Способности · Тренд
Рассуждающие модели
Модели, обученные «думать» перед ответом, превратили вычисления на инференсе в новую ось масштабирования.
Горизонт прогноза
Рассуждение становится нормой; вопрос смещается к цене, достоверности и проверяемости цепочек вывода.
Связи
Связи · 5
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · требует 8/10
ИИ-агенты Агенты опираются на рассуждение, чтобы планировать многошаговые действия.
+3 прирост ведёт к · использует 8/10
Вычисления на инференсе Рассуждающие модели превращают вычисления на инференсе в точность.
+2 прирост входит · делает возможным 7/10
Масштабирование вычислений Больше вычислений обеспечивает парадигму рассуждения.
+2 прирост ведёт к · делает возможным 6/10
ИИ для науки Более сильное рассуждение открывает математику и научные задачи.
+2 прирост входит · делает возможным 6/10
Синтетические данные Данные от верификаторов улучшают обучение рассуждению.
+2 приростИсточники сигнала
Источники сигнала
Датированные факты из первоисточников по этому направлению.
Горизонт задач удваивается Mar 2025
Длина программных задач, которые ИИ-агенты выполняют автономно с надёжностью 50%, удваивается примерно каждые 7 месяцев, а с 2024 года — ближе к ~3 месяцам.
METR → Бенчмарки насыщаются Apr 2025
За год баллы выросли на 18.8, 48.9 и 67.3 пункта на MMMU, GPQA и SWE-bench; решаемость реальных программных задач подскочила с 4.4% до 71.7%.
Stanford HAI — AI Index 2025 → Автономное программирование 2025–2026
На SWE-bench Verified (500 реальных issue с GitHub) автономные кодовые агенты достигли ~80–86% к концу 2025 года против менее 50% в начале 2025.
Epoch AI →