Компания Google представила новую платформу Antigravity, ключевым элементом которой стал инструмент Teamwork, позволяющий объединять несколько ИИ-агентов в координированные команды для решения задач, выходящих за рамки возможностей одиночной нейросети. Об этом сообщает РБК-Украина со ссылкой на материалы самой Google Antigravity. По замыслу разработчиков, каждый виртуальный помощник работает независимо, ищет собственные варианты решений, а затем результаты передаются на перекрёстную проверку агентам-критикам и независимым ревизорам, которые пересчитывают ответ с нуля, не опираясь на логику первоначального алгоритма. Такой подход, по утверждению Google, решает главную проблему современных LLM — склонность к накоплению ошибок в ходе длинных цепочек рассуждений.

Архитектура: разделение обязанностей вместо монолита

В отличие от традиционных подходов, где одна большая модель пытается «додумать» решение от начала до конца, в Teamwork обязанности жёстко сегментируются. Каждый агент получает строго ограниченный набор файлов и инструментов, необходимых именно для его узкого задания. После завершения этапа результаты передаются следующим агентам, которые выполняют роль критиков: они не знают, как рассуждал предшественник, и проверяют вывод автономно. Это позволяет на раннем этапе отсеивать ложные ветки рассуждений и существенно снижает вероятность систематических ошибок в длинных цепочках выводов. Именно эта архитектура, по данным Google, обеспечила серию результатов, которые ранее были недостижимы для одиночных моделей.

Доказательство теорем: от гипотез Вейля до уравнений Навье-Стокса

Среди наиболее заметных научных достижений, заявленных командой Antigravity, — формальная верификация классических математических результатов. Система Teamwork-LEAP сгенерировала порядка 1,8 миллиона строк кода на языке Lean в ходе 28 800 запусков, чтобы перевести на формальный язык, понятный компьютеру, знаменитые гипотезы Вейля, доказанные Пьером Делине в 1974 году. Отдельный эксперимент касался уравнений Навье-Стокса — одной из так называемых «Проблем тысячелетия», над которыми мировое математическое сообщество работает около 90 лет. Агенты воспроизвели компьютерную проверку доказательства для этих уравнений, что, по оценке разработчиков, демонстрирует способность системы работать с задачами, находящимися на границе вычислительной математики.

Теория информации и химия: 30 агентов против молекулярной структуры

В области теории информации модели Gemini в сотрудничестве с исследователями из университетов нашли полное доказательство гипотезы Куртаде-Кумара, предложенной в 2013 году, и оформили его в программе Lean 4. В химическом эксперименте команда из 30 ИИ-агентов, дополненная физическим симулятором, определяла строение сложных молекул по данным ядерного магнитного резонанса. По заявлению Google, точная структура была угадана с первой попытки в 95 процентах случаев, а в 100 процентах экспериментов верный вариант входил в тройку предложенных системой. Эти показатели, если они подтвердутся при независимой верификации, сопоставимы с результатами, которые ранее достигались только с участием опытных структурных химиков.

Перепишем код: 800 000 строк Rust за две недели

Помимо чистой науки, командный подход применили в инженерной практике. ИИ-агенты перевели видеодекодер libgav1 AV1 со старого языка C++ на Rust, написав около 170 000 строк кода. Изначально новая версия работала в четыре раза медленнее оригинала, однако после того, как агентам предоставили инструменты для поиска узких мест, программа на Rust стала на 20–30 процентов быстрее предыдущей на процессорах x86_64 и ARM. В другом эксперименте агенты за две недели переписали остатки кода C++ в системном ядре Zircon — около 800 000 строк — на Rust; после этого система успешно прошла тесты и запустилась на оборудовании ARM64. Кроме того, ИИ-оптимизация внутренних серверов Google позволила снизить прерывание работы специализированных процессоров TPU на 24 процента.

Доступ для исследователей: 10 000 учёных получат полгода бесплатного использования

Google открывает доступ к системе Teamwork и инструменту быстрого написания кода /boost через платформу Antigravity. Параллельно компания объявила о приёме заявок от 10 000 учёных, которые получат шесть месяцев бесплатного доступа к наиболее мощной версии сервиса. Это, по замыслу разработчиков, должно ускорить внедрение агентных подходов в академическую практику и позволить независимым группам проверить заявленные результаты на собственных задачах. На фоне того, что большинство крупных ИИ-лабораторий в 2025–2026 годах фокусируются на одиночных «супер-моделях», ставка Google на мультиагентную архитектуру выглядит как осознанный стратегический выбор, направленный на решение задач, где длина и сложность цепочки рассуждений превышают контекстное окно любой единичной модели.