Claude уже сам делает будущие модели Claude
Claude уже сам делает будущие модели Claude Anthropic впервые раскрыла цифры собственного индекса автоматизации R&D, и оказалось, что Claude уже самостоятельно ведёт 26% исследовательских и инженерных задач по созданию следующих моделей компании. Ещё свыше 90% таких задач выполняются с участием ИИ, а в феврале аналогичный показатель не дотягивал до 1%. Компания опубликовала данные за август 2026 года и обещала обновлять статистику регулярно. Компания использует шкалу уровней автоматизации, которую разработала независимая организация Epoch AI, и в ней шесть ступеней, от полного отсутствия ИИ в процессе до работы без человека в контуре управления. Уровень, который Anthropic называет «ведущим», соответствует AL4, а следующая ступень AL5 означает уже полную автономность. Модель на AL4 получает задачу на человеческом языке и тащит её от старта до финиша, пока человек проверяет итог, но до AL5 Claude пока не добрался ни в одной из измеряемых областей. Чтобы получить эти цифры, Anthropic построила подробную карту внутренней работы. В июле Claude анализировал деятельность случайной выборки сотрудников из каждого подразделения, которое участвует в создании моделей, а в выборку попала примерно пятая часть каждого такого отдела. Дальше вся эта масса задач ушла на сортировку и легла в основу методики: ▫️около 15 тысяч отдельных задач, которыми сотрудники занимались в течение месяца; ▫️542 категории, в которые эти задачи организовали по иерархии; ▫️378 самых конкретных видов деятельности вроде фикса багов в инфраструктуре ▫️оценки моделей или разбора инцидентов; ▫️отдельная модель Claude в роли судьи, которая присваивала каждой категории свой уровень автоматизации. Судьёй в этой схеме выступает всё тот же Claude, и Anthropic сама признала перекос методики, ведь модель может ошибаться примерно в тех же местах, что и система, которую она оценивает. Компания планирует в будущем звать сторонних проверяющих и другие модели для независимой оценки. Любопытно, что оценщиком автоматизации Anthropic назначила ту же самую нейросеть, чью работу и предстояло измерить, а других вариантов у компании пока попросту нет. Ещё нагляднее звучит цифра про агентов. По состоянию на август около 30 тысяч ИИ-агентов одновременно выполняли исследовательские и инженерные задачи на самой используемой внутренней платформе Anthropic. Это не самостоятельные цифровые сотрудники со свободным доступом к инфраструктуре, а участники системы контроля, которая работает в несколько слоёв. Каждое действие агента до выполнения проверяет онлайн-монитор, а цифры за август получились такие: ▫️больше миллиарда решений агентов прошли через онлайн-монитор за август; ▫️заблокировано было примерно 0,002% действий, то есть одно из 47 тысяч; ▫️заблокированные случаи потом разбирают сотрудники компании вручную; ▫️офлайн-монитор еженедельно отмечает для проверки около 100 тысяч ▫️транскриптов, из которых до людей доходит порядка 50 самых приоритетных. 🔗 Другие новости про хакеров, мошенников, утечки, ИБ, ИИ и ИТ можно прочитать здесь