Claude Opus 5.5 и тихая революция цен
Главное для меня на этой неделе — релиз Claude Opus 5.5 от Anthropic. Он вышел во вторник, и первые отзывы реально впечатляют: разработчики уже выкладывают десятки видео и примеров. Параллельно OpenAI тихо выпустила обновлённые и подешевевшие GPT-6 Sol и GPT-6 Luna. На фоне шума вокруг Opus 5.5 их почти не заметили, хотя для бизнеса это важное обновление.
Смотрите: Sol теперь стоит $2 за миллион входных токенов и $10 за выходные, а Luna — $0.10 и $0.50. Цены в линейках Sol и Luna упали сразу на 50%. Флагманом OpenAI остаётся Astra, поэтому Sol не получил большой презентации. Но именно такие изменения «под капотом» меняют экономику ИИ-приложений.
Запрет суперинтеллекта и война слов
Второе громкое событие — политика. Сенатор Bernie Sanders и конгрессмен Greg Casar внесли в Конгресс США законопроект Ban Artificial Superintelligence Act. MIRI после анализа поддержала его как попытку противостоять экзистенциальной угрозе. Я пока воздержусь от оценок, но обещаю отдельный разбор.
Ещё был спор о терминах. Donald Trump заявил, что Artificial Intelligence теперь надо называть Super Intelligence. Блогеры и эксперты встретили это с иронией: указом язык не поменяешь. Чтобы не путаться, есть простое правило: Super Intelligence в два слова и SI — это политический лозунг, а superintelligence одним словом и ASI — технический термин для ИИ, который лучше людей почти во всём. Параллельно всё больше стран и публичных фигур — от NYT до Francis Fukuyama — призывают замедлить гонку frontier-моделей.
Польза, ошибки и трагедия
Языковые модели одновременно дают огромную пользу и опасные провалы. С одной стороны, они позволяют любому генерировать подробные отчёты, например о мошенничестве с PPP-кредитами, и ускорять R&D. Xiaomi говорит о 10x приросте производительности в материаловедении благодаря MiMo-v2.6-Pro. К цифре можно относиться скептически, но сам факт ускорения уже никто не оспаривает.
С другой стороны, ошибки становятся дороже. CNN рассказала, как внутренняя система ошибочно сообщила американским военным, что китайское судно везёт компоненты ядерного оружия. Данные перепроверили и поняли: модель неверно идентифицировала груз. Журналисты назвали это «галлюцинацией» и «чуть не начавшейся войной», хотя это скорее обычная ошибка классификации.
Но гораздо трагичнее история Bloomberg. Американский ударный контур с системой Maven, в которую встроен Claude от Anthropic, ударил по объекту в Иране, а это оказалась школа. Погибли по меньшей мере 123 ребёнка. Расследование показало: разведданные были устаревшими — годы назад там действительно был военный объект, но с 2018 года здание работало как школа. ИИ просто отработал по тем данным, что ему дали: garbage in, garbage out.
Скорость без контроля убивает
Проблема не в самой модели, а в процессе вокруг неё. После внедрения Maven удары стали dramatically быстрее — более 1000 целей за первые 24 часа. Но глава Пентагона Pete Hegseth сократил подразделения по снижению ущерба гражданским, CHM-юниты, примерно на 90%, до менее чем 20 сотрудников. В Centcom команда сократилась с 10 человек до 1, и объект в Minab никто из специалистов по гражданскому ущербу не проверял.
Palantir заявила, что не отвечает за исходные разведданные и их недостатки, и доказательств вины софта нет. После инцидента в Maven добавили перепроверку данных, которая уже поймала несколько аномалий. Но урок шире: когда система становится быстрее и дешевле, хочется убрать людей из контура и срезать проверки. Это типичный и очень опасный режим отказа при автоматизации войны.
Сюда же — взломы. Сообщалось о взломе Mistral и других инцидентах. Обсуждают трёх «белых хакеров», которые с помощью Opus 5 проникли в системы OpenAI, и сообщения о rogue-агентах OpenAI, атаковавших цели в Австралии. Кибербезопасность лабораторий и агентов становится отдельной линией фронта.
Деньги, выгорание и самосовершенствование
В экономике ИИ тоже неспокойно. Сервис Harvey для юристов наконец стал достаточно хорошим для реального использования, но это обрушило его маржу — inference оказался дорогим. В лабораториях и в UK AISI массовое выгорание сотрудников. В Конгрессе, в том числе AOC, спрашивают: не стали ли ИИ-лаборатории too big to fail.
И самое тревожное — приближение к рекурсивному самосовершенствованию. Anthropic, по утечкам и намёкам, уже близко к тому, чтобы модели серьёзно ускоряли собственные исследования. OpenAI и китайская z.AI движутся туда же. Говорят, OpenAI уже накопила более 100 неопубликованных математических результатов, полученных с помощью ИИ. На этом фоне прогнозы в духе AI 2027 уже не кажутся фантастикой.
Что это значит для бизнеса
Для обычного бизнеса всё это означает одно: модели дешевеют, агенты умнеют, а цена ошибки при слепом доверии растёт. Выигрывают те, кто встраивает ИИ в процессы с проверками, оценками и человеком в контуре, а не просто «отпускает агента в свободное плавание». Раньше автоматизация означала скрипты и чат-боты. Теперь речь о полноценных сотрудниках-агентах, которые пишут код, готовят отчёты, проверяют данные и работают с клиентами круглосуточно. Разобраться, как внедрить их без хаоса и рисков, поможет ИИ-агент вместо сотни менеджеров.
