Энэ долоо хоногт хиймэл оюуны салбарт онолын математик, биологиос санаа авсан тасралтгүй сургалт, хөрөнгийн зах зээл, 3D ертөнцийн симуляци болон шинэ үеийн архитектурууд зэрэгцэн тэсрэлт хийлээ. AI Search, Matt Wolfe болон Two Minute Papers сувгуудын онцолсон 31 судалгаа, эх сурвалжийг нэг бүрчлэн шүүж, баримт болон диаграммтай нь хүргэж байна.

Google Research SLEEP Framework — Dreaming for self-improvement
Зураг 1: Google Research-ийн SLEEP тогтолцоо — REM нойрны «зүүдлэх» үе шатаар (Random expert selection, Curated rehearsal, RL refinement) их хэлний загварын ой санамжийг бататгах бүтэц.

1. Google SLEEP: Зүүдэлж ой санамжаа бататгадаг AI

Их хэлний загваруудын хамгийн том гацаа бол сургалт дууссаны дараа мэдлэг нь царцдаг, харин шинэ өгөгдлөөр үргэлжлүүлэн сургахаар өмнөх мэдлэгээ устгадаг огцом марталт (catastrophic forgetting) юм. Тэгвэл Google Research-ийн баг хүний тархины нойрны механизмаас санаа авсан SLEEP (Continual Learning via Sleep Phase) тогтолцоог танилцууллаа.

Хүний тархи сэрүүн байхдаа шинэ мэдээлэл хүлээн авч, харин гүн нойр болон REM (зүүдлэх) үе шатанд богино хугацааны дурсамжийг урт хугацааны ой санамжид шилжүүлдэг. SLEEP тогтолцооны «Зүүдлэн өөрийгөө сайжруулах» (Dreaming for self-improvement) үе шат нь гурван шатлалаар ажиллана:

  • Санамсаргүй эксперт сонголт (Random expert selection): Синтетик өгөгдөл буюу «зүүд» үүсгэх явцад MoE чиглүүлэгч нь ердийн бус экспертүүдийг санамсаргүйгээр идэвхжүүлж, хоорондоо хамааралгүй салбарын мэдлэгийг хольж далд зүй тогтлыг илрүүлнэ.
  • Шилмэл давталт (Curated rehearsal): Загвар өөрөө үүсгэсэн «зүүд» буюу дасгалын жишээнүүдээс градиентад суурилсан шүүлтүүрээр хамгийн өндөр үр өгөөжтэй жишээг шигшиж авна.
  • Бататгах сургалт (RL refinement): Шилэгдсэн зүүдний өгөгдөл дээр хяналттай нарийн тохируулга (SFT) болон RL хийснээр гаднын шинэ өгөгдөлгүйгээр, унтаж байх зуураа логик сэтгэлгээгээ ахиулж, хуучин мэдлэгээ марталгүй хадгалж чаджээ.
OpenAI disproves 27-year-old Exponential Time Hypothesis and solves Kakeya & Yang-Mills
Зураг 2: OpenAI-ийн дотоод загвар 27 жилийн түүхтэй Exponential Time Hypothesis (ETH)-ийг Lean хэлээр няцааж, Sogge-ийн таамаглал болон Kakeya-ийн бодлогыг бүх хэмжээстэд баталсан нь.

2. OpenAI 27 жил тэссэн ETH таамаглалыг няцаав

OpenAI эрдэм шинжилгээний нийгэмлэгтэй хамтран хэрэгжүүлж буй Building Scientific Understanding with Academic Communities хөтөлбөрийнхөө хүрээнд болон The Next Web-ийн шинжлэх ухааны тайланд дурдсанаар, тэдний дотоод судалгааны загвар онолын компьютерын шинжлэх ухаан болон математикийн гурван том нээлтийг хийлээ:

  • Exponential Time Hypothesis (ETH)-ийн няцаалт: 1999 онд Russell Impagliazzo, Ramamohan Paturi нарын дэвшүүлсэн, 3-SAT бодлогыг дэд экспоненциал хугацаанд бодох боломжгүй гэсэн 27 жилийн настай ETH таамаглалыг худал болохыг баталлаа. Загвар долоо хоногийн турш 10 триллион гаруй токен зарцуулан бодож, математик баталгааг Lean формаль шалгалтын хэл дээр алдаагүй бичиж баталгаажуулсан бөгөөд MIT-ийн профессор Ryan Williams үр дүнг зөв болохыг нотолсон байна.
  • Kakeya болон Sogge-ийн таамаглал: Хармоник анализын 30 гаруй жил шийдэгдээгүй Sogge-ийн local smoothing таамаглал болон Kakeya-ийн зүү эргүүлэх бодлогыг гурав болон түүнээс дээш бүх хэмжээстэд бүрэн баталлаа.
  • 4 хэмжээст Yang-Mills-ийн оршихуйн онол: Квантын талбайн онолын суурь болох 4 хэмжээст евклидийн Yang-Mills-ийн тасралтгүй хязгаар оршин байдгийг байгууламжит (constructive) аргаар баталсан нь Мянганы долоон бодлогын нэг рүү дөхсөн түүхэн алхам болов.
Anthropic S-1 IPO filing and Andrew Benson breakdown
Зураг 3: Anthropic-ийн SEC Form S-1 мэдүүлгийн задаргаа — 5,300 ажилтанд ногдох дундаж хувьцааны үнэлгээ 62 сая ам.доллар.

3. Anthropic-ийн 2 их наядын IPO ба хувьцааны задаргаа

Anthropic компани АНУ-ын Үнэт цаас, биржийн хороонд (SEC) албан ёсны SEC Form S-1 бүртгэлийн баримтаа өргөн барьж, Anthropic-ийн мэдэгдлээр Nasdaq бирж дээр «ANT» кодоор хувьцаагаа гаргахаар боллоо. Тайлангаас харахад компанийн орлого 2023 онд 41 сая, 2024 онд 386 сая, 2025 онд 4.58 тэрбум байсан бол 2026 оны эхний хагас жилд (6 сард) 16.29 тэрбум ам.долларт хүрч, жилийнхээр 62 тэрбум ам.долларын хурдтай өсжээ. Харин тооцооллын дэд бүтцийн зардал эхний хагас жилд 8.94 тэрбум ам.доллар болсон байна.

Санхүүгийн шинжээч Andrew Benson-ийн «Who makes what» хувьцааны задаргаагаар, Anthropic 1.5–2.0 их наяд ам.доллароор үнэлэгдэхэд үүсгэн байгуулагч 7 гишүүн (Dario Amodei, Daniela Amodei, Jack Clark, Jared Kaplan, Sam McCandlish, Tom Brown, Chris Olah) тус бүр 3.1% буюу 54 тэрбум ам.доллар, Amazon 11.4% ($199B), Google 9.8% ($172B) эзэмшинэ. Хамгийн анхаарал татсан тоо нь 5,300 ажилтны дундаж хувьцааны багц 62 сая ам.доллар бөгөөд 940 орчим ажилтан 100 сая ам.доллароос дээш хөрөнгөтэй болох тооцоо гарчээ.

Gemini 4 Carbon leads Artificial Analysis Intelligence Index v5.0
Зураг 4: Artificial Analysis Intelligence Index v5.0 — Gemini 4 Carbon 59 оноогоор GPT-6.1 Terra Pro болон Claude Mythos Preview-ийг ардаа орхив.

4. Gemini 4 Carbon, GPT-6.1 Terra ба Kimi K3.1 Pro

  • Google DeepMind — Gemini 4 Carbon: Google компани Gemini 4 Carbon загвараа албан ёсоор танилцуулж, Artificial Analysis Intelligence Index v5.0 жагсаалтыг 59 оноогоор ганцаараа тэргүүллээ. Кибер аюулгүй байдлын SEC-bench Pro шалгуурт 88.2% авсан нь Claude Opus 4.7-оос (56.5%) 31.7 нэгжээр илүү гарсан үзүүлэлт бөгөөд 1 сая токены оролт, 128 мянган токены гаралтыг $3.00 / $15.00 үнээр боловсруулж байна.
  • OpenAI — GPT-6.1 Terra: OpenAI өдөр тутмын кодчилол болон компьютерын автомат удирдлагад зориулсан GPT-6.1 Terra загварыг гаргалаа. OSWorld-Verified дээр 84.2%, SWE-Bench Pro дээр 64.8% авсан энэ загвар оролтын 1 сая токен тутамд $1.00 (кэшлэгдсэн токен $0.05), гаралтад $5.00 үнэтэйгээр API-д нэвтэрчээ.
  • Moonshot AI — Kimi K3.1 Pro: Нээлттэй жинтэй загварын аварга Kimi K3.1 Pro нь нийт 2.8 триллион параметртэй (идэвхтэй 96B) MoE архитектур бөгөөд Terminal-Bench 2.0 дээр 72.1%, SWE-Bench Verified дээр 83.4% авлаа. Түүнийг бүрэн жингээр нь локал орчинд ажиллуулахад 1,408 ГБ VRAM буюу 44 ширхэг RTX 5090 карт шаардлагатай.
Liquid AI LFM3 multimodal architecture
Зураг 5: Liquid AI-ийн LFM3 гэр бүл — 22 триллион токен дээр сургасан LFM3-1.7B суурь дээр текст, дүрс, аудио, олон төрөлт (omni) болон шийдвэр гаргалтын загваруудыг нэгтгэсэн бүтэц.

5. Шинэ архитектурууд: Liquid LFM3, Clover 35B ба SenseNova-Loop

Стандарт цуваа үүсгэлттэй (autoregressive) Transformer загвараас давсан 7 шинэ суурь архитектур энэ долоо хоногт нээлттэй боллоо:

  • Liquid AI — LFM3: Liquid Foundation Model 3 (LFM3) нь хаалгат богино конволюц болон бүлэглэсэн анхаарлын механизмыг хослуулсан гуравчилсан эрлийз (tri-hybrid) архитектур юм. 22 триллион токен дээр сургасан LFM3-1.7B суурь дээр LFM3-VL-2B (хараа), LFM3-Audio-2B (дуу), LFM3-Omni-2B болон D1-Omni-2B (шийдвэр гаргалт) загваруудыг байгуулсан бөгөөд компьютер, гар утас дээр интернэт холболтгүй (офлайн) маш бага санах ойгоор шууд ажиллана.
  • DiffuSpace — Clover 35B (Diffusion LLM): Хонконгийн Их Сургуулийн (HKU NLP) судлаачид тархалтын хэлний загварыг (Diffusion Language Model) 35 тэрбум параметр хүртэл томруулсан Clover-35B-A3B-Preview загварыг гаргалаа. Токеныг нэг нэгээр нь цувуулж биш, зэрэгцээ (parallel) үүсгэдэг тул интерактив веб программ болон кодыг агшин зуур бүтээдэг.
  • SenseNova-Loop 9B (Looped Transformer): Стандарт давхарга нэмэхийн оронд дундын блокоо олон дахин давтан ажиллуулдаг (shared looped block) болон олон урсгалт үлдэгдэл холболттой (mHC) SenseNova-Loop 9B архитектур нь урт контекст болон агентын ажлын урсгалд өндөр үр ашиг үзүүлэв.
  • Apex Intelligence — Apex 35B: Хиймэл оюун өөрөө судалгаа хийж, өөрийгөө рекурсив аргаар сайжруулсаар бүтээсэн Apex 35B (35B-A3B) загвар нь роботын удирдлага болон шингэний динамикийн (CFD) инженерийн тооцоололд онцгойрч байна.
  • Нээлттэй жинтэй шинэ загварууд: Нарийн логик бодолтын Nanbeige4.3-33B, олон талт суурь загварын Groot Team Models цуглуулга болон хэт авсаархан Spark-X2.6-1.7B загварууд Hugging Face дээр нээлттэй тавигдлаа.
Clover 35B Diffusion LLM live OS desktop generation
Зураг 6: Clover-35B-A3B тархалтын хэлний загвар (Diffusion LLM) токеныг зэрэгцээ үүсгэж, бүрэн ажиллагаатай үйлдлийн системийн цонх болон программуудыг шууд бичиж буй туршилт.

6. Ертөнцийн загварууд ба олон агентын сүрэг

Зөвхөн текст бичих бус, бодит ертөнцийн физикийг ойлгож, олон агентаар хоршин ажиллах 6 том төсөл танилцуулагдлаа:

  • Google DeepMind — Genie 4: Текст болон зургаас 720p нягтаршилтай, секундэд 24 кадр (24fps) хурдтай интерактив 3D ертөнцийг шууд үүсгэдэг Genie 4 нь WASD товчлуураар 15 минут тасралтгүй удирдахад объектын байршил, гэрэл сүүдрийг алдалгүй санадаг болжээ.
  • Stanford — UniAction: Стэнфордын Их Сургуулийн (Jiajun Wu-ийн лаборатори) UniAction нь ертөнцийн загваруудад камерын хөдөлгөөн, гарын удирдлага, роботын мөчний командыг нэгэн зэрэг (compositional multi-action control) өгч удирдах нэгдсэн тогтолцоог шийдэв.
  • MUNDO — 4D World Model: MUNDO нь 4 хэмжээст (орон зай + цаг хугацаа) ертөнцийн загвар бөгөөд кодоор дамжуулан 3D орчныг засах, хүн дүрст роботын биеийн харилцан үйлчлэлийг физикийн дагуу симуляци хийх боломж олгоно.
  • Oxford & Meta — OverSeer: Оксфорд болон Meta-ийн судлаачдын OverSeer нь олон агентын орчинд зөвхөн нэг тоглогчийн харах өнцгөөс бусад бүх тоглогчийн харах дүрсийг $\delta$-VAE болон солбицсон анхаарлын (cross-attention) механизмаар зэрэг таамаглан дүрсэлдэг.
  • HKUDS — AutoSwarm: Хонконгийн Их Сургуулийн Өгөгдлийн шинжлэх ухааны лабораторийн AutoSwarm нь Codex, Claude Code, WorkBuddy зэрэг тусдаа агентуудыг нэгдсэн контекст дор зангидаж, ганц даалгавраас судалгаа, дизайн, код, маркетингийн бүрэн багцыг зэрэгцүүлэн гүйцэтгэдэг.
  • StreamVibe — Proactive Video Agents: StreamVibe нь шууд дамжуулалтын видео урсгалыг тасралтгүй шинжилж, хэрэглэгчийн өөрчлөгдөж буй зорилгыг урьдчилан таамаглаад асуулт хүлээлгүйгээр идэвхтэй тусалдаг видео агент юм.
HKUDS AutoSwarm multi-agent orchestration
Зураг 7: HKUDS AutoSwarm — Олон агентыг нэг контекст дор нэгтгэн ганц командын оролтоор бүтээгдэхүүний бүрэн багц гаргах систем.

7. 3D хөдөлгөөн, физик симуляци ба 4K видео

Компьютер график, кино үйлдвэрлэл болон роботын сургалтын орчныг шинэ шатанд гаргасан 8 судалгаа:

  • NVIDIA Labs — MotionBricks (SIGGRAPH 2026): MotionBricks нь багцалсан далд (modular latent) үүсгэгч загвар болон «ухаалаг суурь хөдөлгөөн» (Smart Primitives) хэрэглэн 3D дүрийн нарийн хөдөлгөөнийг бодит цагийн горимд, физикийн хуультай нийцүүлэн удирддаг.
  • Sperid Labs — IDOL: Ердөө 0.66 тэрбум параметртэй, 8 ГБ-аас бага VRAM шаардах хөнгөн загвараар ганцхан 2D зургаас 1,048,576 хүртэлх 3D Gaussian цэг бүхий өндөр нарийвчлалтай 3D объектыг хормын дотор үүсгэдэг IDOL загвар гарлаа.
  • PhysAg3D (Peking Univ & Huawei): PhysAg3D нь ганц зургаас нугас, холбоос, хөдөлгөөнт эд анги нь физикийн дагуу нугарч эвхэгддэг (жишээ нь гурван нугастай эвхэгддэг утас, шүүгээ) интерактив 3D загвар үүсгэнэ.
  • SceneBloom (NYU & UC San Diego): Роботыг бодит орчинд сургахад зориулан олон төрлийн өрөөний зохион байгуулалт, тавилгын физик харьцааг агентын тусламжтай автоматаар өргөжүүлэн үүсгэдэг SceneBloom платформ нээгдэв.
  • NVIDIA SimReady Assets: NVIDIA компани робот болон физик симуляцийн сургалтад зориулсан мянга мянган бэлэн 3D объектыг NVIDIA SimReady Assets нэрээр Hugging Face дээр нээлттэй болголоо.
  • NVIDIA Labs — Open-H3-Regenerate-2K: Open-H3-Regenerate-2K нь 3 алхамт H3 тархалтын (diffusion) аргаар видеоны чанарыг 2K өндөр нягтаршил руу сэргээн засварлаж, нарийн гадаргуун хээг тодруулдаг.
  • MatAnyone-E (NTU S-Lab): 4K өндөр нягтаршилтай видеоноос үс, хувцасны нарийн ширхгийг секундэд 28.6 кадр (28.6 fps) хурдаар дэвсгэрээс нь ялгаж зүсдэг (video matting) MatAnyone-E нь санах ойн сийрэг дамжуулалтын аргаар хурдаа эрс нэмжээ.
  • SenseNova 6.8 Code2Video: 27 тэрбум параметртэй, 512K контекстийн цонхтой SenseNova 6.8 Code2Video нь программчлалын кодоор дамжуулан нарийн хөдөлгөөнт видео болон инфографикийг автоматаар найруулан угсардаг.
NVIDIA Labs MotionBricks SIGGRAPH 2026 real-time character motion
Зураг 8: NVIDIA Labs-ийн MotionBricks (SIGGRAPH 2026) — Ухаалаг суурь хөдөлгөөн болон далд орон зайн загвараар 3D дүрийн хөдөлгөөний замыг бодит цагийн горимд удирдаж буй дүрслэл.

8. Хязгааргүй OCR, шууд орчуулга ба 8.5 МБ дуу хоолой

Бичиг баримт унших болон яриа боловсруулах чиглэлд гарсан 5 чухал дэвшил:

  • Baidu — Unlimited OCR 2 (OCR-3.0 Era): Baidu болон PaddlePaddle багийн Unlimited OCR 2 нь хэдэн зуун хуудастай ном, санхүүгийн тайлан, нарийн хүснэгт болон математик томьёог хуудасны хязгааргүйгээр нэг урсгалд задлан уншдаг бөгөөд урт баримтын MarathonDocBench шалгуурыг шинээр тогтоолоо.
  • Tencent Hunyuan — Hy-SimulMT: Хүний яриаг өгүүлбэр дуусахыг хүлээлгүйгээр ярьж байх явцад нь хамгийн бага хоцрогдолтойгоор шууд синхрон орчуулдаг Hy-SimulMT загвар нээлттэй эхээр гарлаа.
  • NVIDIA Nemotron 3.5 Transcribe: 30 тэрбум параметртэй (идэвхтэй 4B) MoE архитектур бүхий NVIDIA-Nemotron-3.5-Transcribe-30B-A4B нь шуугиантай орчны яриаг өндөр нарийвчлалтай текст рүү хөрвүүлдэг.
  • Audio8 TTS Realistic 0.6B: Ердөө 600 сая параметртэй боловч 23 хэл дээр хүний амьсгал, сэтгэл хөдлөлийн өнгө аясыг бодитоор гаргадаг Audio8 TTS Realistic 0.6B танилцуулагдлаа.
  • Paradee 1.2 (8.5 MB TTS): Kokoro-82M загвараас нэрж гаргасан ердөө 8 сая параметртэй Paradee 1.2 нь 4 өөр дуу хоолойг 8.5 МБ хэмжээтэй ганц файл дотор багтааж, интернэт хөтөч болон IoT төхөөрөмж дээр шууд ярьдаг болгожээ.