несколько десятков бесплатных генераций в день.

Последний содержательный раздел посвящён выпуску Anthropic — Claude Haiku 5.5. Ведущий описывает Haiku как самый маленький и быстрый вариант линейки, а Opus — как самый крупный и интеллектуально сильный. На показанных тестах работы со знаниями, агентного программирования и управления компьютером он отмечает большое улучшение относительно прежней Haiku и преимущество над GPT-6 Luna в большинстве сравнений. Относительно Sonnet 5.5 новая Haiku, по его словам, немного уступает по интеллектуальным возможностям, зато значительно быстрее и дешевле. В индексе Artificial Analysis она расположена позади Kimi K3, Step 5 и GLM 5.3. Названная стоимость — около 21 цента на задачу, ниже GLM 5.3 и DeepSeek Flash, но примерно втрое выше GPT-6 Luna. По сочетанию стоимости и результата ведущий предпочитает Xiaomi MiMo 2.6 и также высоко оценивает GPT-6 Luna. Haiku 5.5, согласно его рассказу, доступна даже на бесплатном тарифе и выбирается для наиболее быстрого ответа.