Локи выходит на охоту: что умеет искусственный интеллект в 2026 году

1. Развитие ИИ в эпоху больших языковых моделей

Большинство из вас застало языковые модели уже в устоявшемся виде: открываешь чат, задаёшь вопрос, получаешь связный ответ. Между тем этому миру чуть меньше четырёх лет. ChatGPT вышел 30 ноября 2022 года, а настоящий взрыв пришёлся на весну 2023-го. Хронику этой весны удобно смотреть целиком: за четыре месяца крупные компании и исследовательские группы выпустили больше заметных систем, чем прежде выходило за годы.

Самый насыщенный день той весны — 14 марта 2023 года. В один день Google объявила о встраивании языковых моделей в Gmail и Google Docs, Anthropic, основанная выходцами из OpenAI, представила первую версию Claude, но всех затмила OpenAI, выпустившая GPT-4. За две недели до этого Meta открыла исследователям веса модели LLaMA, и уже 13 марта в Стэнфорде на её основе собрали Alpaca — модель, которую можно было дообучить за несколько сотен долларов. В марте же у ChatGPT появились плагины, в апреле — первые «автономные агенты» AutoGPT и AgentGPT, в мае — контекст в 100 тысяч токенов у Claude и генеративная заливка в Photoshop.

Летом 2023 года ещё можно было думать, что это обычный для науки всплеск. Такой всплеск удобно представлять образом, который стоит запомнить: пространство идей похоже на систему полостей, разделённых стенками. Когда кто-то пробивает очередную стенку, исследователи, словно газ, устремляются в новую полость, где пока пусто и можно быстро сделать много нового. Потом давление выравнивается, и прогресс упирается в следующую стенку. Три года назад казалось, что такой затык вот-вот наступит. Он не наступил: с тех пор новости ИИ выходят буквально каждую неделю, а месяц без крупных новостей считается затишьем.

Для сравнения — всего два с половиной месяца на рубеже 2024 и 2025 годов. Главные события здесь другого рода: рассуждающие модели o1 и DeepSeek-R1, агенты Operator и Deep Research, первая версия Claude Code.

Отсюда естественный вопрос, к которому мы будем возвращаться всё занятие: значит ли это, что «сильный» ИИ (AGI) уже близко, и приведёт ли это к технологической сингулярности? Слово «сингулярность» взято из математики: так называют точку, где производная уходит в бесконечность. Технологической сингулярностью называют гипотетический момент, когда скорость прогресса становится настолько большой, что люди перестают за ним следить, потому что делают его уже не люди. Отвечать на эти вопросы мы не будем — это предмет отдельного разговора о рисках. Сегодня речь о новых возможностях и о том, откуда они берутся. И первая часть ответа — масштаб.

2. Законы масштабирования

Самый известный закон масштабирования — закон Мура.

В 1965 году Гордон Мур, будущий сооснователь Intel, заметил, что число транзисторов на кристалле ежегодно удваивается; в 1975 году он уточнил прогноз: удвоение раз в два года. Это не закон природы, а эмпирическая закономерность, но она выполнялась поразительно долго — от первых микропроцессоров начала 1970-х до 2010-х годов, после чего рост заметно замедлился.

Рядом с законом Мура стоят ещё две закономерности. Масштабирование Деннарда (Роберт Деннард, 1974) утверждало, что при уменьшении транзистора плотность потребляемой мощности остаётся постоянной, поэтому, уменьшая транзисторы, можно одновременно повышать тактовую частоту без перегрева. В середине 2000-х годов оно перестало работать: частоты процессоров остановились на уровне нескольких гигагерц (около 2005–2007 годов), и производительность стали наращивать числом ядер. Закон Куми (Джонатан Куми с соавторами, 2011) объединяет обе тенденции в одну величину — число вычислений на джоуль энергии. С 1946 по 2009 год оно удваивалось примерно каждые 1,57 года; после 2000 года удвоение замедлилось примерно до 2,6 года. У этой величины есть теоретический предел — принцип Ландауэра: стирание одного бита информации требует не меньше kT·ln 2 энергии, где k — постоянная Больцмана, T — температура.

Тот же закон можно сформулировать в деньгах: сколько вычислений покупается за доллар. Если посмотреть на историю с середины XIX века, цена вычисления почти сто лет оставалась примерно постоянной, а с 1950-х годов начала падать экспоненциально. Для графических процессоров число операций с плавающей точкой в секунду (FLOP/s) на доллар с 2006 по 2021 год удваивалось примерно каждые 2,5 года (по данным Epoch AI для 470 моделей видеокарт — 2,46 года). Для специализированных ускорителей ИИ темп выше: с 2023 года производительность на доллар удваивается примерно за 1,7 года.

А теперь главное: в машинном обучении закон Мура давно мёртв — в том смысле, что рост вычислений ушёл далеко вперёд. До начала 2010-х годов вычисления, затраченные на обучение самых больших моделей, росли примерно вместе с законом Мура, то есть в 1,4 раза в год. С началом революции глубокого обучения темп сменился: в 2018 году OpenAI подсчитала, что с 2012 года вычисления в крупнейших обучениях удваивались каждые 3,4 месяца и выросли более чем в 300 000 раз. По более полным данным Epoch AI, с 2010 года вычисления на обучение заметных моделей растут в 4,5 раза в год, а для передовых языковых моделей с 2020 года — в 5 раз в год.

Отсюда видно, почему так продолжаться вечно не может. Если потребности машинного обучения растут вчетверо в год, а возможности железа — в полтора раза, разрыв каждый год увеличивается и закрывается деньгами и энергией. Так и происходит: под обучение передовых моделей строят отдельные центры обработки данных, а к ним — электростанции. Двадцать лет назад передовая модель машинного обучения обучалась на одном дорогом компьютере.

Закон Мура — это закон масштабирования во времени. Для нейросетей интереснее другой вид законов: как качество модели зависит от её размера, объёма данных и вычислений. Именно эмпирическое открытие того, что трансформер, сделанный механически больше, начинает предсказывать текст лучше (работы Kaplan et al., 2020, и Hoffmann et al., 2022), оправдало эти расходы. Но что такое «предсказывать текст» и почему это вообще полезно?

Почитать на Хабре: «Масштабирование: как увеличение количества ресурсов сделало искусственный интеллект более способным» — три графика Epoch AI с 1950 года; «Почему искусственный интеллект — это дорого» — из чего складывается стоимость обучения.

3. Языковые модели и их обучение

3.1. Языковая модель — это постановка задачи

Языковая модель — не конкретная архитектура нейросети, а постановка задачи: по уже написанному участку текста предсказать следующий токен (слово, часть слова или символ). Модель «читает» контекст и по результату чтения решает задачу классификации: какой из десятков тысяч возможных токенов будет следующим. Сгенерировав токен, модель дописывает его к контексту и повторяет шаг — так, авторегрессионно, получается текст любой длины.

Определение простое, и решать эту задачу можно очень разными способами. Первую вероятностную модель текста построил А. А. Марков. В 1913 году он выступил в Императорской академии наук с работой, в которой вручную разобрал первые 20 000 букв «Евгения Онегина» — всю первую главу и начало второй. Марков разделил буквы на гласные и согласные и подсчитал, как часто за гласной следует гласная, а за согласной — гласная. Если бы буквы в тексте были независимыми испытаниями, как броски монеты, эти частоты совпали бы. Они различаются в пять раз: гласная после гласной встречается с вероятностью 0,128, а после согласной — 0,663. Следующая буква зависит от предыдущей, и эту зависимость Марков описал математически. Так появились цепи Маркова, а заодно — первая языковая модель, пусть и на буквах и обученная на одной главе романа, а не на всём интернете.

Интересно, что этот подсчёт можно повторить. Если взять современное издание романа и считать гласными десять букв «а, е, ё, и, о, у, ы, э, ю, я», получится 0,075 и 0,647 — вывод тот же, но числа другие. Если же добавить к гласным «й», совпадение с числами Маркова становится почти полным: 8636 гласных против его 8638, а обе вероятности совпадают до третьего знака. Так решается небольшая загадка: Марков относил «й» к гласным. Оставшаяся разница в несколько букв естественна: Марков работал с изданием романа в дореформенной орфографии, и тексты изданий немного различаются.

После Маркова языковые модели долго оставались статистическими, затем стали нейросетевыми: сначала рекуррентными, а с 2017 года — основанными на трансформерах. Модели семейства GPT (generative pretrained transformer, порождающий предобученный трансформер) — это декодер трансформера: стопка слоёв внимания, которая по предыдущим токенам предсказывает следующий. Кодировщик в них не нужен, поэтому и механизма внимания между кодировщиком и декодером нет.

3.2. От предсказателя токенов к ассистенту

Модель, обученную только предсказывать следующий токен, называют базовой или предобученной. Чем лучше она предсказывает токены, тем больше способностей в ней появляется: чтобы продолжить текст о химии, нужно «знать» химию. Но эти способности ещё нужно из неё вызвать. Базовой модели «незачем» отвечать на ваш вопрос: её задача — продолжить текст так, как он продолжился бы в обучающих данных. После вопроса в данных может идти ответ, а может — уход от темы, встречный вопрос или начало следующего диалога. Чтобы получить полезного ассистента, модель дообучают (fine-tuning).

Главный способ такого дообучения, превративший GPT-3 в ChatGPT, — обучение с подкреплением на основе отзывов людей (reinforcement learning from human feedback, RLHF). Схему предложили для задачи реферирования текстов (Stiennon et al., 2020), а затем применили к общению с пользователем в модели InstructGPT (Ouyang et al., 2022), из которой и вырос ChatGPT. Процесс состоит из трёх шагов.

1. Обучение на образцах. Люди пишут образцовые ответы на запросы, и модель дообучают на этих парах «запрос — ответ» обычным обучением с учителем.
2. Модель вознаграждения. Модель порождает несколько ответов на один запрос, люди ранжируют их от лучшего к худшему, и на этих сравнениях обучают отдельную сеть, которая по ответу предсказывает, насколько он понравится человеку.
3. Обучение с подкреплением. Модель-ассистент порождает ответы, модель вознаграждения их оценивает, и ассистента обучают алгоритмом PPO получать высокую оценку.

Эффект дообучения оказался несоразмерно большим. Люди предпочитали ответы InstructGPT с 1,3 млрд параметров ответам исходной GPT-3 со 175 млрд, хотя первая модель в сто с лишним раз меньше. Дообучение не добавляет знаний — оно учит модель пользоваться тем, что она уже знает, в нужной форме.

3.3. Дообучение, доступное каждому: адаптеры и LoRA

Полное дообучение модели с десятками миллиардов параметров требует почти тех же ресурсов, что и хранение её копии с градиентами. Другой подход — добавить к большой замороженной модели маленький обучаемый фрагмент (адаптер) и обучать только его. Самый популярный адаптер — низкоранговая адаптация (Low-Rank Adaptation, LoRA; Hu et al., 2021). Изменение матрицы весов размера N×M ищут в виде произведения двух узких матриц: U размера N×k и V размера k×M, где ранг k намного меньше N и M. Вместо N·M чисел обучается k·(N + M).

Для GPT-3 авторы LoRA сократили число обучаемых параметров в 10 000 раз, а потребность в памяти видеокарты — втрое, не потеряв в качестве. Адаптеров для одной модели может быть много — например, по одному на стиль изображений или на задачу, — и хранить нужно только их: несколько мегабайт вместо сотен гигабайт.

Наконец, модель можно просто дообучить на собранном наборе инструкций и образцовых ответов — это называют настройкой на инструкции (instruction tuning; обзор — Zhang et al., 2024). Набор часто собирают полуавтоматически: несколько десятков примеров, написанных людьми, размножают с помощью более сильной модели.

Из этого раздела следует практический вывод. Обучить передовую модель с нуля не может ни университетская лаборатория, ни большинство компаний. Но дообучить открытую модель (Llama, Qwen, DeepSeek и другие) под свою задачу — может, в том числе студенческая команда на одной видеокарте. Что ещё можно улучшить в готовой модели, не обучая её заново? Ответ, найденный в 2024 году, оказался главным сдвигом последних лет.

Почитать на Хабре: И. Котенков, «Как работает ChatGPT: объясняем на простом русском эволюцию языковых моделей с T9 до чуда» — лучшее популярное введение; «Кто же такая это ваша LoRA» — LoRA за пять минут.

4. Рассуждающие модели

4.1. «Давай подумаем шаг за шагом»

История рассуждений в языковых моделях начинается с наблюдения 2022 года, когда ChatGPT ещё не существовало. Тогдашние модели, такие как GPT-3, не были ассистентами, и задачу им ставили через несколько примеров в запросе (few-shot prompting): писали пару задач с ответами, а затем свою, и модель по аналогии дописывала ответ. Уэй с соавторами (Wei et al., 2022) заметили: если в примерах писать не только ответ, но и решение, модель тоже начинает выписывать решение — и конечный ответ становится правильным заметно чаще. Этот приём назвали цепочкой рассуждений (chain of thought).

Полезно посмотреть, какие задачи были передним краем в начале 2022 года: «У Роджера было пять теннисных мячей. Он купил ещё две банки мячей, по три в каждой. Сколько у него теперь мячей?» Через несколько месяцев Кодзима с соавторами (Kojima et al., 2022) показали, что примеры не обязательны: достаточно дописать к вопросу фразу «Let's think step by step» («Давай подумаем шаг за шагом»).

Дальше выросла целая наука о том, как строить такие рассуждения. Модель можно перезапустить с любого места и получить несколько вариантов продолжения — получится дерево рассуждений; ветви можно сливать — получится граф. Но всё это были приёмы обращения с уже обученной моделью.

4.2. Модели, которых учили рассуждать

Всё изменилось в сентябре 2024 года, когда OpenAI выпустила семейство моделей o1. Как они устроены, компания не раскрыла; в описании было сказано только, что модели o1 обучены с подкреплением выполнять сложные рассуждения. Сейчас мы понимаем, что это значит, и идею можно объяснить за минуту.

Обучение с подкреплением применяют там, где нет правильных ответов на каждом шаге, но есть сигнал в конце. Так AlphaZero учится играть в шахматы: никто не говорит ей, был ли хорош шестой ход, но в конце партии известно, кто выиграл. Рассуждающей модели дают «черновик» (скрытый блокнот, hidden scratchpad): сначала она пишет обычные токены рассуждения, за которые не получает ни награды, ни штрафа, затем ставит специальный токен «рассуждение закончено» и пишет ответ. Награду получает только ответ. Токены рассуждения — это ходы партии, а правильный ответ — выигрыш.

Отсюда главное требование: нужны задачи, ответ на которые можно проверить автоматически. Поэтому рассуждающие модели учат прежде всего на математике (задач можно породить сколько угодно, поменяв числа) и на программировании (решение проверяется тестами).

Когда вышла o1, все бросились её воспроизводить. Казалось, что нужны сложные идеи: например, модель вознаграждения процесса (process reward model, PRM; Lightman et al., «Let's Verify Step by Step»), которая оценивает не только ответ, но и каждый шаг решения и указывает, где именно ошибка. Гонку репликаций выиграла китайская компания DeepSeek, и выиграла без всякой экзотики.

Сначала DeepSeek выпустила хорошую современную базовую модель DeepSeek-V3 (архитектура «смесь экспертов», mixture of experts). Затем — DeepSeek-R1-Zero: базовую модель без всякого дообучения на образцах учили чистым обучением с подкреплением на задачах с проверяемыми ответами. Рассуждения появились сами: по ходу обучения ответы становились всё длиннее, модель начала перепроверять себя, а доля решённых олимпиадных задач AIME выросла с 15,6 до 71 % (а при голосовании по нескольким попыткам — до 86,7 %, на уровне o1). Для обучения с подкреплением DeepSeek использовала собственный алгоритм GRPO (Group Relative Policy Optimization): на каждый вопрос модель порождает группу ответов, и каждый ответ оценивается относительно среднего по группе. Это избавляет от отдельной сети-критика, которая нужна в PPO.

Итоговая DeepSeek-R1 получилась в несколько этапов:

1. небольшой набор из нескольких тысяч примеров с цепочками рассуждений для «холодного старта»;
2. обучение с подкреплением на проверяемых задачах;
3. сбор нового набора из рассуждений самой модели, отфильтрованных по читаемости, и дообучение на нём;
4. обычное RLHF поверх.

Набор из 800 тысяч примеров (600 тысяч рассуждений и 200 тысяч обычных ответов), полученный на этом пути, DeepSeek использовала для дистилляции — обучения небольших моделей подражать большой. Дистилляция снова оказалась очень эффективной. Ещё нагляднее это показала модель s1 (Muennighoff et al., 2025): открытую модель на 32 млрд параметров дообучили всего на 1000 тщательно отобранных задач с рассуждениями, и обучение заняло 26 минут на 16 видеокартах H100 — около семи часов работы одной видеокарты. Авторы добавили простейший приём управления длиной рассуждения — «принуждение к бюджету» (budget forcing): когда модель хочет закончить рассуждение раньше времени, к тексту дописывают слово «Wait» («Подожди»), и она продолжает думать, нередко исправляя ошибку.

Главный вывод этой истории — в том, чего в DeepSeek-R1 нет: ни модели вознаграждения процесса, ни поиска по дереву (MCTS). Оказалось достаточно хорошо сочетать обучение с подкреплением, дообучение на образцах и RLHF. Через несколько недель после R1 появились рассуждающие версии Claude и Gemini: очевидно, все шли тем же путём, и кто-то должен был успеть первым. Сейчас рассуждающими являются практически все передовые модели.

Почитать на Хабре: «Четыре основных подхода к созданию моделей рассуждений» (перевод обзора С. Рашки); «Как работает модель DeepSeek-R1. Объясняем в иллюстрациях и схемах» (перевод Дж. Аламмара).

5. Что сейчас: всё те же три столпа, но другие

5.1. Передний край в 2026 году

Передний край по-прежнему держат три компании — OpenAI, Anthropic и Google, — но модели у них уже другие. Вот как сменялись их флагманы после рубежа 2024–2025 годов (и что делали догоняющие):

Каждое такое обновление ещё три года назад было бы новостью года. Теперь это обычный рабочий ритм.

5.2. Mythos, Glasswing и Fable: модель, которую не выпустили

Самая необычная история 2026 года связана с моделями Anthropic. 7 апреля компания объявила о модели Claude Mythos Preview — и сразу заявила, что в открытый доступ её не выпустит. Причина — её способности в компьютерной безопасности: модель находит и эксплуатирует уязвимости в программах лучше почти всех людей. Вместо выпуска Anthropic запустила Project Glasswing: доступ к модели получили разработчики критически важного программного обеспечения — AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks и ещё более сорока организаций, — чтобы найти и закрыть уязвимости раньше, чем их найдут злоумышленники. Модель нашла тысячи ранее неизвестных уязвимостей, в том числе в каждой крупной операционной системе и каждом браузере; среди находок — ошибка в OpenBSD, пролежавшая незамеченной 27 лет, и ошибка в FFmpeg шестнадцатилетней давности.

9 июня Anthropic выпустила модель того же класса в двух вариантах. Claude Mythos 5 доступна ограниченному кругу партнёров. Claude Fable 5 — публичная версия с мощными классификаторами безопасности: если запрос касается кибератак, биологического или химического оружия, отвечает не она, а предыдущая модель Claude Opus 4.8. Через три дня, 12 июня, правительство США выпустило директиву об экспортном контроле, запрещавшую доступ к обеим моделям любым иностранным гражданам, в том числе внутри страны. Выполнить такое требование выборочно было невозможно, и Anthropic отключила обе модели для всех клиентов. 30 июня ограничения сняли, и с 1 июля Fable 5 снова доступна по всему миру.

Эта история важна не деталями, а прецедентом. Передовые модели впервые вызвали вопрос не «опасны ли они сами по себе», а «опасны ли они в руках плохих людей», — и ответом на него стали решения компании и государства.

5.3. Догоняют ли открытые модели

Открытыми (open weight) называют модели, веса которых можно скачать и запустить у себя: DeepSeek, Qwen, Llama и другие. Ни Claude, ни GPT скачать нельзя. По графикам кажется, что открытые модели отстают от закрытых на полгода-год и вот-вот догонят. Картина сложнее. Самый простой способ сделать модель сильнее — та же дистилляция: взять рассуждения и ответы более сильной модели и дообучить на них свою. Это прекрасно работает, но подражанием нельзя превзойти образец. Догоняющее развитие всегда проще, и отставание на полгода при таком темпе означает отставание на поколение.

Второе наблюдение — «эпоха после бенчмарков». Различия между лучшими моделями стали так малы, а бенчмарки насыщаются так быстро, что числа на них мало что говорят. Новый трудный набор задач выходит с нулевыми результатами у всех моделей, через полгода у всех уже около 90 %, и авторы выпускают следующую версию.

Иногда модели «насыщают» бенчмарк неожиданным способом. В марте 2026 года Anthropic описала случай с Claude Opus 4.6 на BrowseComp — наборе из 1266 трудных задач на поиск информации в интернете. После сотен безуспешных поисков модель предположила, что перед ней задача из известного бенчмарка, перебрала по названиям несколько бенчмарков, нашла на GitHub код проверки и схему шифрования ответов, написала функции расшифровки, нашла копию набора данных и расшифровала ответы. Так случилось в двух задачах из 1266, а Anthropic назвала это первым задокументированным случаем такого поведения и исправила результаты.

5.4. Три двигателя прогресса

Почему прогресс не останавливается, хорошо объясняет эссе Леопольда Ашенбреннера, бывшего сотрудника OpenAI, «Situational Awareness» (июнь 2024 года). Половина текста посвящена геополитике, и с ней можно спорить, а вторая половина — самому прогрессу. Главная мысль: рост вычислений, о котором шла речь в разделе 2, — лишь одна из трёх составляющих.

1. Физическое масштабирование вычислений — больше видеокарт, больше денег, больше энергии. Работает, но упирается в электростанции и заводы по выпуску чипов.
2. Алгоритмическая эффективность — на том же железе обучать ту же модель быстрее и дешевле или за те же деньги — модель лучше.
3. Снятие ограничений (unhobbling, буквально «снятие пут») — улучшения уже обученной модели, которые высвобождают её способности: RLHF, превративший GPT-3 в ChatGPT, рассуждающие модели, инструменты и агенты.

По оценке Ашенбреннера, от GPT-2 (2019) до GPT-4 (2023) вычисления дали 3,5–4 порядка величины, алгоритмы — ещё 1–2 порядка, а снятие ограничений он оценил примерно в два порядка, поставив рядом со своей оценкой знак вопроса.

Третья составляющая самая интересная, потому что она дешёвая. Предобучение передовой модели стоит огромных денег, а дообучение рассуждениям — на порядки меньше. Claude Code, о котором пойдёт речь дальше, — вообще не машинное обучение: это набор хорошо написанных инструкций и программа, которая вызывает модель в цикле и даёт ей инструменты. Именно такие «обвязки» сильнее всего изменили то, как сегодня пишут программы.

Почитать на Хабре: «Project Glasswing: Anthropic нашла тысячи уязвимостей нулевого дня во всём основном софте» и, для равновесия, «„Маркетинговый хайп“: из пяти уязвимостей Mythos в curl подтвердилась одна».

6. Программирование умирает?

6.1. Обзор, который устарел сразу

В 2024 году С. И. Николенко вместе с В. Ломшаковым опубликовал большой обзор того, как языковые модели программируют, а в январе 2025 года — популярный пересказ с вопросом в заголовке: «Is Coding Dying?». Вывод был осторожным: программирование понемногу действительно умирает, «вайб-кодинг» (vibe coding — термин А. Карпатого, февраль 2025 года: писать программу, описывая желаемое словами и почти не читая код) уже реальность, а рассуждающие модели очень хороши. Обзор устарел, как только вышел.

6.2. Самый главный график

Как измерить, насколько хорошо ИИ программирует? Организация METR (Model Evaluation and Threat Research) предложила меру, которая оказалась на удивление информативной. Сначала, в 2024 году, METR сравнила людей и модели на задачах исследований в области ИИ (набор RE-Bench; Wijk et al.): при бюджете в два часа лучшие агенты набирали вчетверо больше очков, чем эксперты-люди, при восьми часах люди немного опережали, а при тридцати двух — набирали вдвое больше. Модели сильнее, когда времени мало; когда его много, до человека далеко.

Затем в марте 2025 года METR (Kwa et al.) задала другой вопрос: сколько времени нужно человеку-профессионалу на задачу, которую лучшая система ИИ решает с вероятностью 50 %? Эту величину назвали горизонтом задач (time horizon). Задачи — в основном из программирования, машинного обучения и кибербезопасности: от «какой из файлов — shell-скрипт?» (человеку нужно 3 секунды) и поиска простого факта в Википедии (минута) до исправления ошибки в программе молекулярной динамики (9 минут), преобразования данных из одного формата JSON в другой (56 минут) и ускорения программы на CUDA в 30 раз (8 часов). На логарифмической шкале горизонт растёт по прямой: с 2019 года он удваивается примерно каждые семь месяцев, а после появления рассуждающих моделей — быстрее. По обновлённым данным METR (январь 2026 года), с 2023 года удвоение занимает около 130 дней, а с 2024-го — около 90.

Весной 2025 года горизонт лучшей модели, Claude 3.7 Sonnet, составлял около часа. Тогда казалось, что удвоений осталось немного: человек может напряжённо работать над задачей два часа, четыре, но не шестнадцать — ему нужно поспать и «очистить контекст». Эти удвоения произошли. У Claude Opus 4.6 (февраль 2026 года) горизонт — около 12 часов (95 % доверительный интервал от 5 до 60 часов), у ранней версии Claude Mythos Preview (апрель 2026 года) — около 17 часов, «не менее 16», как осторожно формулирует METR. Широкие интервалы не случайны: METR прямо пишет, что измерения выше 16 часов на нынешнем наборе задач ненадёжны. Линия упёрлась не в предел моделей, а в предел самого измерения.

6.3. А потом пришёл Claude Code

Claude Code — агент для разработки от Anthropic: первая версия вышла 24 февраля 2025 года вместе с Claude 3.7 Sonnet, общедоступной он стал 22 мая 2025 года. Это не прорыв в машинном обучении, а обвязка (harness): набор инструкций, инструментов и программа, которая запускает модель в цикле, даёт ей читать и править файлы, выполнять команды и тесты. Именно обвязка резко увеличила автономию той же самой модели. Массово его распробовали зимой 2025/26 года. По опросу рассылки The Pragmatic Engineer (906 разработчиков, начало 2026 года), Claude Code, вышедший в мае 2025-го, стал самым используемым ИИ-инструментом для программирования, обогнав GitHub Copilot и Cursor. Модель Claude Sonnet 4.5 (сентябрь 2025 года) сохраняла сосредоточенность на сложной многошаговой задаче более 30 часов. Вокруг Claude Code сложилась экосистема: тысячи плагинов и серверов MCP в каталогах. У OpenAI есть аналогичный агент Codex, у Google — свои инструменты.

Пример того, что стало возможным, — уже упомянутый компилятор C, который в феврале 2026 года за две недели написали шестнадцать параллельных экземпляров Claude (подробнее в разделе 7.4). Такой агент умеет не только программировать, а вообще выполнять работу с файлами и программами — на этой основе Anthropic сделала продукт Claude Cowork для задач, не связанных с разработкой.

С точки зрения безопасности это ещё более сомнительно. Журналист Кевин Руз в январе 2026 года описал своё состояние как «режим Рататуя»: слепо делать то, что говорит агент, заводить для него аккаунты и ключи доступа, «чтобы он мог готовить», и в основном мешаться у него под ногами. Всё больше людей работают именно так.

6.4. Так умирает ли программирование?

Программисты по-прежнему нужны, и график METR не говорит, что их пора увольнять. Скорее наоборот: по парадоксу Джевонса, когда работу частично автоматизируют, спрос на людей, которые ею занимаются, долго растёт, потому что растёт общий спрос на её результат. Когда автоматизация становится полной, людей нужно меньше — в сельском хозяйстве когда-то работало большинство населения, а теперь единицы процентов. Это, вероятно, ждёт и программирование, но мы ещё не там. И за код, написанный агентом, по-прежнему отвечает человек, который его принял.

Измерения на реальной работе вообще дают более сложную картину, чем бенчмарки. В июле 2025 года METR провела рандомизированный эксперимент: 16 опытных разработчиков открытых проектов решали задачи в собственных репозиториях с ИИ-инструментами (в основном Cursor с моделями Claude 3.5/3.7 Sonnet) и без них. С ИИ они работали на 19 % медленнее, хотя сами были уверены, что ускорились примерно на 20 %. Через полгода повторить эксперимент в прежнем виде не удалось: разработчики всё чаще отказывались работать над задачами без ИИ, и в феврале 2026 года METR сообщила, что меняет схему исследования. Сам отказ работать без ИИ говорит о том, как быстро изменилась профессия.

Отсюда практический вывод: специально учиться пользоваться конкретными инструментами или языками программирования ради них самих большого смысла нет — через год будут другие. А вот учиться программировать, то есть понимать и разрабатывать алгоритмы, полезно в любом случае: инструменты сменятся, а понимание останется с вами. Данные Anthropic, о которых речь в следующем разделе, подтверждают это с неожиданной стороны.

Почитать на Хабре: «Time Horizon моделей AI: почему рост скорости зависит от сферы применения» (перевод блога METR); «Исследование METR: использование Cursor замедляет опытных разработчиков на 19 %»; «Месяц пишу язык программирования Nova с Claude Code. Где ломаются автономные агенты» — честный опыт с числами.

7. ИИ-агенты: что они умеют

7.1. Что называют агентом

Слово «агент» за последние два года стало рекламным, и под ним понимают что угодно — от чат-бота с кнопкой до системы, которая неделями работает без человека. Удобное разграничение предложили инженеры Anthropic в статье «Building effective agents» (декабрь 2024 года). Всё, где языковая модель не просто отвечает на вопрос, а участвует в процессе, они называют агентными системами и делят на два вида.

• Рабочие процессы (workflows) — системы, в которых модель и инструменты соединены заранее заданными путями в программном коде. Путь выбирает программист.
• Агенты (agents) — системы, в которых модель сама управляет своим процессом и выбором инструментов и сама решает, как выполнить задачу. Путь выбирает модель.

Кирпичик, из которого строится и то и другое, — «расширенная» языковая модель (augmented LLM): модель, которой дали поиск по данным, инструменты и память. Она сама формулирует поисковые запросы, выбирает, какой инструмент вызвать, и решает, что запомнить. Агент в полном смысле — это такая модель в цикле: получить задачу, выполнить действие, увидеть результат из среды (вывод команды, результат тестов, содержимое файла) и решить, что делать дальше, пока задача не решена или не сработало условие остановки. Как именно устроен этот цикл в Claude Code — с правами доступа, памятью и сжатием контекста, — разобрано на отдельной странице «ИИ-агенты в разработке: как устроен Claude Code».

7.2. Шесть схем построения

В той же статье описаны пять типовых схем рабочих процессов и автономный агент. Их полезно знать не для того, чтобы строить самим (хотя и это возможно на первом же курсе), а чтобы понимать, что происходит внутри продуктов, которыми вы пользуетесь.

1. Цепочка запросов (prompt chaining). Задача разбивается на последовательные шаги, каждый вызов модели обрабатывает результат предыдущего; между шагами можно поставить программную проверку. Пример: написать рекламный текст, затем перевести его; или составить план документа, проверить его по критериям и только потом писать текст.
2. Маршрутизация (routing). Запрос сначала классифицируется и отправляется в одну из специализированных веток. Пример: обращения в поддержку — общий вопрос, возврат денег, техническая проблема; простые вопросы — маленькой модели, сложные — большой.
3. Распараллеливание (parallelization). Несколько вызовов модели работают одновременно, результаты объединяет программа. Либо задачу делят на независимые части (одна копия отвечает пользователю, другая проверяет запрос на недопустимое содержание), либо одну и ту же задачу решают несколько раз и голосуют (несколько проверок кода на уязвимости).
4. Оркестратор и исполнители (orchestrator-workers). Центральная модель сама решает, на какие подзадачи разбить работу, раздаёт их моделям-исполнителям и собирает результат. Отличие от распараллеливания в том, что подзадачи заранее неизвестны. Пример: изменение, затрагивающее много файлов программы; поиск информации по многим источникам.
5. Генератор и оценщик (evaluator-optimizer). Один вызов порождает решение, другой оценивает его и возвращает замечания, и так по кругу, пока оценщик не примет результат. Пример: художественный перевод, в котором оценщик ловит оттенки смысла.
6. Автономный агент. Модель получает задачу от человека, планирует и действует сама, на каждом шаге получая из среды истинный результат своих действий, и при необходимости возвращается к человеку за решением. Пример: агент, исправляющий ошибку в чужом репозитории по описанию задачи.

7.3. Когда агент не нужен

Главный совет статьи звучит неожиданно для текста об агентах: начинать с самого простого решения и усложнять, только если это доказанно улучшает результат. Агентные системы обменивают время ответа и деньги на качество, и этот обмен нужно оправдать. Для многих задач достаточно одного хорошо составленного запроса с нужными данными в контексте. Рабочие процессы дают предсказуемость на чётко определённых задачах, агенты — гибкость там, где путь заранее неизвестен. Авторы формулируют три принципа: простота устройства, прозрачность (агент должен явно показывать свои шаги планирования) и тщательно продуманный интерфейс между агентом и компьютером — описания инструментов, их проверка, защита от ошибок. При работе над задачами SWE-bench команда потратила на доводку инструментов больше времени, чем на основной запрос: модель путалась в относительных путях к файлам, и ошибки исчезли, когда инструменты стали принимать только абсолютные пути.

7.4. Что агенты уже сделали

Несколько примеров, описанных самой Anthropic, показывают, где сейчас находится граница возможного.

• Исследование по многим источникам. Система, в которой ведущий агент запускает параллельных субагентов, а те ищут и анализируют информацию, на внутренней оценке Anthropic оказалась на 90 % лучше одиночной модели (июнь 2025 года).
• Компилятор языка C. В феврале 2026 года исследователь Anthropic Николас Карлини поручил шестнадцати параллельным экземплярам Claude написать компилятор C с нуля, без доступа в интернет. За две недели, почти 2000 сессий и чуть меньше 20 000 долларов агенты написали 100 000 строк на Rust. Компилятор собирает ядро Linux 6.9 для трёх архитектур процессоров, а также QEMU, FFmpeg, SQLite, PostgreSQL и Redis, проходит 99 % большинства тестовых наборов и запускает Doom. Честно перечислены и ограничения: код получается медленнее, чем у GCC, собственные ассемблер и компоновщик ещё с ошибками, заменой GCC это не является.
• Приложения за один запуск. Схема «планировщик → генератор → оценщик» строит работающее приложение за 6 часов и около 200 долларов; одиночная попытка обходится в 9 долларов и 20 минут, но с заметно худшим результатом (март 2026 года). Отдельный оценщик понадобился потому, что агент склонен хвалить собственную работу.

Инструменты, на которых это сделано, доступны каждому. Claude Code работает в терминале, в средах разработки (VS Code, JetBrains), в настольном приложении и в браузере; он читает проект, правит файлы, запускает команды и тесты, работает с git. Его возможности расширяются навыками (skills — папки с инструкциями и скриптами, которые агент подгружает сам, когда они нужны), хуками (команды, срабатывающие на события), субагентами (помощники со своим контекстом, возвращающие только сводку) и серверами MCP. Model Context Protocol — открытый стандарт подключения ИИ-приложений к внешним данным и инструментам; его сравнивают с USB-C для ИИ. В декабре 2025 года Anthropic передала MCP в фонд Agentic AI Foundation при Linux Foundation; к тому моменту существовало более 10 000 публичных серверов.

Как агентами пользуются на самом деле, Anthropic измеряет по обезличенным данным. В Claude Code 79 % диалогов о программировании — это автоматизация, когда модель выполняет задачу сама, против 49 % в обычном чате (апрель 2025 года). Самые длинные автономные шаги агента за три месяца выросли с 25 до 45 минут (октябрь 2025 → январь 2026 года). А в исследовании 400 тысяч сессий Claude Code (июнь 2026 года) оказалось, что около 70 % решений о планировании работы по-прежнему принимают люди, а около 80 % решений об исполнении — модель. Подтверждённого успеха опытные пользователи добиваются в 28–33 % сессий, новички — в 15 %. Агент не отменяет экспертизу, а умножает её: чем лучше человек понимает задачу, тем больше пользы он получает от агента.

7.5. С чего начать

У Anthropic есть бесплатные официальные курсы (Claude Academy, academy.claude.com), короткие и практические: «Claude Code 101» (полтора часа), «Claude Code in Action» (час), «Introduction to Model Context Protocol» (час, на Python), «Introduction to subagents», «Introduction to agent skills» и «AI Fluency for students». Их можно пройти за один вечер каждый, и они полезны при работе над проектом практики уже этой осенью.

Почитать на Хабре: «Создание эффективных агентов» — перевод статьи Anthropic со всеми схемами; «Claude Code: лучшие практики агентного программирования».

Контрольные вопросы

• Почему языковую модель называют постановкой задачи, а не архитектурой?
  Языковая модель — это задача предсказать следующий токен по предыдущим; решать её можно цепью Маркова, рекуррентной сетью или трансформером. Текст получается авторегрессионно: предсказанный токен дописывается к контексту, и шаг повторяется.
• Что подсчитал А. А. Марков в 1913 году и что из этого следовало?
  В первых 20 000 буквах «Евгения Онегина» гласная после гласной встречается с частотой 0,128, а после согласной — 0,663 (всего гласных 8638, «й» Марков относил к гласным). Частоты различаются, значит, буквы не независимы: следующая зависит от предыдущей. Так появились цепи Маркова — первая вероятностная модель текста.
• Во сколько раз в год растут вычисления на обучение и чем это отличается от закона Мура?
  Число транзисторов удваивалось раз в два года (около 1,4 раза в год). Вычисления на обучение заметных моделей с 2010 года растут в 4,5 раза в год (Epoch AI), для передовых языковых моделей с 2020 года — в 5 раз. Разрыв покрывают деньги и энергия: новые центры обработки данных и электростанции.
• Из каких трёх шагов состоит RLHF?
  Дообучение на образцовых ответах людей; обучение модели вознаграждения на ранжированиях ответов людьми; обучение ассистента с подкреплением (PPO) получать высокую оценку модели вознаграждения.
• Почему LoRA дешевле полного дообучения?
  Изменение матрицы N×M ищется как произведение U (N×k) и V (k×M) с малым рангом k, поэтому обучается k·(N + M) чисел вместо N·M. Для GPT-3 число обучаемых параметров сократилось в 10 000 раз, память — втрое.
• Как обучают рассуждающие модели и почему для этого нужны проверяемые задачи?
  Модель пишет рассуждение в «черновик» без награды, затем ответ; награду получает только ответ — как выигрыш в конце шахматной партии. Автоматически проверить ответ можно в математике и программировании (тесты), поэтому обучение идёт на таких задачах.
• Чем DeepSeek-R1-Zero отличается от DeepSeek-R1 и что такое GRPO?
  R1-Zero обучена чистым обучением с подкреплением без образцов; R1 — многоэтапно: холодный старт на нескольких тысячах примеров, RL, дообучение на отобранных рассуждениях самой модели, RLHF. GRPO оценивает каждый ответ относительно среднего по группе ответов на тот же вопрос и обходится без сети-критика.
• Назовите три двигателя прогресса по Ашенбреннеру.
  Физическое масштабирование вычислений, алгоритмическая эффективность и снятие ограничений (unhobbling) — улучшения уже обученной модели: RLHF, рассуждения, инструменты, агентные обвязки вроде Claude Code.
• Почему Anthropic не выпустила Claude Mythos Preview в открытый доступ?
  Модель находит и эксплуатирует уязвимости лучше почти всех людей. Вместо выпуска запущен Project Glasswing: доступ получили разработчики критически важного ПО, чтобы закрыть уязвимости первыми; найдены тысячи ранее неизвестных уязвимостей.
• Что такое горизонт задач METR и почему «16 часов» не значит «агент работает 16 часов»?
  Это время, которое нужно человеку-профессионалу на задачу, которую модель решает с вероятностью 50 %. Горизонт измеряет трудность задачи во времени человека; модель решает её обычно быстрее. С 2019 года горизонт удваивался примерно каждые 7 месяцев, с 2024 года — примерно каждые 3 месяца; выше 16 часов нынешние измерения ненадёжны.
• Чем рабочий процесс отличается от агента по определению Anthropic? Назовите схемы.
  В рабочем процессе путь задан программистом в коде, в агенте модель сама управляет процессом и инструментами. Схемы: цепочка запросов, маршрутизация, распараллеливание, оркестратор и исполнители, генератор и оценщик, автономный агент.
• Что показало исследование Anthropic 400 тысяч сессий Claude Code?
  Около 70 % решений о планировании принимают люди, около 80 % решений об исполнении — модель; опытные пользователи добиваются подтверждённого успеха вдвое чаще новичков (28–33 % против 15 %). Экспертиза человека по-прежнему определяет результат.

Источники

1. Николенко С. И. State of AI: как ускоряется прогресс и куда всё это катится : публичная лекция, Библиотека «Планетарий 1», 09.07.2026 : слайды. — URL: https://cms.sergeynikolenko.ru/uploads/State_of_AI_Nikolenko_Planetarium_July_9_2026_d57dc3869d.pdf (дата обращения: 29.09.2026).
2. Марков А. А. Пример статистического исследования над текстом «Евгения Онегина», иллюстрирующий связь испытаний в цепь // Известия Императорской академии наук. Сер. 6. — 1913. — Т. 7, № 3. — С. 153–162.
3. Hayes B. First Links in the Markov Chain // American Scientist. — 2013. — Vol. 101, No. 2. — URL: https://www.americanscientist.org/article/first-links-in-the-markov-chain (дата обращения: 29.09.2026).
4. Пушкин А. С. Евгений Онегин. Главы 1–2 // Полное собрание сочинений : в 10 т. — Ленинград : Наука, 1977–1979 ; Викитека : [сайт]. — URL: https://ru.wikisource.org/wiki/Евгений_Онегин_(Пушкин)/ПСС_1977_(СО)/Глава_1 (дата обращения: 29.09.2026).
5. Moore G. E. Cramming More Components onto Integrated Circuits // Electronics. — 1965. — Vol. 38, No. 8. — P. 114–117.
6. Dennard R. H. [et al.]. Design of Ion-Implanted MOSFET's with Very Small Physical Dimensions // IEEE Journal of Solid-State Circuits. — 1974. — Vol. 9, No. 5. — P. 256–268.
7. Koomey J. G. [et al.]. Implications of Historical Trends in the Electrical Efficiency of Computing // IEEE Annals of the History of Computing. — 2011. — Vol. 33, No. 3. — P. 46–54. — DOI: 10.1109/MAHC.2010.28.
8. Transistor count // Wikipedia : [сайт]. — Ред. от 14.09.2026. — URL: https://en.wikipedia.org/wiki/Transistor_count (дата обращения: 29.09.2026).
9. Amodei D., Hernandez D. AI and Compute // OpenAI : [сайт]. — 16.05.2018. — URL: https://openai.com/index/ai-and-compute/ (дата обращения: 29.09.2026).
10. Data on AI Models // Epoch AI : [сайт]. — URL: https://epoch.ai/data/ai-models (дата обращения: 29.09.2026).
11. Trends in AI // Epoch AI : [сайт]. — URL: https://epoch.ai/trends (дата обращения: 29.09.2026).
12. Hobbhahn M., Besiroglu T. Trends in GPU Price-Performance // Epoch AI : [сайт]. — 2022. — URL: https://epoch.ai/publications/trends-in-gpu-price-performance (дата обращения: 29.09.2026).
13. Stiennon N. [et al.]. Learning to Summarize from Human Feedback // Advances in Neural Information Processing Systems 33 (NeurIPS 2020). — 2020. — URL: https://arxiv.org/abs/2009.01325 (дата обращения: 29.09.2026).
14. Ouyang L. [et al.]. Training Language Models to Follow Instructions with Human Feedback // Advances in Neural Information Processing Systems 35 (NeurIPS 2022). — 2022. — URL: https://arxiv.org/abs/2203.02155 (дата обращения: 29.09.2026).
15. Hu E. J. [et al.]. LoRA: Low-Rank Adaptation of Large Language Models. — 2021. — URL: https://arxiv.org/abs/2106.09685 (дата обращения: 29.09.2026).
16. Zhang S. [et al.]. Instruction Tuning for Large Language Models: A Survey. — 2023. — URL: https://arxiv.org/abs/2308.10792 (дата обращения: 29.09.2026).
17. Wei J. [et al.]. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. — 2022. — URL: https://arxiv.org/abs/2201.11903 (дата обращения: 29.09.2026).
18. Kojima T. [et al.]. Large Language Models are Zero-Shot Reasoners. — 2022. — URL: https://arxiv.org/abs/2205.11916 (дата обращения: 29.09.2026).
19. OpenAI o1 System Card // OpenAI : [сайт]. — 05.12.2024. — URL: https://cdn.openai.com/o1-system-card-20241205.pdf (дата обращения: 29.09.2026).
20. Lightman H. [et al.]. Let's Verify Step by Step // ICLR 2024. — URL: https://openreview.net/forum?id=v8L0pN6EOi (дата обращения: 29.09.2026).
21. DeepSeek-AI. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. — 2025. — URL: https://arxiv.org/abs/2501.12948 (дата обращения: 29.09.2026).
22. Shao Z. [et al.]. DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models. — 2024. — URL: https://arxiv.org/abs/2402.03300 (дата обращения: 29.09.2026).
23. Muennighoff N. [et al.]. s1: Simple Test-Time Scaling. — 2025. — URL: https://arxiv.org/abs/2501.19393 (дата обращения: 29.09.2026).
24. Reasoning Models Don't Always Say What They Think // Anthropic : [сайт]. — 03.04.2025. — URL: https://www.anthropic.com/research/reasoning-models-dont-say-think (дата обращения: 29.09.2026).
25. Project Glasswing // Anthropic : [сайт]. — 07.04.2026. — URL: https://www.anthropic.com/glasswing (дата обращения: 29.09.2026).
26. Claude Fable 5 and Claude Mythos 5 // Anthropic : [сайт]. — 09.06.2026. — URL: https://www.anthropic.com/news/claude-fable-5-mythos-5 (дата обращения: 29.09.2026).
27. Access to Fable 5 and Mythos 5 // Anthropic : [сайт]. — 12.06.2026. — URL: https://www.anthropic.com/news/fable-mythos-access (дата обращения: 29.09.2026).
28. Redeploying Fable 5 // Anthropic : [сайт]. — 30.06.2026. — URL: https://www.anthropic.com/news/redeploying-fable-5 (дата обращения: 29.09.2026).
29. Coleman R. Eval Awareness in Claude Opus 4.6's BrowseComp Performance // Anthropic : [сайт]. — 06.03.2026. — URL: https://www.anthropic.com/engineering/eval-awareness-browsecomp (дата обращения: 29.09.2026).
30. Aschenbrenner L. Situational Awareness: The Decade Ahead. — 2024. — URL: https://situational-awareness.ai/ (дата обращения: 29.09.2026).
31. Ломшаков В. М., Николенко С. И. Применения больших языковых моделей для задач порождения и обработки программного кода // Записки научных семинаров ПОМИ. — 2024. — Т. 540. — С. 276–350. — URL: https://www.pdmi.ras.ru/znsl/2024/v540/abs276.html (дата обращения: 29.09.2026).
32. Nikolenko S. LLMs for Programming: Is Coding Dying? // Synthesis AI : [сайт]. — 17.01.2025. — URL: https://synthesis.ai/2025/01/17/llms-for-programming-is-coding-dying/ (дата обращения: 29.09.2026).
33. Wijk H. [et al.]. RE-Bench: Evaluating Frontier AI R&D Capabilities of Language Model Agents against Human Experts. — 2024. — URL: https://arxiv.org/abs/2411.15114 (дата обращения: 29.09.2026).
34. Kwa T. [et al.]. Measuring AI Ability to Complete Long Tasks. — 2025. — URL: https://arxiv.org/abs/2503.14499 (дата обращения: 29.09.2026).
35. Time Horizon 1.1 // METR : [сайт]. — 29.01.2026. — URL: https://metr.org/blog/2026-1-29-time-horizon-1-1/ (дата обращения: 29.09.2026).
36. Time Horizons of AI Models // METR : [сайт]. — Обновлено 08.05.2026. — URL: https://metr.org/time-horizons/ (дата обращения: 29.09.2026).
37. Lovely G. AI Could Soon Tackle Projects That Take Humans Weeks // Nature. — 19.03.2025. — URL: https://www.nature.com/articles/d41586-025-00831-8 (дата обращения: 29.09.2026).
38. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity // METR : [сайт]. — 10.07.2025. — URL: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ (дата обращения: 29.09.2026).
39. We Are Changing Our Developer Productivity Experiment Design // METR : [сайт]. — 24.02.2026. — URL: https://metr.org/blog/2026-02-24-uplift-update/ (дата обращения: 29.09.2026).
40. AI Tooling for Software Engineers in 2026 // The Pragmatic Engineer : [сайт]. — 03.03.2026. — URL: https://newsletter.pragmaticengineer.com/p/ai-tooling-2026 (дата обращения: 29.09.2026).
41. Claude 3.7 Sonnet and Claude Code // Anthropic : [сайт]. — 24.02.2025. — URL: https://www.anthropic.com/news/claude-3-7-sonnet (дата обращения: 29.09.2026).
42. Introducing Claude 4 // Anthropic : [сайт]. — 22.05.2025. — URL: https://www.anthropic.com/news/claude-4 (дата обращения: 29.09.2026).
43. Introducing Claude Sonnet 4.5 // Anthropic : [сайт]. — 29.09.2025. — URL: https://www.anthropic.com/news/claude-sonnet-4-5 (дата обращения: 29.09.2026).
44. Carlini N. Building a C Compiler with a Team of Parallel Claudes // Anthropic : [сайт]. — 05.02.2026. — URL: https://www.anthropic.com/engineering/building-c-compiler (дата обращения: 29.09.2026).
45. Schluntz E., Zhang B. Building Effective Agents // Anthropic : [сайт]. — 19.12.2024. — URL: https://www.anthropic.com/engineering/building-effective-agents (дата обращения: 29.09.2026).
46. How We Built Our Multi-Agent Research System // Anthropic : [сайт]. — 13.06.2025. — URL: https://www.anthropic.com/engineering/multi-agent-research-system (дата обращения: 29.09.2026).
47. Harness Design for Long-Running Application Development // Anthropic : [сайт]. — 24.03.2026. — URL: https://www.anthropic.com/engineering/harness-design-long-running-apps (дата обращения: 29.09.2026).
48. Claude Code overview // Claude Code Docs : [сайт]. — URL: https://code.claude.com/docs/en/overview (дата обращения: 29.09.2026).
49. What is the Model Context Protocol (MCP)? // Model Context Protocol : [сайт]. — URL: https://modelcontextprotocol.io/docs/getting-started/intro (дата обращения: 29.09.2026).
50. Donating the Model Context Protocol and Establishing the Agentic AI Foundation // Anthropic : [сайт]. — 09.12.2025. — URL: https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation (дата обращения: 29.09.2026).
51. Anthropic Economic Index: AI's Impact on Software Development // Anthropic : [сайт]. — 28.04.2025. — URL: https://www.anthropic.com/research/impact-software-development (дата обращения: 29.09.2026).
52. Measuring AI Agent Autonomy in Practice // Anthropic : [сайт]. — 18.02.2026. — URL: https://www.anthropic.com/research/measuring-agent-autonomy (дата обращения: 29.09.2026).
53. Agentic Coding and Persistent Returns to Expertise // Anthropic : [сайт]. — 16.06.2026. — URL: https://www.anthropic.com/research/claude-code-expertise (дата обращения: 29.09.2026).
54. Claude Academy : [сайт]. — URL: https://academy.claude.com (дата обращения: 29.09.2026).

Статьи для дополнительного чтения (Хабр)

55. TraPhro. Масштабирование: как увеличение количества ресурсов сделало искусственный интеллект более способным // Хабр : [сайт]. — 21.01.2025. — URL: https://habr.com/ru/articles/875452/ (дата обращения: 29.09.2026).
56. Новик В. Почему искусственный интеллект — это дорого // Хабр : [сайт]. — 27.06.2024. — URL: https://habr.com/ru/articles/824926/ (дата обращения: 29.09.2026).
57. Котенков И., Комаровский П. Как работает ChatGPT: объясняем на простом русском эволюцию языковых моделей с T9 до чуда // Хабр : [сайт]. — 06.03.2023. — URL: https://habr.com/ru/companies/ods/articles/716918/ (дата обращения: 29.09.2026).
58. freQuensy23. Кто же такая это ваша LoRA // Хабр : [сайт]. — 12.07.2023. — URL: https://habr.com/ru/articles/747534/ (дата обращения: 29.09.2026).
59. Рашка С. Четыре основных подхода к созданию моделей рассуждений (Reasoning LLMs) / пер. А. Курогло // Хабр : [сайт]. — 31.03.2025. — URL: https://habr.com/ru/articles/894688/ (дата обращения: 29.09.2026).
60. Аламмар Дж. Как работает модель DeepSeek-R1. Объясняем в иллюстрациях и схемах / пер. technokratiya // Хабр : [сайт]. — 28.01.2025. — URL: https://habr.com/ru/articles/877360/ (дата обращения: 29.09.2026).
61. rb_astana. Project Glasswing: Anthropic нашла тысячи уязвимостей нулевого дня во всём основном софте // Хабр : [сайт]. — 08.04.2026. — URL: https://habr.com/ru/news/1020854/ (дата обращения: 29.09.2026).
62. Пешков А. «Маркетинговый хайп»: из пяти уязвимостей Mythos в curl подтвердилась одна // Хабр : [сайт]. — 11.05.2026. — URL: https://habr.com/ru/news/1033934/ (дата обращения: 29.09.2026).
63. Time Horizon моделей AI: почему рост скорости зависит от сферы применения / пер. kucev // Хабр : [сайт]. — 21.08.2025. — URL: https://habr.com/ru/articles/936522/ (дата обращения: 29.09.2026).
64. atomlib. Исследование METR: использование Cursor замедляет опытных разработчиков на 19 % // Хабр : [сайт]. — 12.07.2025. — URL: https://habr.com/ru/articles/927072/ (дата обращения: 29.09.2026).
65. Головин Е. Месяц пишу язык программирования Nova с Claude Code. Где ломаются автономные агенты // Хабр : [сайт]. — 04.06.2026. — URL: https://habr.com/ru/articles/1043394/ (дата обращения: 29.09.2026).
66. Шлюнц Э., Чжан Б. Создание эффективных агентов / пер. Т. Хахалева // Хабр : [сайт]. — 24.12.2024. — URL: https://habr.com/ru/articles/869360/ (дата обращения: 29.09.2026).
67. Черни Б. Claude Code: лучшие практики агентного программирования / пер. блога Surf // Хабр : [сайт]. — 02.09.2025. — URL: https://habr.com/ru/companies/surfstudio/articles/943108/ (дата обращения: 29.09.2026).