Стэнфорд проверил: лучшие AI-агенты справляются со сложными задачами вдвое хуже учёных
Stanford AI Index 2026: на многошаговых научных задачах лучшие AI-агенты набирают ~50% от результата PhD-экспертов — число AI-публикаций в науке выросло в 30 раз, но качество агентов отстаёт
🔴 Стэнфорд проверил: лучшие AI-агенты справляются со сложными задачами вдвое хуже учёных
Новый отчёт Stanford AI Index 2026 содержит вывод, который легко не заметить за заголовками о Китае и США: на сложных многошаговых научных задачах лучшие AI-агенты набирают примерно вдвое меньше баллов, чем эксперты с учёными степенями.
Не «чуть хуже». Вдвое.
Йоланда Гил, руководитель исследования (USC): «Агенты замечательны, но мы ещё далеко от понимания, как ими правильно пользоваться».
Что это значит на практике: • AI отлично работает на стандартных задачах — поиск, резюмирование, код по образцу • На сложных многошаговых сценариях цепочка ошибок накапливается, и результат разваливается • Число научных публикаций с упоминанием AI выросло в 30 раз с 2010 года — но возможности агентов сильно отстают от хайпа
AI меняет науку — и быстро. Но там, где кажется, что агент справляется, он может справляться вдвое хуже эксперта. Полезно знать, где настоящая граница.
Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.
Хотите получать подобные материалы раньше?
Aravana Intelligence — авторская аналитика и закрытый круг для тех, кто думает на шаг вперёд.
Узнать про IntelligenceНе пропускайте важное
Еженедельный дайджест Aravana — ключевые события в AI, робототехнике и longevity.
Anthropic запустил Sonnet 5: модель почти как Opus, но за $2 за миллион токенов
Anthropic выпустил Claude Sonnet 5 — модель для агентов, которая по бенчмаркам приближается к топовому Opus 4.8, но стоит заметно дешевле. Цена со старта: $2 за миллион входящих токенов и $10 за миллион исходящих до 31 августа. Anthropic делает ставку на массовое внедрение агентов.
Google запустил Nano Banana 2 Lite: картинка за 4 секунды и $0,034
Google представил Nano Banana 2 Lite — самую быструю и самую дешёвую версию своего генератора картинок: $0,034 за изображение в 1K и 4 секунды на генерацию. Параллельно вышел Gemini Omni Flash для видео — $0,10 за секунду 10-секундного клипа.