Anthropic опубликовала исследование, свидетельствующее о переходе к фазе рекурсивного самосовершенствования искусственного интеллекта. Согласно данным компании, внутренняя модель Claude сейчас генерирует более 80% кода в основной кодовой базе, что в восемь раз увеличило продуктивность инженеров. Технология демонстрирует 76% успешность решения открытых задач без заранее заданных решений, что представляет трёхкратный рост по сравнению с показателями прошлого года.

Ключевым достижением стала новая модель Mythos Preview, ускорившая тренировочный процесс в 52 раза по сравнению с предыдущими бенчмарками. Статистика показывает, что в исследовательских сессиях система уже на 64% чаще человека выбирает оптимальный следующий шаг. Эти результаты побудили Anthropic выпустить публичную версию Mythos под названием Claude Fable 5, доступную до 22 июня во всех корпоративных тарифных планах.

Технические особенности Mythos включают специализацию на инженерных задачах, обработке знаний и компьютерном зрении, с жёсткими ограничениями в высокорисковых областях вроде биохимии. Компания также изменила монетизацию, перейдя от подписочной модели к кредитной системе после пробного периода. Этот шаг отражает растущие затраты на вычисления и может стать трендом для индустрии генеративного ИИ.

Контекстом развития стали проблемы инфраструктуры: GitHub фиксирует взрывной рост AI-генерированных pull request'ов до 17 миллионов в месяц, что привело к перегрузкам сервисов. Одновременно в России произошла временная блокировка PyPI, вызвавшая проблемы у разработчиков. Эти события подчёркивают растущую зависимость IT-экосистемы от ИИ-решений и их инфраструктурных последствий.

Для российского рынка новости имеют смешанное значение. С одной стороны, локальные разработчики получают доступ к мощным инструментам вроде OpenIDE с расширенной поддержкой мониторинга JVM, что позволяет частично компенсировать ограничения доступа к международным платформам. С другой — сохраняются системные риски, связанные с волатильностью доступа к критической инфраструктуре вроде PyPI и GitHub, что особенно актуально на фоне роста зависимости от ИИ-решений.

Развитие open-weights моделей, таких как Nemotron 3 Ultra от NVIDIA, предлагает российским разработчикам альтернативы, однако сохраняется существенное отставание в производительности от frontier-моделей типа Mythos. При этом переход Anthropic на кредитную систему монетизации может создать дополнительные финансовые барьеры для российских компаний, учитывая сложности с международными платежами.

Перспективы отрасли связаны с необходимостью балансировать между технологическим прогрессом и стабильностью инфраструктуры. Открытым остаётся вопрос о предложенном Anthropic механизме координации для возможной приостановки разработки frontier-моделей. Рост автономности ИИ ставит новые вызовы перед регуляторами и разработчиками во всех регионах, включая Россию, где одновременно с технологическим развитием приходится решать вопросы цифрового суверенитета и устойчивости ИИ-инфраструктуры.