Google показала Antigravity /teamwork: агенты на Gemini 4 берут открытые задачи математики

Вахаб Миррокни (Google Fellow и вице-президент Google Research) опубликовал 13 ноября 2026 года пост о результатах мультиагентных систем Antigravity /teamwork. По его словам, за последние недели команды Google и академических партнёров работали на моделях Gemini 4 Argon, Gemini 4 Carbon и Gemini 4 Hydrogen и мультиагентных процессах вроде /teamwork над задачами, которые годами оставались открытыми: в теории информации, формальной верификации, определении структуры молекул и оптимизации ядер, а также над рядом производственных улучшений инфраструктуры Google. Вся работа велась совместно с экспертами-людьми, а сами инструменты Google делает доступными снаружи: в Antigravity /teamwork лежат рядом с /boost и другими агентами.

Идея устройства /teamwork опирается на два ограничения современных языковых моделей. Первое: генерация непредсказуема, и между одной попыткой и верным ответом есть зазор. Его закрывают параллельным перебором в паре с отдельными проверяющими инструментами (средство проверки доказательств Lean 4, немодифицированные наборы тестов, симуляторы выполнения, веб-поиск, аппаратные счётчики), которые автоматически определяют, какие кандидаты работают. Второе: за многодневную задачу модель теряет детали, потому что внимание рассеивается по растущему контексту. Поэтому контекст разделён по построению: каждый специализированный агент получает только те файлы и инструменты, что нужны для конкретного шага; координаторы передают задачи «свежим» преемникам, а критики и аудиторы проверяют результат из чистого контекста, не зная рассуждений автора. Рабочие процессы записаны как декларативные самоулучшающиеся шаблоны на естественном языке, и каждый запрос направляется к подходящему шаблону. Среди них /boost (последовательный цикл «решить и проверить»), а также Long Proof (длинные доказательства) и проверка документов.

Главный пример: исследователи Google, CUHK, USC и CMU с помощью шаблона Long Proof доказали в полной общности гипотезу Куртада, Кумара (теория информации, 2013 год). Она утверждает, что при передаче случайной битовой строки через зашумлённый канал никакое сжатие входа до одного бита не сохраняет больше информации, чем «функция-диктатор», которая просто копирует один входной бит. Gemini сначала нашла контрпримеры к обобщённой версии гипотезы из прежней статьи команды CUHK; та предложила новую функцию-кандидата, сводящую гипотезу к задаче оптимизации с 14 переменными, и ключевую аналитическую нижнюю оценку. Затем Gemini 4 Argon и более ранние модели Gemini разбили пространство параметров и разработали большую часть новых аналитических оценок и сертификатов на интервальной арифметике, а также без участия человека распространили доказательство со сбалансированных функций на несбалансированные. Всё доказательство формализовано в Lean 4, это 50 миллионов строк кода.

Другие результаты по математике и теоретической информатике, которые пост описывает как найденные при участии авторов-людей (они проверяли, упрощали и редактировали выводы): почти оптимальные границы выборки для адаптивно выбираемых статистических запросов (разрыв, открытый с 2014 года), из чего следует первый почти оптимальный по памяти алгоритм для потоков данных со вставками и удалениями; первая конструкция n-битных булевых функций, которым нужно строго больше n/2 квантовых запросов при постоянной ошибке (открытый вопрос 2014 года); новый детерминированный алгоритм, решающий главный открытый вопрос STOC 2024 о комбинаторных алгоритмах для умножения булевых матриц и поиска треугольников (пятьдесят лет такие алгоритмы экономили лишь логарифмические множители относительно кубического времени); стековые разреженные эскизы, которым нужно всего √log r ненулевых элементов в строке (квадратично меньше, чем log r); новый алгоритм умножения n-битных чисел за O(n log n) на двумерной сетке, чья реализация на C побитово совпадает с GMP вплоть до миллиарда бит; существенное продвижение по гипотезе Тарьяна о деке (1985): новая верхняя оценка накладных расходов, проверенная в Lean 4, но не полное решение.

Отдельный блок, формализация в Lean 4 с помощью многоагентной системы LEAP (разработана вместе с коллегами из Google Cloud AI). Система /teamwork-LEAP, по заявлению Google, полностью автономно создала сквозную машинно проверяемую формализацию гипотез Вейля: около 1,8 млн строк Lean за 28 800 вызовов субагентов. Она же синтезировала более 919 000 строк Lean для первой формализации недавнего доказательства десятой проблемы Гильберта над общими кольцами целых; независимо воспроизвела формализацию недавнего доказательства взрыва за конечное время для трёхмерных уравнений Навье, Стокса с гладкой внешней силой (именно воспроизведение уже существующего доказательства); впервые формализовала гипотезу Биркгофа (открыта с 1927 года) и трёхмерную гипотезу Бохнера, Рисса (открыта более 50 лет), найдя и исправив пробел в недавно опубликованном неформальном доказательстве. Среди прочего названы регулярность C¹ для бесконечно-гармонических функций (вопрос около 20 лет), теорема Киллипа и Вишана о корректности уравнения КдФ в H⁻¹ и проверка неформальных доказательств группы из UCLA (гипотеза Джеймисона о гусенице, гипотеза Агырсевена, Оллиса, улучшенная оценка для задачи Эрдёша №1063).

Третий блок, Deep Review, проверка черновиков научных статей. Перед конференцией STOC 2027 авторы 578 работ (больше трети всех поданных) подключились к такой обратной связи. По данным продолжающегося опроса (N = 70), 90% респондентов сочли отзыв в основном или почти полностью фактически верным и 90% готовы использовать инструмент снова; более 30% сказали, что он поймал существенные ошибки в доказательствах или математически значимые опечатки, а 14%, что нашёл технические пробелы, на исправление которых ушло больше часа. Пользователям даются два бесплатных вызова Deep Review в неделю.

Наконец, пост переходит к лабораторной науке: пара «агент-генератор плюс независимый агент-проверяющий» применяется к определению структуры молекулы по данным ядерного магнитного резонанса (пример, ингибиторы протеазы ВИЧ, где одна неверно поставленная связь отделяет неактивный аналог от лекарства). Рассказ об организации 30 специализированных агентов в этом разделе оборван, дальше текст не прослеживается.

Ключевые факты

  • Google Research (Вахаб Миррокни) представила результаты мультиагентной системы Antigravity /teamwork на моделях Gemini 4 Argon, Carbon и Hydrogen: работа велась совместно с экспертами-людьми, инструменты открываются для внешних пользователей.
  • Гипотеза Куртада, Кумара (2013, теория информации) доказана в общности командой из Google, CUHK, USC и CMU; доказательство формализовано в Lean 4 объёмом 50 млн строк кода.
  • Система /teamwork-LEAP, по заявлению Google, автономно формализовала гипотезы Вейля (около 1,8 млн строк Lean, 28 800 вызовов субагентов) и впервые формализовала недавнее доказательство десятой проблемы Гильберта (более 919 000 строк).
  • Архитектура: параллельный перебор плюс проверяющие инструменты (Lean 4, тесты, симуляторы, веб-поиск) и разделение контекста, при котором каждый агент видит только нужные файлы и инструменты.
  • Deep Review на STOC 2027: 578 работ (больше трети поданных); в опросе N = 70 по 90% сочли отзыв в основном фактически верным и готовы пользоваться снова; два бесплатных вызова в неделю.

Почему это важно

Пост показывает, как Google пытается превратить большие языковые модели в рабочий инструмент для длинных исследовательских задач: не одна попытка модели, а команда агентов с независимой проверкой. Самые весомые заявленные результаты связаны с машинной проверкой: доказательство гипотезы Куртада, Кумара с формализацией в Lean 4, формализация гипотез Вейля и других крупных теорем. Когда ядро Lean принимает доказательство, ошибка в логике исключена при условии, что формальная постановка совпадает с исходной задачей, и именно это подтверждают математики-люди. Отдельно важно, что Google не просто рассказывает о результатах, но и выводит инструменты наружу.

Кому это важно

Математикам и специалистам по теоретической информатике, которые хотят проверять длинные выкладки и формализовать доказательства; разработчикам, которым нужны многодневные агентные процессы с проверкой через тесты и симуляторы; авторам научных статей, которые могут получить автоматический отзыв на черновик (Deep Review); исследователям, следящим за тем, как мультиагентные системы справляются с задачами, где важна не скорость, а корректность.

Как это применить

Согласно посту, инструменты доступны в Antigravity: /teamwork, /boost (последовательный цикл «решить и проверить») и шаблоны Long Proof и проверки документов; многие функции уже работают, а остальные Google обещает открыть внешним пользователям «в ближайшие недели». Deep Review доступен в виде шаблона проверки документов; два вызова в неделю бесплатны. Цены и лимиты на /teamwork и /boost в тексте не названы. Чтобы получить результат, исследователь должен сам сформулировать вопрос и задать теоретические или физические ограничения, а агенты пишут решатели, перебирают варианты и проверяют цепочки рассуждений.

Можно ли доверять

Источник, первичный пост Google Research, то есть результаты заявлены самой компанией. В тексте не сказано, что они прошли рецензирование или приняты к публикации; о работах пишется, что авторы проверяли, упрощали и редактировали выводы. Часть заявленного поддаётся независимой проверке (код Lean принимается ядром), но соответствие формальной постановки исходной задаче подтверждали люди. Часть результатов, воспроизведения (например, формализация уже существующего доказательства для Навье, Стокса), а по гипотезе Тарьяна сказано лишь о «значительном продвижении». Опрос по Deep Review продолжается, выборка мала (N = 70) на фоне 578 подключившихся работ. Доступный текст поста оборван посреди раздела о химии, поэтому результаты по системному программному обеспечению, оптимизации ядер и машинному обучению здесь не рассмотрены.

Риски и подводные камни

Самооценка Google: сравнений Gemini 4 Argon, Carbon и Hydrogen между собой и с другими моделями в тексте нет, различия между этими тремя моделями не описаны. Роль людей в каждом результате различается (от участия в формулировке до проверки и правки итогов), а имена исследователей, кроме названий институтов, не приведены, так что вклад агентов от вклада людей по тексту не отделить. Формализация корректна лишь настолько, насколько верно сформулирован исходный тезис. Результаты Deep Review, это субъективные оценки авторов: 90% сочли отзыв в основном фактически верным, то есть примерно каждый десятый так не считает.

«Подобные инструменты помогают делать исследования чище и точнее, и быстрее.»

— авторы статей, участвовавшие в опросе о Deep Review (без имён), по данным Google Research