Claude стал частью разработки Claude
Anthropic Institute опубликовал разбор о рекурсивном самоулучшении AI — сценарии, при котором модель способна самостоятельно разрабатывать более сильную версию самой себя. Компания подчёркивает, что такого замкнутого цикла пока нет: люди всё ещё выбирают цели, проверяют результаты и задают направление исследований, но внутренняя статистика Anthropic показывает, что часть разработки уже заметно сместилась к AI-агентам.
Самая сильная цифра в публикации — доля кода. По данным Anthropic, в мае 2026 года Claude был автором более 80% кода, который компания добавляла в свою кодовую базу. До запуска Claude Code в исследовательском preview в феврале 2025 года этот показатель был на уровне единичных процентов.
Anthropic также пишет, что во втором квартале 2026 года типичный инженер компании добавлял в восемь раз больше кода в день, чем в 2024 году. Компания делает оговорку: строки кода плохо измеряют качество работы и могут завышать реальный прирост продуктивности. Но сама динамика важна — инженер всё чаще управляет задачей и проверяет результат, а большую часть набора и правок выполняет модель.
Как нейросети ускоряют разработку: опыт Anthropic
На графике показано, сколько кода успевает внедрить один программист компании за квартал. С выходом продвинутых ИИ-помощников (Claude Code и линейки Claude 4) эффективность инженеров выросла в 8 раз по сравнению с периодом 2021–2024 годов. Сегодня один разработчик с ИИ делает работу целой команды.
Модель закрывает задачи, которые раньше откладывали
Есть пример с исправлениями API: в апреле 2026 года Claude внёс более 800 исправлений, которые снизили один класс API-ошибок в тысячу раз. Инженер, курировавший работу, оценил, что человеку понадобилось бы около четырёх лет на аналогичный объём.
Это хороший пример того, где агентская автоматизация выглядит убедительнее маркетинговых обещаний. Модель берёт не «творческую магию», а длинную, скучную и контекстно тяжёлую работу: пройти по старым ошибкам, удержать в памяти разные участки системы, повторить однотипные проверки и довести пачку исправлений до результата.
Качество кода, по оценке Anthropic, тоже улучшается. Компания утверждает, что частота вмешательств людей в работу Claude Code снижалась в течение года, включая сложные и открытые задачи. На самых неопределённых задачах успешность сессий Claude достигла 76% в мае 2026 года, увеличившись на 50 процентных пунктов за шесть месяцев.
На графике показана доля успешных рабочих сессий ИИ-помощника Claude Code внутри Anthropic с разделением по сложности задач. Менее чем за год разработчики совершили мощный прорыв:
- Простые и рутинные задачи (Trivial / Routine): стабильно решаются нейросетью в 80–90% случаев.
- Сложные задачи (Substantial): благодаря выходу моделей семейства Mythos и Claude Opus 4.7, успешность их выполнения подскочила с 40% до уверенных 85%.
- Задачи с открытым финалом (Open-ended): исследовательские и комплексные проблемы, которые в 2025 году давались ИИ с трудом (всего 10–20% успеха), теперь успешно закрываются в 75% случаев.
Это наглядно объясняет, почему взлетела продуктивность инженеров: нейросеть научилась почти без ошибок забирать на себя не только рутину, но и глубокие архитектурные задачи.
Исследовательские эксперименты становятся агентной работой
Anthropic отдельно описывает, как Claude участвует в исследовательских экспериментах. В одном внутреннем тесте модели дают код для обучения небольшой AI-модели и просят ускорить его без нарушения проверок корректности. В мае 2025 года Claude Opus 4 давал ускорение примерно в 3 раза. К апрелю 2026 года Claude Mythos Preview достигал около 52 раз на том же типе задачи.
Эта цифра не говорит, что обучение крупных моделей в реальности ускорилось в 52 раза. Anthropic прямо уточняет, что результат зависит от исходного кода и не должен восприниматься как прямой выигрыш для продакшен-обучения. Полезнее другой вывод: модель стала гораздо сильнее в цикле «переписать код — запустить — измерить — повторить», если цель и метрика уже заданы человеком.
Более открытая часть исследований пока слабее. Anthropic признаёт, что за людьми остаётся выбор задач, оценка результатов и исследовательский вкус: понимание, какие гипотезы вообще стоит проверять. Это главный разрыв между сегодняшними агентами и системой, которая действительно могла бы самостоятельно проектировать своего преемника.
График показывает результаты эксперимента Anthropic: ученые взяли реальные исследовательские сессии, нашли моменты, где человек совершил ошибку или выбрал неоптимальный путь, и предложили разным моделям Claude найти лучшее решение.
- Прорыв в качестве подсказок: Если в начале 2024 года ранняя модель Claude Haiku 3 могла предложить более удачный шаг вместо человека лишь в 22% случаев, то новейшая Claude Mythos Preview делает это уже в 64% ситуаций.
- Приближение к максимуму: С учетом серого блока «ничья» (tie — 9%), общее количество полезных или как минимум не уступающих человеку ответов у Mythos Preview вплотную подобралось к отметке в 73%, уверенно двигаясь к практическому потолку возможностей в 90%.
- Динамика эволюции моделей: Наглядно видно, как от поколения к поколению (от Sonnet 4 до Opus 4.7) нейросеть всё глубже понимает сложную логику научных исследований и помогает ученым не сворачивать «не туда».
Этот тест доказывает, что современные модели Claude стали незаменимым вторым пилотом в глубоких R&D-исследованиях, способным вовремя скорректировать ошибки человека.
Рекурсивное самоулучшение остаётся риском, а не фактом
Anthropic не заявляет, что рекурсивное самоулучшение уже произошло. Компания описывает траекторию: сначала люди писали код сами, затем использовали чат-ботов для фрагментов, потом появились coding agents, а сейчас агенты могут запускать код, исправлять файлы и делегировать работу другим агентам. Следующий возможный этап — замыкание цикла, где AI участвует уже в проектировании и обучении новых моделей.
Внешние бенчмарки, по версии Anthropic, тоже показывают ускорение. Компания ссылается на рост длительности задач, которые модели способны надёжно выполнять автономно: раньше этот горизонт удваивался примерно каждые семь месяцев, теперь — примерно каждые четыре месяца. В таком темпе задачи, занимающие у специалиста дни, могут войти в зону досягаемости уже в ближайшее время.
Здесь есть слабое место: значительная часть доказательств — внутренние данные Anthropic, собранные на собственной команде, собственных инструментах и собственных моделях. Для рынка это ценный сигнал, но не независимое измерение всей индустрии. Важнее следить за тем, подтвердят ли похожую динамику внешние оценки и другие лаборатории.
Anthropic предлагает готовиться к проверяемой паузе
Финальная часть публикации выходит за рамки инженерной статистики. Anthropic пишет, что миру может понадобиться возможность замедлить или временно поставить на паузу разработку frontier AI, если прогресс начнёт опережать безопасность, регулирование и общественную готовность.
Компания считает, что одиночная пауза одной лаборатории даст мало: она просто изменит баланс сил между игроками. Рабочий вариант, по её логике, требует участия нескольких крупных AI-лабораторий в разных странах, общих условий остановки и механизма проверки. Anthropic сравнивает задачу с режимами контроля сложных технологий, но признаёт, что обучение AI-моделей гораздо легче скрыть, чем многие военные объекты.
Для пользователей Claude новость не меняет доступность продукта и не добавляет новую функцию. Для рынка это сигнал другого уровня: крупнейшие лаборатории уже используют свои модели как ускорители собственной разработки, а значит, конкуренция в AI может зависеть не только от числа инженеров и объёма вычислений, но и от того, насколько хорошо компания умеет строить «виртуальную лабораторию» из агентов.
