ИИ прорыв от Anthropic?. Рано делать выводы, нужны не тесты, а опыт прикладного использования, причем серийного в различных сценариях, а пока лишь гипотезы и маркетинговые лозунги

ИИ прорыв от Anthropic?

Рано делать выводы, нужны не тесты, а опыт прикладного использования, причем серийного в различных сценариях, а пока лишь гипотезы и маркетинговые лозунги.

Рассуждая о новой модели Fable 5, нужно иметь в виду, что Anthropic готовится к IPO (это первая и одновременно последняя возможность разместиться сверх-дорого, пока в терминальном психозе, взвизгивающие от экстаза и припадков лудоманы, способны платить в разы больше истинной ценности).

Все это, чтобы успешно нахлобучить обезумевших лудоманов на триллион+, поэтому в медийном разгоне будут активно эксплуатировать тему AGI, технологической сингулярности и исключительности продуктов Anthropic в бизнес-задачах, чтобы подхватить рыночный хайп и корпоративный спрос на ИИ-решения Anthropic.

Например, Anthropic предупредила, что

системы развиваются настолько быстро, что вскоре могут достичь рекурсивного самоулучшения (RSI) автономного совершенствования без вмешательства человека.

Это только начало, впереди много медийной требухи, но одновременно и интересных решений в области LLMs.

Я так зацепился за новый анонс Anthropic, потому что в презентации были задекларированы закрытия многих архитектурных дыр и уязвимостей, которые я активно описывал в 2024-2025, т.е. это реально заявка на решительное превосходство и способность перехвата прикладных задач в бизнесе и науке.

Во-вторых, презентация Anthropic это дорожная карта для всех других LLMs в ближайшие годы. Вероятно, не все из объявленного будет работать сразу, но это скорее проекция намерений.

Во всяком случае, полезно и интересно наблюдать за траекторией развития флагманов индустрии.

Да, сложно уместить 350-страничную системную карту в один или даже несколько постов, но все же попробую расставить акценты.

Способность к длительной автономной работе над сложной задачей. Именно здесь, судя по документу Anthropic, проходит основная линия разрыва между Fable 5 и прежними моделями.

Речь идет не о способности дать более красивый ответ на один запрос, а о способности удерживать цель, промежуточные зависимости, ограничения и рабочую логику на протяжении длинного процесса.

Это принципиально иной режим использования LLM: не справочник, не генератор текста, не ассистент для одного действия, а инструмент для выполнения сложной последовательности операций.

Преимущество Fable 5 растет именно там, где задача многослойна, плохо формализована и требует не одного ответа, а серии проверяемых решений.

В этом и заключается ключ перехода к цепочке трансмиссии в агентные возможности, куда и концентрируются основные ресурсы Anthropic и где наибольшее преимущество новых моделей.

Агентная работа LLMs предполагает полуавтоматическую или полностью автономную работу с возможностью консолидации инструментов под конкретную задачу с жесткими критериями верификации и следованию инструкциями

ИИ-агент это автономная система на базе LLM, которая получает цель, самостоятельно декомпозирует её на шаги и итеративно идёт к результату в цикле планирование действие инструментами оценка результата коррекция, вызывая внешние инструменты (код, поиск, API, файлы, суб-агенты) и удерживая контекст на протяжении всего процесса. Ключевое отличие от обычного чат-интерфейса не один ответ на запрос, а серия проверяемых действий, доводящих задачу до верифицированного конечного результата при минимальном участии человека.

Это один из центральных акцентов Anthropic в рамках презентации Fable 5.

Длинный контекст и способность сохранять стабильность на значительной глубине извлекаемых данных.

Один миллион токенов сам по себе не является прорывом, если модель теряет причинно-следственные связи, путает факты, исходные данные и галлюцинирует.

Ранее я неоднократно описывал, что один из ключевых архитектурных багов современных LLMs фундаментальная неспособность удерживать и эффективно воспроизводить длинный контекст без потери содержания.

В тестах Anthropic в значительно степени решает эти проблемы, но без длинного и стабильного контекста в принципе исключена полноценная ИИ-агентов