ИИ сдал экзамен в ШАД на 98,8% — Claude Opus 4.8 правильно решил 39,5 из 40 задач первого этапа вступительных экзаменов Школы анализа данных в 2026 году, обойдя даже проходной балл почти на 10 пунктов. Более того, все пять протестированных нейросетей — от DeepSeek до Gigachat — преодолели порог отбора. Для канала об ИИ это не просто забавный кейс, а сигнал: вступительная математика уровня топового вуза больше не барьер для машин.
Что именно проверяли: как нейросеть сдала экзамен
Исследователи из Школы Высшей Математики взяли реальные задачи первого этапа отбора в ШАД-2026 — 40 задач по матанализу, алгебре, теории вероятностей, дискретной математике и алгоритмам, на решение которых у абитуриентов было два часа. На экзамене засчитывался только финальный ответ, без проверки хода решения — то есть условия были максимально приближены к тому, что видит живой поступающий.
Результаты по моделям:
- Claude Opus 4.8 — 39,5/40 (98,8%), 25 минут
- DeepSeek-R1-0528 — 38,25/40 (95,6%), 43 минуты
- ChatGPT Sol Medium — 37,75/40 (94,4%), 14 минут
- Qwen 3.7 Max — 32,5/40 (81,3%), 155 минут
- Gigachat-3-Ultra — 25,25/40 (63,1%), 3–4 минуты
Проходной балл был около 30 — значит, все зарубежные модели прошли бы первый этап поступления в вуз, причём с большим запасом. Важный нюанс: авторы использовали не самые мощные версии моделей, а те, что были под рукой, — потенциал у ИИ явно выше.
Почему ии сдал экзамен: значение для будущего высшего образования
ШАД — один из самых сложных отборов в русскоязычном мире, туда годами не могли пробиться сильные студенты мехмата и физтеха. Если нейросети щёлкают такие задачи за 15–40 минут, это ставит вопрос ребром: что вообще измеряют вступительные экзамены, если автоматизация экзаменов уже возможна на уровне современных LLM?
Для нашей аудитории — предпринимателей и фрилансеров — вывод практичнее, чем кажется. Задачи, которые ещё недавно считались «интеллектуальным фильтром» для найма (аналитика, количественные тесты, технические собеседования с формализуемыми задачами), теперь можно прогнать через ИИ за минуты. Это касается не только поступления в вуз, но и любых формализованных проверок компетенций — тестов, скрининговых заданий, олимпиадных задач для найма джунов.
Где нейросеть для сдачи экзамена пока спотыкается
Даже у Claude нашлись слабые места, а по всем моделям систематически проседали:
- Системы линейных уравнений — средний балл 60%
- Амортизационный анализ алгоритмов — 67,5%
- Характеристические функции — 72,5%
- Минимальные остовные деревья и алгоритм Дейкстры — 75–80%
Задач, в которых ошиблись бы все пять моделей одновременно, не нашлось вообще — то есть слабые места у разных нейросетей не совпадают, и это скорее шум, а не системный барьер для ИИ в учёбе.
Что с этим делать читателю: используем нейросеть для подготовки к экзаменам
Если вы используете нейросети для учёбы, подготовки к экзаменам или найма — тестируйте актуальные модели на реальных задачах вашей сферы, а не полагайтесь на репутацию. Разброс результатов (от 63% до 99%) огромен, и выбор конкретной модели и способа её использования (API против coding harness) сильно меняет исход. Для бизнеса это сигнал присматриваться к автоматизации образования и скрининга уже сейчас, а не через пять лет — технология готова раньше, чем к ней готовы процессы.
Комментарии 0