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.

Стартап Ampera представил 3D-печатный ядерный реактор в контейнерном формате для питания ИИ-дата-центров
https://www.ixbt.com/news/2026/07/05/startap-ampera-predstavil-3dpechatnyj-jadernyj-reaktor-v-kontejnernom-formate-dlja-pitanija-iidatacentrov.html

Компания заявляет, что модульная ториевая установка может стать фабрично производимым источником энергии мощностью до 30 МВтAmpera представила первый полноразмерный модуль своей «интегрированной энергетической архитектуры» — ядерный реактор, который компания описывает как субкритический, твердотельный и изготовленный по фабричной технологии с использованием 3D-печати.Устройство позиционируется как основа для будущих компактных энергетических установок, которые можно будет производить серийно и транспортировать в виде модулей.Реактор использует ториевое топливо. В отличие от традиционного уранового топлива, торий не является напрямую делящимся материалом и требует внешнего источника нейтронов для запуска цепной реакции. Такой подход рассматривается как потенциально более безопасный, поскольку снижает риск неконтролируемого роста реакции.

Фото: AmperaКлючевой особенностью конструкции заявлена субкритичность — режим, при котором реактор не способен самостоятельно поддерживать цепную реакцию. Это означает, что система требует внешнего инициирования процесса деления, что теоретически уменьшает вероятность аварийных сценариев.Ещё один важный элемент — отсутствие подвижных частей в активной зоне. Твердотельная архитектура должна упростить обслуживание и повысить надёжность системы, особенно при длительной эксплуатации в автономных энергетических установках.Ampera заявляет, что реакторный модуль предназначен для массового производства на заводах и транспортировки в стандартных контейнерных форматах. В рамках общей энергетической системы он может комбинироваться с модулем утилизации тепла или с традиционными источниками генерации, образуя гибридные энергокомплексы.Целевой областью применения называются дата-центры для искусственного интеллекта, а также оборонные, промышленные и морские энергетические системы. По оценкам компании, полная конфигурация установки должна обеспечивать мощность порядка 30 МВт с использованием замкнутого цикла на основе сверхкритического углекислого газа (sCO2 Brayton cycle).При этом Ampera пока не сообщила о фактическом запуске реактора и выработке электроэнергии, ограничившись демонстрацией инженерного модуля. Сроки коммерческой эксплуатации также не раскрываются.В компании утверждают, что модульный подход позволит заказчикам гибко наращивать энергосистемы под конкретные задачи, а также в будущем заменять энергетические блоки для снижения углеродного следа инфраструктуры.

Материал из руин атомных станций сам очищает радиоактивную воду: обычный бетон позволяет удерживать радиоактивный стронций-90 с эффективностью до 98%
https://www.ixbt.com/news/2026/07/05/material-iz-ruin-atomnyh-stancij-sam-ochishaet-radioaktivnuju-vodu-obychnyj-beton-pozvoljaet-uderzhivat-radioaktivnyj.html

Кальцит как ловушкаУчёные из Университета Манчестера, Национальной ядерной лаборатории Великобритании (UKNNL) и Университета Клемсона нашли неожиданно простой способ связывать радиоактивный стронций-90 — один из самых опасных продуктов ядерного деления — с помощью обычного измельчённого бетона.

Изображение сгенерировано carillonСтронций-90 представляет серьёзную экологическую проблему: он легко распространяется вместе с грунтовыми водами и может накапливаться в окружающей среде. Его следы находят на территориях бывших ядерных объектов — от британского Селлафилда и американского Хэнфорда до зон аварий в Чернобыле и на «Фукусиме-1».В экспериментах исследователи использовали дроблёный бетон, оставшийся после вывода из эксплуатации ядерных объектов. Его помещали в искусственные грунтовые воды, содержащие стронций, и наблюдали, как материал ведёт себя в разных условиях — с доступом кислорода и без него.Результаты оказались неожиданно эффективными. В аэробной среде (при наличии кислорода) бетон за три месяца «вытягивал» из воды около 82% стронция. Это происходило благодаря образованию кальцита — минерала, в структуру которого стронций буквально встраивается, оказываясь надёжно «заперт».В условиях без кислорода эффективность резко падала — примерно до 14%. Но настоящий прорыв случился после дополнительной обработки бетона фосфатами. Такой модифицированный материал в присутствии воздуха удалял до 98% стронция всего за 48 часов: на поверхности образовывались дополнительные химические «ловушки», прочно фиксирующие радиоактивный элемент.По мнению ученых, эта технология может заметно упростить обращение с слаборадиоактивными бетонными отходами, которые образуются при демонтаже атомных объектов, а также помочь в очистке загрязнённых территорий после ядерных инцидентов.

SSD без платы и в корпусе SiP: Longsys запустила массовое производство микроскопических SSD для ИИ-устройств — до 1 млн в месяц
https://www.ixbt.com/news/2026/07/05/ssd-sip-longsys-ssd-1.html

Китайская компания наращивает производство SiP-накопителей для компактных ИИ-устройств и систем с PCIe Gen5Longsys объявила о переходе к серийному производству своей платформы micro SSD (mSSD) после нескольких месяцев оптимизации производственных процессов. Компания заявляет, что достигла стабильного выпуска около 1 миллиона устройств в месяц, что фиксирует переход от пилотных партий к промышленному масштабу.Производство инженерных образцов началось в октябре 2025 года на предприятии упаковки и тестирования в Сучжоу. В течение последующих месяцев инженеры занимались повышением выхода годной продукции и оптимизацией технологических процессов, прежде чем добиться стабильного массового производства.Особенностью mSSD от Longsys является архитектура System-in-Package (SiP), при которой контроллер, NAND-память и управляющая силовая электроника объединены в единый корпус. Такой подход исключает необходимость использования традиционной печатной платы, что позволяет существенно уменьшить габариты накопителя.