Фото: Carla Thomas / NASAКомпания Boom Supersonic уже продемонстрировала первый подход в феврале этого года. Её экспериментальный самолёт XB-1 выполнил полёт на скорости до 1,12 Маха, при котором наземные датчики не зарегистрировали звукового удара. Ранее этот аппарат стал первым частным гражданским самолётом, преодолевшим звуковой барьер в горизонтальном полёте.По оценкам компании, будущий пассажирский лайнер Overture, рассчитанный на перевозку от 60 до 80 пассажиров и крейсерскую скорость до 1,7 Маха, сможет сокращать время трансконтинентальных перелётов примерно на полтора часа при использовании режима бесшумного сверхзвукового полёта на скорости около 1,3 Маха.Параллельно NASA реализует программу Quesst, в рамках которой создан экспериментальный самолёт Lockheed Martin X-59. Его вытянутый носовой обтекатель и аэродинамическая схема предназначены для преобразования традиционного звукового удара в значительно более тихий «звуковой хлопок». После первого полёта в апреле и выхода на сверхзвук в июне самолёт готовят к серии испытательных полётов над различными регионами США.Несмотря на прогресс, до появления серийных сверхзвуковых авиалайнеров нового поколения остаётся ещё много лет. Сам процесс сертификации нового гражданского самолёта в США обычно занимает от 5 до 9 лет, а разработка новой платформы может потребовать более десятилетия.Тем не менее у проекта Overture уже есть заказчики. Авиакомпания United Airlines оформила предварительный заказ на 15 самолётов в 2021 году, а American Airlines в 2022 году объявила о намерении приобрести ещё 20 при условии выполнения требований по безопасности и эксплуатационным характеристикам.Развитие Overture осложняется тем, что двигатель Symphony, разработка которого продолжается с 2022 года, пока не готов к серийному производству. В конце прошлого года Boom Supersonic объявила о намерении сначала использовать производную версию двигателя для питания дата-центров искусственного интеллекта, рассчитывая за счёт этого профинансировать создание сверхзвукового авиалайнера.Если предложенные FAA правила будут приняты, то США впервые с начала 1970-х годов откроют путь к возвращению гражданской сверхзвуковой авиации над сушей. Это может стать самым серьёзным изменением регулирования пассажирских сверхзвуковых перевозок со времён появления Concorde.

7000 мАч, 30 Вт, камера Sony и IP64. Раскрыты все характеристики Moto G77 Power
https://www.ixbt.com/news/2026/07/05/7000-30-sony-ip64-moto-g77-power.html

Новинка построена на платформе MediaTek Dimensity 6400Motorola раскрыла характеристики Moto G77 Power перед официальной презентацией, которая состоится в Индии 8 июля. Главной особенностью смартфона является аккумулятор емкостью 7000 мА·ч. Батарея поддерживает быструю зарядку TurboPower мощностью 30 Вт и проводную обратную зарядку мощностью 6 Вт.

Изображение: Motorola через GizmochinaMoto G77 Power получил 6,72-дюймовый экран IPS с разрешением Full HD+, кадровой частотой 120 Гц и пиковой яркостью до 1050 нит. Экран защищен стеклом Corning Gorilla Glass 7i, корпус защищен от пыли и воды в соответствии со степенью IP64 и отвечает требованиям американского военного стандарта MIL-STD-810H.В основе аппаратной платформы лежит SoC MediaTek Dimensity 6400. Объем ОЗУ — 8 ГБ, флеш-памяти — 128 ГБ (но наверняка будут и другие варианты). Поддерживается виртуальное расширение ОЗУ и карты памяти microSD объемом до 1 ТБ.

Изображение: Motorola через GizmochinaВ блоке основной камеры два датчика — 50-мегапиксельный Sony LYTIA 600 в составе основного модуля и 8-мегапиксельный в модуле со сверхширокоугольным объективом. Фронтальная камера — 32-мегапиксельная.Смартфон работает под управлением Android 16. Motorola обещает одно обновление версии Android и три года выпуска обновлений безопасности. Также есть стереодинамики, разъем 3,5 мм для наушников, Bluetooth 5.4 и боковой сканер отпечатков пальцев. Стоимость Moto G77 Power пока не раскрыта.Ранее Motorola запустила сервис Global Connect с бесплатным мобильным интернетом в 160 странах (https://www.ixbt.com/news/2026/07/03/motorola-global-connect-160.html).

OpenAI, Claude и Gemini уступили специализированной модели в финансовом анализе
https://www.ixbt.com/news/2026/07/05/openai-claude-gemini.html

Хедж-фонд Bridgewater и стартап бывшего технического директора OpenAI Миры Мурати заявили, что дообученная открытая модель превзошла ведущие коммерческие ИИХедж-фонд Bridgewater Associates и компания Thinking Machines Lab, основанная бывшим техническим директором OpenAI Мирой Мурати, представили результаты внутреннего исследования, согласно которому специализированная дообученная модель с открытыми весами оказалась эффективнее крупнейших коммерческих ИИ-систем при анализе финансовой информации. По данным авторов, она также требует почти в 14 раз меньше вычислительных затрат.Исследование было посвящено одной из наиболее трудоёмких задач инвестиционной аналитики — постоянной оценке того, какая информация действительно важна для принятия решений. Аналитикам приходится ежедневно обрабатывать огромные объёмы новостей, корпоративной отчётности, аналитических обзоров, писем и документов регуляторов, при этом ключевую роль играют многочисленные небольшие экспертные оценки.Авторы выделили 6 типовых задач из повседневной работы инвесторов. Среди них — определение значимости финансовых новостей для руководителей компаний и оценка того, указывают ли документы центральных банков на возможное изменение процентных ставок. Как отмечается в исследовании, подобные решения специалисты принимают интуитивно, но зачастую испытывают трудности при формальном описании логики своих выводов.

Изображение сгенерировано: Nano BananaВ ходе тестирования крупные коммерческие модели показали неожиданно скромные результаты. Базовые версии систем семейства GPT, Claude и Gemini при использовании стандартных запросов достигали точности лишь около 50%. Даже после применения сложных инструкций и введения трёхуровневой системы оценки — «важно и интересно», «важно, но неинтересно» и «неважно» — точность выросла лишь до уровня около 75%, что оказалось ниже установленного исследователями порога надёжности в 80%.Авторы также утверждают, что новые поколения крупных моделей демонстрируют всё меньший прирост эффективности относительно стоимости. В качестве примера приводится модель GPT 5.4, которая, согласно исследованию, требует на 43% больше затрат по сравнению с версией 5.2, обеспечивая лишь незначительное повышение точности.Для решения проблемы исследователи использовали метод дообучения открытой модели на специализированных корпоративных данных. Первоначально разметка документов выполнялась внешними подрядчиками, однако качество этих данных оказалось недостаточным. Вместо полной повторной проверки всех материалов команда применила промежуточную модель, которая выявляла наиболее вероятные ошибки разметки, направляя на экспертную оценку только спорные случаи.Дообучение проводилось на платформе Tinker, разработанной Thinking Machines Lab, с использованием открытой модели Qwen3-235B. По внутренним оценкам авторов, итоговая система достигла точности 84,7%, тогда как лучшая из протестированных коммерческих моделей показала результат 78,2%.Авторы исследования отдельно подчёркивают, что результаты получены в рамках собственной методологии и не являются независимой внешней оценкой. Тем не менее работа указывает на важную тенденцию: значительная часть наиболее ценных данных и экспертных знаний остаётся внутри компаний и недоступна разработчикам универсальных ИИ-моделей.

Google Maps научится заказывать еду за пользователя: в приложении нашли признаки новой функции автозаказа
https://www.ixbt.com/news/2026/07/05/google-maps-nauchitsja-zakazyvat-edu-za-polzovatelja-v-prilozhenii-nashli-priznaki-novoj-funkcii-avtozakaza.html

В тестовой версии Google Maps обнаружены строки, указывающие на разработку функции автоматического оформления заказов в ресторанах с помощью встроенного GeminiВ свежей сборке Android-приложения Google Maps (версия 26.27.00.941319029) обнаружены строки, описывающие функцию, которая позволит оформлять заказы в ресторанах прямо через карту — без необходимости переходить в сторонние сервисы.Судя по найденным упоминаниям, система будет работать в связке с Gemini и сможет автоматически выполнять заказ от имени пользователя. Предполагается, что функция будет активироваться в сценарии «на ходу», когда пользователь выбирает заведение и подтверждает заказ заранее, чтобы еда была готова к моменту прибытия.На текущем этапе функция не активна в интерфейсе приложения, однако наличие подробных строк указывает на активную стадию разработки. Обычно такие элементы используются в экранных подсказках и первом запуске функции.

Источник: Karandeep Singh / Android AuthorityПри этом остаётся открытым вопрос, как именно будет реализована логика оформления заказа: будет ли обработка происходить через облачные возможности Gemini или потребует локальной поддержки на устройствах с расширенными ИИ-возможностями, как в случае с агентными функциями на новых смартфонах Google Pixel.Также неясно, будет ли функция интегрирована с конкретными сервисами доставки или станет универсальным интерфейсом, способным взаимодействовать с разными платформами ресторанных заказов.Пока разработка находится на ранней стадии, а сроки запуска не раскрываются, однако появление таких строк в коде указывает на то, что Google Maps постепенно превращается из навигационного сервиса в полноценную платформу с элементами агентного ИИ.

Парус XXI века: 46-метровый жесткий парус Wing560 успешно испытали на огромном ролкере
https://www.ixbt.com/news/2026/07/05/xxi-46-wing560.html

Один парус Wing560 способен снизить расход топлива примерно на 10%На большом ролкере Tirranna завершились ходовые испытания жесткого паруса Wing560, разработанного компанией Oceanbird. После успешной проверки технологий 230-метровый автовоз вернулся к коммерческой эксплуатации — он стал одним из первых крупных грузовых судов, использующих современную систему ветровой тяги.

Изображение: OceanbirdWing560 представляет собой жесткий парус высотой 46 метров и шириной 14 метров. В отличие от классических парусов, он работает как аэродинамическое крыло: создает дополнительную тягу за счет ветра, снижая нагрузку на двигатель, расход топлива и выбросы углекислого газа.Перед установкой система прошла сертификацию классификационного общества DNV. Монтаж выполнили на верфи Damen в Роттердаме, после чего судно вышло в море для серии испытаний, а затем вернулось к регулярным грузовым перевозкам.Во время первых коммерческих рейсов на борту находятся инженеры Oceanbird — совместного предприятия Alfa Laval и Wallenius Lines. Они собирают данные о работе паруса в реальных условиях, оценивая его эффективность, надежность и взаимодействие с автоматизированной системой управления судном.Проект является частью европейской программы Orcelle Horizon, направленной на сокращение выбросов в морском транспорте. По расчетам разработчиков, один парус Wing560 способен снизить расход топлива примерно на 10%, а установка нескольких таких конструкций на новых судах позволит получать за счет энергии ветра более половины всей необходимой тяги без увеличения времени доставки грузов.

Ветряки будущего печатают плоскими — а они сами превращаются в лопасти: ученые придумали совершенно новый способ производства лопастей для ветрогенераторов
https://www.ixbt.com/news/2026/07/05/vetrjaki-budushego-pechatajut-ploskimi--a-oni-sami-prevrashajutsja-v-lopasti-uchenye-pridumali-sovershenno-novyj-sposob.html

Производство без дорогих форм, штампов и сложного оборудованияУчёные из Университета Конкордия (Канада) предложили необычный способ упростить и удешевить производство лопастей для вертикальных ветрогенераторов — с помощью технологий 4D-печати.

Изображение: Polymer CompositesСуть метода в том, что лопасти сначала создаются не в готовой изогнутой форме, а как плоские композитные заготовки. Затем, после изготовления, они сами «принимают» нужную форму — изгибаются без пресс-форм и сложной механической обработки.Ключевой трюк — в так называемом обратном проектировании. Учёные начинают не с производства, а с расчёта итоговой формы лопасти. После этого они подбирают структуру материала: как будут уложены слои углеродного волокна и эпоксидной смолы. Когда заготовка отверждается и остывает, внутри композита возникают внутренние напряжения, которые и заставляют её изгибаться строго заданным образом.Получается своего рода «саморазворачивающаяся» лопасть — без дорогих форм, штампов и сложного оборудования.По результатам испытаний такие композитные лопасти оказались примерно на 80% легче традиционных алюминиевых аналогов, при этом почти полностью повторяли их аэродинамическую форму. В лабораторных тестах турбины с новыми лопастями вращались даже быстрее, чем с металлическими, что может повысить эффективность генерации энергии.Исследователи отмечают, что технология особенно перспективна для небольших вертикальных ветрогенераторов — например, тех, что устанавливают на крышах зданий или в городской среде. В перспективе подход может пригодиться и в других отраслях, где нужны лёгкие и сложные по форме композитные детали.

ByteDance заявила о двукратном росте скорости обучения ИИ-агентов каждые три месяца при работе в реальных задачах
https://www.ixbt.com/news/2026/07/05/bytedance-zajavila-o-dvukratnom-roste-skorosti-obuchenija-iiagentov-kazhdye-tri-mesjaca-pri-rabote-v-realnyh-zadachah.html

Исследовательское подразделение представило данные, согласно которым автономные агенты способны ускорять своё обучение за счёт длительного выполнения реальных задач в среде взаимодействия с пользователем и внешними системамиВ новой опубликованной научной работе команда Seed AI компании ByteDance утверждает, что ИИ-агенты — автономные программные системы, выполняющие задачи вместо человека — демонстрируют способность удваивать скорость обучения примерно каждые три месяца при длительном взаимодействии с реальными средами.Речь идёт не о классическом обучении на заранее подготовленных датасетах, а о процессе пост-развёртывания, в котором агент улучшает поведение за счёт накопленного опыта в реальных сценариях использования. Такой подход рассматривается как альтернатива традиционной стратегии масштабирования моделей через увеличение объёма данных и вычислительных ресурсов.Авторы отмечают, что индустрия ИИ уже сталкивается с ограничениями «грубой силы» в обучении моделей. Ранее представители отрасли, включая сооснователя Андрея Карпаты, указывали, что простое масштабирование вычислений и данных не может оставаться единственным драйвером прогресса в долгосрочной перспективе.

Изображение сгенерировано: Nano BananaПри этом исследователи подчёркивают, что поведение ИИ-агентов после внедрения в реальные среды остаётся недостаточно изученным, несмотря на растущий переход компаний к агентным системам, способным выполнять сложные многошаговые операции.Для анализа этого процесса команда ByteDance разработала бенчмарк EdgeBench, включающий 134 длительных задачи, каждая из которых требует не менее 12 часов непрерывной работы ИИ-агента.Задачи охватывают широкий спектр областей — от программной инженерии и научных исследований до формальной математики и профессиональной аналитической работы. Такой подход позволяет оценивать не только точность решений, но и способность системы сохранять стабильность и эффективность в условиях длительного автономного функционирования.Результаты работы вписываются в более широкий тренд развития агентного ИИ, где ключевым направлением становится не только качество исходной модели, но и её способность обучаться и адаптироваться уже после внедрения в реальную эксплуатацию.