Gemini 3.7 Flash решил 7 открытых математических задач, работая без человека сутками

Google обновила Teamwork, фреймворк (программную среду для совместной работы нескольких ИИ-агентов) внутри проекта Antigravity. Агенты в Teamwork умеют спорить друг с другом, критиковать решения и дорабатывать результат итерациями на протяжении часов или даже суток. Связка этого фреймворка с моделью Gemini 3.7 Flash ускорила решение задач сразу в трёх направлениях: математика, системная инженерия и вклад в открытые библиотеки.

Что именно измеряли?

Teamwork устроен просто по идее, но сложно по реализации. Несколько ИИ-агентов (каждый на Gemini 3.7 Flash) получают общую задачу. Один предлагает решение, другой его критикует, третий ищет ошибки, четвёртый дорабатывает. Цикл повторяется, пока команда не сойдётся на результате или не исчерпает лимит итераций.

Представьте рабочую группу из пяти инженеров, где каждый проверяет работу соседа, только вместо людей работают копии одной модели с разными ролями. Google проверяла эту схему на задачах трёх типов: чистая математика с доказательствами, проектирование процессора с нуля, оптимизация реального кода в популярных библиотеках.

Семь задач, которые считались открытыми

Самый громкий результат: команда агентов решила семь открытых математических задач, опубликованных на площадках уровня FOCS (ведущая конференция по теоретической информатике) и JMLR (Journal of Machine Learning Research, один из главных журналов по машинному обучению).

Среди них:

• Гипотеза Кнута о циклах. Доказательство формально верифицировано в Lean (язык для строгих математических доказательств, который не пропускает логических ошибок), объём доказательства превышает 40 страниц.
• Разрежённая выпуклая оптимизация и доказуемая квантизация LLM (сжатие больших моделей с математической гарантией качества).
• Факторизация префиксных матриц, задача из теории алгоритмов.

На бенчмарке TCSBench (набор тестов по теоретической информатике) система набрала 71%.

Процессор с нуля и промышленный код

В инженерной части агенты построили потактово точный симулятор процессора RISC-V (открытая архитектура, альтернатива ARM и x86) с внеочередным исполнением команд. Симулятор запустил операционную систему xv6 до командной строки. Расхождение с реальным железом составило 0,71% по тактам.

Для открытых библиотек агенты подготовили патчи, которые приняли мейнтейнеры:

• Eigen (библиотека линейной алгебры, используется в тысячах проектов): добавлены SIMD-оптимизации (ускорение за счёт параллельной обработки данных процессором).
• ParlayHash (хеш-таблица для параллельных вычислений): скорость вставки выросла вдвое, потребление памяти сократилось на 25%.

Важный нюанс: патчи не просто сгенерированы, а приняты в основную ветку кода. Это значит, что качество кода прошло ревью живых разработчиков.

Что это значит для вас?

Авторам Дзена и копирайтерам. Многоагентный подход, когда несколько ИИ-агентов критикуют друг друга, уже перестал быть лабораторной идеей. Если вы используете Gemini для генерации текста, имейте в виду: та же модель в связке с «командой» агентов способна неделями дорабатывать сложный результат. Для контента это пока избыточно, но для технических статей и аналитики горизонт применения близок.

Разработчикам в РФ и СНГ. Симулятор RISC-V и патчи в Eigen напрямую касаются вас: Eigen входит в стек многих российских ML-проектов, а RISC-V активно рассматривается как основа для отечественных процессоров. Автоматизация написания и оптимизации такого кода сокращает рутину на порядок.

Предпринимателям. Gemini 3.7 Flash доступна через Google AI Studio и Vertex AI. В России доступ возможен с ограничениями. Из локальных аналогов многоагентного подхода стоит следить за развитием YandexGPT и GigaChat, хотя публичных данных о подобных фреймворках у них пока нет.

Факт остаётся: автономная команда ИИ-агентов на Gemini 3.7 Flash закрыла открытые математические задачи и внесла принятый код в библиотеки, которыми пользуются разработчики по всему миру, включая Россию.

По данным Google Antigravity Blog