METR — Model Evaluation and Threat Research, американская некоммерческая организация по безопасности ИИ — потратила 11 недель на изучение внутренних исследовательских данных Anthropic. Вывод: скорость разработки моделей примерно удвоилась, и примерно 80% этого ускорения приходится на использование самого ИИ в научной работе. То есть Claude помогает создавать следующего Claude. При этом Anthropic засекретила наиболее показательные доказательства, а публике остаётся доверяться суждению METR «значительно больше, чем хотелось бы».
Контекст
У Anthropic есть Responsible Scaling Policy (RSP) — самостоятельно принятый публичный документ, в котором компания берёт на себя обязательства: если темп развития ИИ достигает определённых порогов, нужно останавливаться, переосмыслять безопасность и пересматривать политику. Это принципиально отличает Anthropic от других игроков: формальное самоограничение зафиксировано письменно. RSP — не пиар-заявление. Это обязательство, нарушение которого видно снаружи.
METR — одна из немногих организаций, которым Anthropic дала доступ к внутренним данным для независимого аудита. Результат аудита создаёт неудобный прецедент: компания, возможно, уже прошла собственную красную черту и продолжила работу. Показательно, что даже внутри Anthropic есть скептики, которые ставят под сомнение выводы аудита — это означает, что само понимание порога неоднозначно.
Лейтмотив шире отдельного игрока: если ИИ действительно начал значимо ускорять собственное совершенствование, мы находимся на той стадии, о которой предупреждали теоретики рекурсивного самоулучшения. Не в абстрактном смысле — в операционном.
Аналитика
Цифра 80% критична. Она означает: большая часть скачка скорости разработки — не найм инженеров, не увеличение compute, не лучшие датасеты. Это ИИ, помогающий писать код, проводить эксперименты и анализировать результаты. Если этот паттерн продолжится, горизонт планирования сжимается: то, что казалось 3-летним циклом, становится 18-месячным, а потом и короче.
Важно и то, что Anthropic засекретила ключевые доказательства. С одной стороны — корпоративная осторожность, конкурентная тайна. С другой — это подрывает саму идею RSP как механизма внешней подотчётности. Если аудитор не может показать публике, на чём основан вывод, доверие к системе самоограничения снижается. Лейтмотив здесь — разрыв между институциональными обязательствами по безопасности ИИ и реальной прозрачностью.
Для рынка это сигнал: AI-first компании, которые строят продукты на базе моделей Anthropic (или любых других frontier-моделей), оказываются в условиях ускоряющейся нестабильности. Модели меняются быстрее, возможности растут быстрее, а значит — окна конкурентного преимущества сужаются. Кто не адаптирует свой технологический стек к более частым обновлениям, будет отставать.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если темп улучшения моделей удвоился, roadmap продукта нужно пересматривать чаще — не раз в квартал, а раз в месяц. Конкретно: внедрите ревью «AI-capabilities update» в monthly sprint. Оцените, какие функции, которые вы планировали строить вручную через 6 месяцев, уже можно отдать LLM-слою сегодня — это сэкономит инженерные недели.
Корпорация с legacy-инфраструктурой. Ускорение разработки моделей означает: пилоты, которые вы откладывали «на потом», начинают протухать. Технология, которую вы тестировали в прошлом квартале, уже не актуальна. Практический шаг — назначить внутреннего AI-капитана, который раз в 6 недель делает ревизию: какие модели изменились, что из пилотов пора переводить в прод.
SMB или локальный бизнес в КР/СНГ. Для небольших компаний новость означает: барьер входа в AI-инструменты падает быстрее, чем ожидалось. Даже без технического стека — Claude, GPT и аналоги уже сегодня закрывают задачи контент-маркетинга, клиентских ответов и анализа данных. Не ждите «идеального момента» — стоимость экспериментов снижается с каждым месяцем.
Кейсы в личной жизни
Разработчик. Если 80% ускорения в Anthropic дал ИИ-ассистент в научной работе, тот же эффект применим к вашей работе с кодом. Начните отслеживать, какую долю кода за день пишет ИИ. Если меньше 30% — вы недоиспользуете инструмент. Попробуйте Claude или GitHub Copilot в режиме «write first draft, I review» и замерьте скорость через неделю.
Контент-мейкер или фрилансер. Ускорение разработки моделей напрямую означает: ваши инструменты становятся лучше без доплаты. Раз в месяц тестируйте новые возможности той модели, которой пользуетесь — функции, которых два месяца назад не было, могут закрыть часть вашего процесса.
Студент или исследователь. METR — хороший пример того, как независимый аудит становится профессией. Если вас интересует AI safety, оценка моделей (evals), интерпретируемость — это растущая ниша с реальным спросом. Начните с открытых ресурсов METR, ARC Evals, Alignment Forum.
Как применить сегодня
- Прочитайте публичную версию Anthropic RSP — она доступна на сайте Anthropic. Это один из самых честных документов о корпоративной ответственности в AI-отрасли, независимо от того, выполняется он или нет.
- Пересмотрите горизонт своих AI-планов: если строили roadmap на 12 месяцев «ждать лучших моделей» — сдвиньте точку старта на сегодня. Модели уже достаточно хороши для большинства бизнес-задач.
- Запустите внутренний трекер AI-ускорения: раз в 6 недель фиксируйте, какие задачи команды стали возможны с новыми версиями моделей, которые не были возможны раньше.
- Если вы технический руководитель — добавьте в культуру команды AI-assisted research: пусть разработчики используют LLM не только для кода, но для анализа архитектурных решений, написания спецификаций, ревью документации. METR показывает, что именно это даёт кратный прирост скорости.
- Следите за следующими отчётами METR и публичными обновлениями RSP — это самый точный публичный барометр того, насколько быстро меняется frontier.
«Публике приходится полагаться на суждение METR значительно больше, чем хотелось бы» — METR о результатах аудита Anthropic.