Claude ведёт 26% задач R&D в Anthropic — AI-дайджест

Claude ведёт 26% задач R&D в Anthropic — AI-дайджест

Anthropic впервые показала автоматизацию собственной разработки цифрами: доля задач под управлением Claude выросла с 1% до 26% за полгода. Mozilla оценила отставание открытых весов Китая в 4,4 месяца, а внутренний монорепозиторий OpenAI вскрыли за 72 часа.

Главное сегодня

Anthropic: долю задач разработки под управлением Claude подняли с 1% до 26% за полгода

Anthropic опубликовала три измерения собственной разработки — сколько работы по R&D делает ИИ, насколько хорошо надзираются агенты и как распределяется вычислительный ресурс. Это редкий случай, когда лаборатория показывает внутреннюю автоматизацию цифрами, а не ощущениями. В разборе опубликованного приводятся более резкие числа: доля задач разработки моделей, которые ведёт Claude, поднялась с 1% до 26% примерно за шесть месяцев, более чем в 90% работ по разработке моделей Claude участвует как соавтор или ведущий, а внутри компании активны около 30 000 агентов. Эти три цифры пришли из стороннего разбора, а не из самой публикации, поэтому относиться к ним стоит сдержаннее, чем к трём заявленным метрикам. Важно тут не конкретное число, а сам жест: автоматизация лаборатории впервые предъявлена как предмет замера.

Mozilla: разрыв между открытыми весами Китая и США сократился до 4,4 месяца

Отчёт Mozilla «State of Open Source AI» оценивает отставание ведущих китайских открытых моделей от передовых американских в 4,4 месяца — цифра из самого отчёта, опубликованного на stateofopensource.ai. Открытые веса — это модели, у которых опубликованы сами параметры, поэтому их можно запускать и дообучать у себя, не обращаясь к чужому API. Пересказ Tom's Hardware формулирует главное иначе: паритета по сложным бенчмаркам нет, а вот стоимость вывода у китайских моделей заметно ниже. В обсуждении 17 сентября 2026 года методику оспорили: читатели усомнились в порядке моделей в рейтинге и в устройстве опросной части. Подборка открытых инструментов, которые уже можно развернуть у себя, — в разделе Open Source на AI SKILLS, а что вообще значит «открытые веса» — в гайде по open-source-моделям.

Трое исследователей дошли до внутреннего монорепозитория OpenAI меньше чем за 72 часа

Три исследователя с помощью Claude Opus 5 собрали цепочку эксплойтов от бага загрузки изображений до доступа в подключённые сервисы OpenAI и подтвердили результат пулл-реквестом во внутренний монорепозиторий компании — так это описывают сами авторы. Цепочка эксплойтов — это связка из нескольких мелких уязвимостей, каждая из которых по отдельности выглядит безобидной, а вместе они дают полный доступ. По пересказу хода работы на всё ушло меньше 72 часов и несколько тысяч долларов на токены; об инциденте сообщила WSJ. Технический вывод не в том, что «ИИ в кибербезопасности — это страшно», а в том, что автоматизация цепочек стала практичной против обычной поверхности интеграций: единый вход, форумы, почта, подключённые рабочие сервисы.

Stellar Colosseum и Agora: многоагентные харнесы с явной памятью вместо «роёв»

Stellar Colosseum — модель-независимый многоагентный харнес для математики и теоретической информатики, который разводит стратегию, декомпозицию, решение подзадач и проверку по отдельным ролям; заявленные результаты — рейтинг 4263 на Codeforces и 71,0% на TCS-Bench. Харнес — это обвязка вокруг модели: какие инструменты ей дают, как режут задачу и сколько ходов отводят. Рядом появилась Agora, где общей памятью тринадцати воркеров служат коммиты в Git: за двенадцать дней система воспроизводимо продвинулась в задаче инициализации моделей вообще без обновления весов. Общее направление — прочь от расплывчатых «роёв агентов» к явным структурам памяти, схемам декомпозиции и воспроизводимости. Готовые сценарии такой обвязки для рабочих задач собраны в шаблонах автоматизаций AI SKILLS.

Цифры и факты

Разные точки зрения: 10% вероятности вымирания за десятилетие — это оценка или риторика?

Группа математиков во главе с Тимоти Гауэрсом направила в Королевское общество открытое письмо, где называет происходящее чрезвычайной ситуацией и настаивает, что оценку в 10% вероятности вымирания человечества в этом десятилетии нельзя отмахивать как хайп — текст письма опубликован 18 сентября 2026 года. Авторы указывают, что свежие модели OpenAI и Anthropic приближаются к уровню сильнейших людей в математике, и требуют внимания властей к рискам в кибербезопасности, оружии, биологии и дезинформации.

За. Резкий скачок в математике — не отраслевая мелочь, а признак роста общих способностей; если он произошёл быстрее ожиданий, то и остальные пороги могут быть пройдены раньше, чем к ним успеют подготовиться.

Нейтрально. Сверхчеловеческая математика полезна как инструмент: часть читателей письма видит в ней ускорение работы над трудными задачами физики и биомедицины при условии, что специалист остаётся в контуре принятия решений.

Против. Критики письма бьют ровно в цифру: к оценке в 10% не приложено ни методики, ни базовой ставки, ни границ неопределённости, поэтому она читается как экспертная догадка, а не как расчёт. Отдельный довод — что правдоподобнее не автономное вымирание, а ИИ в руках безответственных людей.

Инструменты и приёмы

1. Сцена в гауссовых сплатах из орбитального ИИ-видео. Приём такой: попросить видеомодель удержать объект неподвижным и провести камеру полным кругом на 360°, вынуть кадры, прогнать COLMAP с камерой SIMPLE_PINHOLE и отдать результат в Postshot или Brush. Автор разбора отдельно поправляет главный источник ошибок: стартовым и конечным кадром должно быть одно и то же изображение, иначе круг не сходится. В комментариях предлагают GLOMAP как более быструю замену COLMAP.

2. Персонаж по референсу в два шага. Vision-модель Gemma 4 на 12 миллиардов параметров читает картинку-референс и пишет по ней подробный промпт, который затем исполняет Krea 2; готовый воркфлоу выложен на Pastebin, стиль держит LoRA на Civitai. Сильная часть связки — способность Krea 2 удерживать длинный сложный промпт; сам промпт можно собрать и генератором промптов AI SKILLS.

3. Зонды активаций против накрутки награды. Prime Intellect показала, что зонды по активациям ловят reward hacking не хуже модели-судьи и стоят дешевле; Goodfire до этого заявила, что накрутка награды распространена у открытых моделей на агентных бенчмарках. Если вы гоняете агентов по своим задачам, это дешёвый способ понять, решает модель задачу или обманывает метрику.

Коротко