ИИ перестаёт быть отдельным окном и селится в Word

Ещё недавно работа с текстом выглядела так: выделить абзац, скопировать, переключиться в браузер, вставить, попросить сократить, дождаться ответа, скопировать обратно и потом ещё полчаса чинить шрифты и нумерацию. Теперь этот танец с копированием уходит в прошлое. ChatGPT встроился прямо в Word в виде боковой панели, и правки возвращаются на место сами, сохраняя оформление. Главное — порог входа почти исчез. Приложение доступно на всех тарифах, включая бесплатный. Для тех, кто платит, и для корпоративных клиентов открываются дополнительные возможности: подтягивать письма и файлы из внешних сервисов, а повторяющиеся задачи сохранять как навыки, чтобы не объяснять заново одно и то же. Однако у бесплатности есть свои границы. Свободные пользователи получают доступ к самой быстрой, но не самой умной модели. Самые мощные версии остаются привилегией корпоративных тарифов, и лишь на ограниченное время им открывают предпросмотр флагманской модели без расхода лимитов. Логика прозрачна: сначала дать людям привыкнуть, потом продать им лучшее. Есть и менее очевидная деталь. Работа в Word расходует тот же запас токенов, что и продвинутые функции для программирования. Длинный документ, переписанный несколько раз, может съесть лимит, который вы планировали потратить на код. Так офисные задачи и разработка начинают конкурировать за один и тот же ресурс. Стоит помнить и об ограничениях. Сложные таблицы и графику всё равно придётся доводить руками. Модель видит только открытый документ и не знает, что лежит у вас в других файлах. История чата не синхронизируется с веб-версией. И самое важное: она может ошибаться, поэтому факты и цифры нужно проверять, а перед серьёзной правкой лучше сохранить копию. Это похоже на расторопного нового коллегу, который не знает вас лично и не несёт ответственности за результат. Интересно, что ChatGPT здесь не первопроходец. Claude обосновался в Word ещё раньше, сделав ставку на аккуратные пометки в режиме рецензирования, как если бы правки вносил человек. Microsoft со своим Copilot и вовсе никуда не уходил. В итоге в одном окне текстового редактора теперь соседствуют три конкурирующие системы, которые одновременно являются партнёрами и соперниками. Такого в истории офисных программ ещё не было. Смысл происходящего шире, чем удобство. Когда вызов ИИ перестаёт требовать отдельного окна и превращается в действие на расстоянии одного клика, вопрос «стоит ли обращаться к модели» просто исчезает. Это становится таким же привычным жестом, как проверка орфографии. А роль человека смещается: меньше писать руками, больше формулировать требования, проверять изменения и отвечать за итог. Когда рядом с каждым документом сидит помощник, скорость перестаёт быть преимуществом. Ценностью становится способность ясно мыслить и принимать решения.

ИИ начинает создавать ИИ: где проходит граница?

Пока одни спорят, можно ли наделять машину сознанием, другие тихо автоматизируют саму науку о создании искусственного интеллекта. Компания Anthropic опубликовала редкие внутренние данные: по состоянию на август 2026 года модель Claude уже самостоятельно выполняет около четверти всех исследовательских и инженерных задач, связанных с разработкой новых ИИ. Ещё в феврале этот показатель был меньше одного процента. Речь не о том, что исчезли программисты. Смысл в другом: человек ставит высокую цель и следит за результатом, а основную работу — от написания кода до диагностики сбоев в тестовых средах — выполняет модель. Для управления этим процессом Anthropic запустила около тридцати тысяч автономных агентов одновременно. Каждый имеет собственный идентификатор и общается с другими через общую систему сообщений, чтобы инженеры могли отслеживать их совместную деятельность. Любопытно, что оценивает степень автоматизации тоже Claude. Люди лишь выборочно проверяют его выводы, и совпадение оценок оказывается выше, чем между самими людьми. Это признак того, насколько глубоко ИИ встроился в собственное развитие. Anthropic не одинока. OpenAI создала отдельную команду, цель которой — автоматизированный исследователь ИИ. Уже сейчас агенты там работают параллельно людям почти круглосуточно, а к 2028 году компания рассчитывает выйти на полноценного ИИ-исследователя. Google пошла иным путём: её агенты улучшают не только ответы, но и сам способ поиска решений, а проверка результатов остаётся жёстким якорем всей системы. Наконец, стартап Recursive, основанный при участии Тяньюаня Дуна, прямо заявляет своей целью рекурсивное самоулучшение — механизм, при котором каждое новое знание становится топливом для следующего шага. Полного рекурсивного самосовершенствования, при котором модель без участия человека строит своего преемника, пока не достиг никто. Но промежуточные звенья этой цепи уже перестали быть теорией и стали инженерной реальностью. А значит, вопрос о том, кто кого создаёт — человек машину или машина следующую машину, — переходит из философии в практику быстрее, чем кто-либо готов признать.

ИИ меняет не код, а стоимость его написания

Компания Shopify объявила о решении, которое многие восприняли как приговор кроссплатформенной разработке: все её мобильные приложения возвращаются на нативные Swift и Kotlin. Ещё недавно эта компания была одним из главных сторонников React Native, строила на нём крупные приложения и щедро делилась инструментами с сообществом. Теперь она говорит, что времена изменились. Причина не в том, что React Native стал плох. Официально подчёркивается обратное: framework работал хорошо и остаётся достойным выбором. Изменилось другое — экономика разработки. Раньше писать две отдельные версии приложения означало двойную работу, и кроссплатформенный подход экономил массу времени. Но с появлением мощных языковых моделей эта арифметика перестала быть однозначной. ИИ способен перевести логику с одной платформы на другую, написать недостающие части, провести тесты и проверить код. Дублирование перестало быть решающим фактором. Shopify не просто рассуждает теоретически. Они уже переписали приложение Shop с нуля за двенадцать недель, а сейчас переносят флагманский продукт с более чем тремястами экранами и сложными интеграциями. Важная деталь: вместо постепенной миграции они выбрали полную перестройку, используя старую версию как образец для новой. При этом прямое доверие ИИ не работает. Попытка скормить модели весь старый код и попросить переписать его целиком привела к груде неработающих фрагментов. Поэтому компания создала систему под названием Helix, где каждое изменение проходит поведенческие тесты, визуальное сравнение с оригиналом, двойную проверку кода и подтверждение человеком. Только после этого изменения принимаются. Любопытное наблюдение: узким местом оказались не сами правки, а проверка результата. Модель меняет код за секунды, но запуск симулятора и визуальная проверка занимают минуты. Поэтому Shopify перестроила архитектуру так, чтобы логика работала отдельно от интерфейса и могла тестироваться без графической оболочки. Только когда нужна визуальная проверка, подключается эмулятор. Судьба открытых проектов компании решается по-разному. Одна библиотека будет поддерживаться до конца следующего года и затем передана автору. Другая, более популярная, останется под присмотром до тех пор, пока не найдётся новый постоянный maintainer. Третья, менее востребованная, будет заархивирована, но с возможностью передать её сообществу. Вывод, который делает Shopify, звучит спокойно и без драмы: React Native был верным выбором в 2020 году, нативная разработка — верный выбор сегодня. Изменилась не природа фреймворка, а стоимость написания нативного кода. ИИ не убил кроссплатформенные решения, но заставил заново пересчитать их ценность. Вопрос уже не в том, переживёт ли React Native очередной виток критики, а в том, сколько команд последуют примеру Shopify, когда их собственные ИИ-агенты научатся делать то же самое.

Manus готовится к IPO в Гонконге после восстановления независимости

Китайский стартап Manus, разрабатывающий AI-агентов, завершает привлечение 500 миллионов долларов, что удвоит его оценку до 4 миллиардов долларов. Это сделает компанию самым дорогим стартапом в сфере AI-агентов в Китае. Среди существующих инвесторов — Tencent, Sequoia China и ZhenFund. Ожидается, что впоследствии Manus выйдет на IPO в Гонконге. История Manus тесно связана с сорванной сделкой по покупке со стороны Meta (запрещенной в России). В декабре 2025 года Meta объявила о приобретении Manus за более чем 2 миллиарда долларов — это должна была стать третья по величине покупка в истории компании после WhatsApp и Scale AI. Основатель Manus Сяо Хун занял пост вице-президента Meta, а сам продукт был интегрирован в рекламный бизнес. Внутри Meta дневная выручка Manus выросла с примерно 300 тысяч долларов до почти 1,5 миллиона, а годовая повторяющаяся выручка поднялась с 100 миллионов до более чем 400 миллионов долларов. Однако в апреле 2026 года Государственная комиссия по развитию и реформам КНР запретила эту сделку в рамках проверки иностранных инвестиций. Это стал первый публично остановленный случай приобретения в сфере ИИ иностранным капиталом с момента введения соответствующих правил в 2021 году. Meta пришлось выйти из капитала, а Manus — вернуться к прежней структуре. В рамках раздела компания обязалась удалить пользовательские данные, созданные после 29 декабря 2025 года, с 48-часовым окном удаления в августе 2026 года. В сентябре Manus официально объявила о восстановлении независимой деятельности. Manus была создана компанией Butterfly Effect. Ее основатель Сяо Хун — предприниматель поколения 90-х, выпускник Хуачжунского университета науки и технологий, начинавший в Ухане. Ранее он разрабатывал инструменты для WeChat и корпоративного WeChat, которые позже продал компании-единорогу. В 2024 году к команде присоединились серийный предприниматель Цзи Ичао и продакт-менеджер Чжан Тао. Продукт вышел в марте 2025 года и уже через восемь месяцев достиг годовой выручки в 100 миллионов долларов, обработав более 147 триллионов токенов и создав свыше 80 миллионов виртуальных компьютеров. К маю 2026 года этот показатель вырос до 400-500 миллионов долларов. При оценке в 4 миллиарда долларов мультипликатор выручки составляет около 8,9 — относительно невысоко для быстрорастущей компании в этой сфере. Технологический путь Manus отличается от стратегии разработчиков базовых моделей. Компания сделала ставку на контекстную инженерию, используя возможности передовых моделей вроде Claude и GPT, вместо обучения собственной модели с нуля. Это позволяет быстро улучшать продукт и оставаться ортогональным к базовым моделям. Однако такая стратегия вызывает критику: некоторые называют Manus надстройкой, и это создает главный вызов. Базовые модели, такие как Kimi от Moonshot и Claude от Anthropic, все лучше справляются с общими задачами, что сужает пространство для дифференциации. Рынок корпоративных AI-агентов в Китае растет стремительно: по данным IDC, с 212 миллиардов юаней в 2025 году он вырастет до 449 миллиардов в 2026-м и может превысить 3,3 триллиона к 2029 году при среднегодовом темпе выше 100 процентов. Конкуренты также активно привлекают средства: например, компания Yanyu Technology с AI-агентом Lovart оценивается в 3 миллиарда долларов. Manus лидирует с 4 миллиардами, но разрыв невелик. Ранее основатели Manus обсуждали привлечение около 1 миллиарда долларов для выкупа компании у Meta, после чего планировалось создать совместное предприятие с инвесторами и выйти на IPO в Гонконге. Теперь раунд на 500 миллионов долларов почти закрыт, и рынок ожидает скорого размещения. Путь Manus — от поглощения Meta до восстановления независимости и удвоения оценки — стал одним из самых драматичных сюжетов для стартапа за последний год. Рост выручки, расширение пользовательской базы и интерес инвесторов говорят о сильных позициях компании. Но главный вопрос остается открытым: сможет ли Manus сохранить свою ценность, когда базовые модели будут становиться все более универсальными. Оценка в 4 миллиарда долларов — это не только отражение текущих достижений, но и ставка рынка на то, что AI-агенты способны выжить и расти в условиях, когда базовые модели стремятся поглотить все.

Google обвинили в копировании открытого проекта: 228 файлов из 229 оказались идентичными

Французская AI-компания Minitap обвинила Google в использовании кода её открытого проекта mobile-use в новом инструменте для автоматизации Android Artemis. По словам основателя Minitap Николаса Дехандсхёйверкера, из 229 файлов Artemis 228 практически полностью совпадают с файлами исходного проекта. Совпадают не только основные фрагменты кода, но и названия агентов, подсказки для них, примеры заданий и даже комментарии разработчиков. Ситуация стала особенно примечательной из-за истории проекта. В 2025 году небольшая команда Minitap создала mobile-use — систему, которая позволяет AI-агенту управлять реальным Android-смартфоном с помощью естественного языка. Проект занял первое место в тесте AndroidWorld, разработанном Google DeepMind, показав стопроцентное выполнение 116 заданий в 20 приложениях. Для сравнения, базовая система Google на тот момент справлялась примерно с 30,6 процента заданий. Однако претензия Minitap связана не с самим использованием открытого кода. Mobile-use распространяется по лицензии Apache 2.0, которая разрешает копирование, изменение и коммерческое использование программного обеспечения при соблюдении определённых условий. Одно из них — сохранение информации об авторстве и других уведомлений, предусмотренных лицензией. По данным Minitap, в ранней версии Artemis действительно присутствовали имена трёх разработчиков mobile-use. Позднее они были заменены другим именем. Компания утверждает, что изменение произошло при принудительной перезаписи истории репозитория, тогда как остальная часть соответствующего кода практически не изменилась. После того как информация получила огласку, Google внесла изменения в репозиторий Artemis и добавила уведомление о том, что проект содержит исходный код, разработанный Minitap. При этом компания публично не объяснила, почему имена первоначальных авторов ранее были удалены. Для Minitap проблема заключается именно в этом. Компания подчёркивает, что открытый код и создавался для того, чтобы другие разработчики могли его использовать и развивать. Но вместе с кодом, по мнению авторов, должна сохраняться информация о людях, которые его создали. Этот случай вновь показывает одну из особенностей современной открытой разработки. Код можно свободно использовать, но его происхождение имеет значение не только с юридической точки зрения. История изменений, имена авторов и уведомления о лицензии позволяют понять, откуда появился проект и кто стоял за его созданием. В случае Artemis спор оказался особенно заметным из-за масштаба совпадений. Если утверждения Minitap верны, речь идёт не об отдельных заимствованных фрагментах, а практически о полном переносе существующего проекта с последующим изменением информации об авторах. Google уже добавила указание на источник кода, однако причины первоначального удаления имён разработчиков пока публично не объяснены. Для открытого сообщества это принципиальный вопрос: использовать чужой код можно, но вместе с ним должна сохраняться история его происхождения и вклад тех, кто создал основу проекта.

Google наконец отвечает: Gemini 4 Pro выходит вперёд

После нескольких месяцев, когда казалось, что Google безнадёжно отстала от OpenAI и Anthropic, ситуация резко изменилась. В анонимном режиме тестирования на платформе Arena разработчики начали получать модель под именем gemini-3.8-flash, хотя официальная версия с таким названием вышла ещё второго сентября. Это выглядело странно, пока не выяснилось, что под знакомым именем скрывается нечто гораздо более мощное — предварительная версия Gemini 4 Pro с внутренним кодовым названием Argon. Утечка быстро превратилась в сенсацию. Согласно опубликованным данным, Gemini 4 Pro одержал победу во всех тринадцати сравнительных тестах, обойдя GPT-6 Astra, Claude Fable 5.1, Claude Opus 5 и GPT-5.6 Sol. Особенно заметен отрыв там, где задачи становятся длинными и многошаговыми. В тестах на автономных агентов, которым приходится работать в реальной компьютерной среде, выполняя сотни действий подряд, преимущество новой модели над собственной младшей версией Flash достигает почти четырнадцати процентных пунктов. Именно на таких длинных цепочках действий старые модели теряли устойчивость и начинали ошибаться. Но самое болезненное для конкурентов — это цена. Gemini 4 Pro заявлен по стоимости около двух с четвертью долларов за миллион входных токенов и одиннадцати с четвертью за выходные. У Astra те же показатели составляют двенадцать и шестьдесят долларов соответственно. Иными словами, Google не просто догнала лидеров, а предлагает сопоставимое или лучшее качество примерно за пятую часть цены. Если это подтвердится, конкуренция из спора о том, чья модель умнее, превратится в соревнование за то, кто сделает передовые возможности достаточно дешёвыми для массового запуска агентов. В практических тестах модель тоже впечатлила. Она собрала полноценный тематический сайт за четырнадцать минут, нарисовала сложную анимированную сцену с пеликаном на велосипеде по одной короткой подсказке и построила интерактивную трёхмерную пагоду в пиксельном стиле примерно за пять минут. Раньше подобные задачи требовали множества уточнений и правок, а качество визуального вкуса моделей Google вызывало нарекания. Стоит оговориться: официального подтверждения этим цифрам пока нет, а данные могли быть получены в нестандартных условиях тестирования. Но даже с этой поправкой ясно одно — Google перестала отмалчиваться и вышла на поле боя с аргументом, который трудно проигнорировать. Вопрос уже не в том, догонит ли она соперников, а в том, как быстро те будут вынуждены снижать цены, чтобы удержаться.

Google DeepMind создала институт для подготовки к эпохе AGI

Google DeepMind запустила новый исследовательский проект — Институт DeepMind. Его задача заключается не столько в непосредственной разработке новых моделей, сколько в изучении того, как искусственный общий интеллект, или AGI, может изменить экономику, науку и общество. Институт возглавили сооснователь DeepMind Шейн Легг, руководитель Google Джеймс Маника и председатель Google DeepMind Демис Хассабис, лауреат Нобелевской премии по химии. Сам DeepMind пока не утверждает, что AGI уже создан. В институте признают, что современные системы всё ещё могут ошибаться в простых задачах, а их стабильность и способность к творчеству не соответствуют полной человеческой универсальности. Однако исследователи считают, что разрыв может быть сокращён в ближайшем будущем. Поэтому основное внимание нового института направлено на вопрос о том, что произойдёт после появления таких систем. Как изменится рынок труда, каким станет распределение доходов, как будут регулироваться автономные AI-системы и какие правила понадобятся для их безопасного использования — эти вопросы DeepMind предлагает рассматривать не только специалистам по технологиям, но и экономистам, философам, исследователям общества и представителям государства. Первые материалы института посвящены именно этим проблемам. Исследователи рассматривают экономическую политику в эпоху AGI, прозрачность рассуждений AI-моделей и способы контроля их поведения. Отдельное внимание уделяется тому, насколько важно сохранять возможность понимать ход рассуждений мощных моделей: если AI начнёт скрывать свои намерения или выполнять сложные действия, человеку потребуется способ обнаруживать такое поведение. Экономический вопрос также становится центральным. Если AI сможет выполнять значительную часть интеллектуальной работы, рост производительности может сопровождаться серьёзными изменениями в занятости, доходах и распределении богатства. Поэтому авторы института уже обсуждают возможные меры экономической политики, которые позволили бы смягчить последствия такой трансформации. Для Шейна Легга запуск института имеет особое значение: он занимается проблемой AGI более 25 лет. Теперь исследования выходят за пределы вопроса о том, как создать искусственный общий интеллект. В центре внимания оказывается следующий вопрос: как обществу подготовиться к его появлению. При этом Институт DeepMind подчёркивает, что опубликованные материалы отражают позиции их авторов и не являются официальной позицией Google. Сам проект задуман как площадка для дискуссии и привлечения исследователей как из Google DeepMind, так и извне. Таким образом, Google DeepMind фактически начинает готовиться не только к созданию более мощного AI, но и к миру, в котором такие системы станут частью экономики и общества. Вопрос постепенно смещается от технического «можно ли создать AGI?» к практическому «что делать, если он действительно появится?».

Claude написал 80% кода — и едва не обрушил CI Anthropic

В Anthropic искусственный интеллект уже пишет большую часть программного кода. По данным самой компании, около 80% кода создаётся с помощью Claude, а средний объём поставки кода инженером за квартал достиг примерно восьмикратного уровня по сравнению со средним показателем 2021–2025 годов. Но стремительный рост производительности неожиданно создал новую проблему: система непрерывной интеграции, или CI, перестала справляться с потоком изменений. За полгода количество CI-задач выросло примерно в 25 раз, а число тестов — в десять раз. Причина оказалась в самом характере работы AI-агентов. Человек делает ограниченное число крупных изменений и ночью не работает. Claude способен круглосуточно создавать множество небольших изменений, каждое из которых запускает собственную цепочку проверок. Одновременно агент автоматически пишет большое количество тестов. В результате привычные периоды низкой нагрузки исчезают, а система получает постоянный поток задач. Проблема особенно ярко проявилась в сервисе, который определял, какие тесты необходимо запускать для каждого изменения. Изначально он был рассчитан на человеческий темп разработки и использовал единый процесс для записи истории тестов. При тысячах параллельных задач этот компонент начал отставать, из-за чего система получала устаревшие данные, тесты блокировали слияние изменений, а разработчики сталкивались с ошибками, не связанными с их работой. Инженеры несколько раз пытались решить проблему быстрыми мерами. Сначала увеличили вычислительные ресурсы — это продержалось около 70 дней. Затем разделили нагрузку между несколькими процессами, но новая архитектура выдержала лишь 29 дней. В итоге сервис начал регулярно упираться в ограничение памяти, а ежедневный автоматический перезапуск уже не спасал ситуацию. Тогда Anthropic отказалась от старой архитектуры и полностью перестроила систему. Единый сервис заменили распределённой моделью без постоянного состояния: обработка данных была разделена, а выбор необходимых тестов стал получать актуальную информацию практически в реальном времени. После перехода очередь необработанных событий, которая ранее могла достигать сотен тысяч, резко сократилась. История Anthropic показывает, что массовое внедрение AI-программистов меняет не только работу разработчиков. Когда машины начинают писать код в десятки раз быстрее людей и работать круглосуточно, узким местом становятся уже не генерация кода и даже не его проверка, а вся инфраструктура разработки. AI способен резко увеличить объём создаваемого программного обеспечения. Но без соответствующей перестройки тестирования, CI и других инженерных систем дополнительный код превращается не в ускорение разработки, а в перегрузку всей цепочки поставки.

ChatGPT Ads показывает слабые результаты, несмотря на быстрое расширение

Рекламная платформа ChatGPT Ads, запущенная OpenAI, стремительно развивается: с февраля 2026 года она тестируется в США, к августу охватила более 40 стран, привлекла десятки тысяч рекламодателей и достигла годовой выручки в 1 миллиард долларов. Однако реальные результаты у первых рекламодателей оказались далеки от ожиданий. Несмотря на то что показы и клики фиксируются, конверсия зачастую нулевая, а данные платформы расходятся с независимой аналитикой. Канадское агентство Choice OMG потратило 415 долларов за две недели и получило около 9000 показов вместо ожидаемых 4000, но кликабельность составила всего 0,6 процента при цене клика около 7 долларов. Продаж не последовало. Похожие истории публикуют и другие специалисты: B2B-агентство Cleverly обнаружило, что ChatGPT зафиксировал 57 кликов, тогда как Google Analytics показал менее 20 посещений, даже с учетом UTM-меток. Основатель We Scale Startups Дэниел Джонсон также отметил расхождения между данными платформы и сторонних инструментов. Некоторые тесты с бюджетами от 460 до 1000 долларов заканчивались нулевой конверсией при стоимости клика от 2,22 до 13 долларов. Особый интерес вызывает сравнение с органическими рекомендациями самого ChatGPT. Исследование 20 компаний в сфере домашних услуг показало, что реклама принесла 68 лидов, но уступила по эффективности естественным рекомендациям ИИ. Пользователи, которые получают совет от ChatGPT, воспринимают его как нейтральную подсказку, тогда как реклама осознается как коммерческое сообщение, что снижает доверие и готовность к действию. OpenAI делает ставку на контекст диалога: система анализирует текущий запрос, намерение и дополнительные подсказки от рекламодателя. Это действительно отличает ChatGPT от поисковиков и соцсетей, ведь пользователь описывает свою проблему, бюджет и сомнения в живой беседе. Но пока эти преимущества не конвертируются в измеримый результат. Рекламодателям важны не показы, а стоимость привлечения клиента, конверсия и выручка. Если за те же деньги Google или Meta дают одного покупателя, а ChatGPT не дает ни одного, бюджет останется у конкурентов. Дополнительный барьер для B2B-сегмента: реклама показывается только пользователям бесплатной версии и тарифа Go, тогда как Plus, Pro, Business и Enterprise ее не видят. Это ограничивает доступ к профессиональной аудитории с высокой покупательной способностью. Таким образом, ChatGPT Ads уже доказал, что рынок готов пробовать новый канал и платить за него. Но для долгосрочного успеха OpenAI должен доказать, что уникальные данные о намерениях и контексте диалога способны превращаться в реальные продажи, а не оставаться лишь привлекательной теорией. Пока же ранние тесты говорят о том, что платформа находится в стадии становления и требует доработки как минимум в вопросах прозрачности аналитики и эффективности конверсии.

Anthropic частично открыла доступ к модели Mythos для ученых-биологов

Компания Anthropic официально запустила бета-версию программы верификации для специалистов в области наук о жизни. В рамках этой инициативы ранее засекреченная модель Mythos впервые становится доступной для профессионального сообщества. Теперь сертифицированные ученые смогут задавать Claude вопросы из области биологии, которые прежде блокировались системами безопасности. Программа предлагает два типа разрешений. Первый, стандартный, покрывает подавляющее большинство повседневных задач в биологических исследованиях и может быть выдан всей научной команде с ежегодным продлением. В него входят модели Mythos 5.1, Opus 5 и Sonnet 5, а также будущие версии. Этот уровень подходит для фундаментальной науки, разработок, производства, клинических испытаний, контроля качества, регуляторных вопросов и инвестиционного анализа. Второй уровень, высокорисковый, полностью снимает защитные ограничения на запросы в области биологии. Он выдается не команде, а отдельному исследовательскому проекту, например изучению того, как иммунная система человека распознает конкретный вирусный вектор, и требует продления каждые шесть месяцев. Пока такой доступ открыт для Opus 5 и Sonnet 5. Anthropic отказалась от прежней модели безопасности, построенной на блокировке в реальном времени, в пользу так называемой общей ответственности. Теперь доступ каждого учреждения жестко привязан к заявленным целям, которые оно указывает при подаче заявки, не раскрывая чувствительную интеллектуальную собственность. Вместо мгновенной блокировки подозрительных запросов компания перешла к офлайн-мониторингу: легальная работа не встречает препятствий, а система в фоновом режиме анализирует поведенческие паттерны трафика. Если обнаруживается отклонение от заявленных рамок, Anthropic не блокирует аккаунт сразу, а уведомляет администратора организации для проверки и устранения проблемы. Данные о трафике хранятся тридцать дней и, как подчеркивает компания, строго изолированы: они не могут использоваться для обучения моделей и недоступны даже собственной биологической команде Anthropic. До публичного запуска программа проходила закрытое тестирование с участием нескольких десятков ведущих биологических организаций, которые высоко оценили возможности Mythos. С сегодняшнего дня подать заявку можно через официальную консоль API, а также в рамках корпоративных и командных тарифов Claude. Индивидуальные планы Pro и Max пока не поддерживаются, но компания работает над расширением доступа. Сторонние платформы также временно не могут использовать эту программу. Запуск программы продолжает стратегическую линию Anthropic, в которой безопасность ИИ занимает центральное место. Глава компании Дарио Амодеи ранее выступал за независимую оценку, стандарты безопасности и международную координацию в надзоре за передовыми моделями. Программа верификации для наук о жизни следует той же логике: она не останавливает развитие ИИ в научной сфере, а вводит дополнительные ограничения по идентификации, правам и ответственности при открытии возможностей. Для исследователей это означает доступ к более мощным инструментам в лабораториях, а для разработчиков ИИ — необходимость решать одновременно две задачи: помогать человечеству справляться с серьезными научными проблемами и гарантировать, что эти возможности не попадут в руки тех, кто может использовать их во вред. Науки о жизни становятся одной из важнейших площадок для следующего этапа управления безопасностью искусственного интеллекта.