Блог • AI / Agent

Последнее раскрытие Anthropic: Claude ведёт 26% ИИ-R&D. Как агенты совместно разрабатывают модели? JSON-поток данных и Agent Workflow

17 сентября 2026 Anthropic в статье Institute опубликовала набор внутренних метрик. Заголовок легко прочитать так: Claude уже закрывает четверть разработки моделей.

Источник более узкий. По состоянию на август 2026 Claude «ведёт» 26% ИИ-R&D Anthropic; доля «сотрудничает» и выше — свыше 90%; ни на одном измеренном подмножестве нет полной автономии.

В этой статье:

• Какой ступени Automation Level Epoch AI соответствует 26%
• Как дерево задач вырастает из Slack и рабочих записей
• Как Agent совместно разрабатывают модели, а не болтают поодиночке
• JSON-поток данных: идентичность, сообщения, Tool Calling, решения monitor
• Как локально в JSONNote разобрать одну аудируемую запись workflow

Что на самом деле измеряет 26%

Источник — материал Anthropic Institute Measurements for understanding the pace of AI development inside frontier labs. Они сразу отдали три группы чисел: сколько ИИ-R&D делает сам ИИ, насколько действия Agent под надзором и как делят мощности.

Первая группа — Anthropic R&D Automation Index. Метод: перечислить каждый вид ИИ-R&D в компании, поставить каждой работе Automation Level, затем свернуть с весами по человеко-часам.

По состоянию на август 2026 публичные цифры такие:

Reuters те же цифры написала так: Claude ведёт четверть работы по созданию следующего поколения моделей. Заголовок горячее. Определение то же: «ведёт» по-прежнему подсказка высокого уровня плюс человеческий надзор. На графике эта ступень поднялась с менее 1% в феврале 2026. Рост быстрый, но ступень не перескочили.

Automation Level: помощь, сотрудничество, «ведёт», автономия

Оценки идут по Automation Level Epoch AI. Anthropic пишет шесть ступеней: без ИИ, минимально, помогает, сотрудничает, ведёт, автономен. Сноска гвоздит средние три на примере «ночной конвейер данных сломался»:

26% останавливается на AL4. Claude уже может провести задачу «починить конвейер» от алерта до разбора, но право деплоя всё ещё у человека. Это та же форма, что у повседневного Coding Agent: модель выдаёт Tool Calling, harness исполняет, человек оставляет вето на воротах и рискованных действиях. Как крутится цикл, см. Как работает AI Coding Agent?; кто владеет прыжком от JSON к побочным эффектам, см. Архитектура Agent Harness через JSON Tool Calling.

Дерево задач: как 15,000 единиц работы складываются в один индекс

Никто не выпишет от руки все R&D-действия передовой лаборатории. Anthropic собирала снизу вверх: каждую неделю в июле 2026 случайно брали 20% сотрудников из отделов разработки моделей, и Claude research Agent читал Slack и внутренние документы, перечисляя, что эти люди делали на той неделе. За четыре недели — около 15,000 гранулярных задач.

Затем Claude свернула список в дерево: корень — вся разработка моделей, дальше обучение, продукт, предобучение, обучение с подкреплением, до листьев. Замороженное дерево: 542 узла, из них 378 листьев — например диагностика дефектов платформы оценки, исходящий трафик и сетевая политика RL sandbox, разборы инцидентов сервиса.

Каждый узел затем глубоко копает отдельный Claude Agent: кто делает, какими инструментами, сколько делает ИИ. Независимый Claude-рецензент видит только доказательства текущего месяца и раньше и ставит AL0–AL5. Веса — не отмашка руководства, а человеко-часы: один голос на человека в неделю, поровну на задачи, которых он касался на той неделе.

Они же написали ограничения. Полное совпадение модели-рецензента и людей — 59%; люди между собой полностью совпадают только в 35%; но в 97% случаев модель и человек расходятся не больше чем на одну ступень. Граница «сотрудничает» и «ведёт» всё равно будет спорить. После заморозки корзины рост индекса говорит только, что работы июля 2026 автоматизируются, и сам по себе не доказывает, что люди не ушли на совершенно новые роли — они сверили с январской корзиной, роста новых задач не увидели и всё равно планируют периодически пересобирать.

{
  "index": "anthropic-rd-automation",
  "as_of": "2026-08",
  "node": {
    "id": "rl-sandbox-egress-policy",
    "leaf": "RL sandbox egress and network policy",
    "automation_level": 4,
    "label": "leads",
    "weight_person_weeks": 12.4,
    "human_gate": ["deploy", "policy_change"]
  },
  "aggregate": {
    "leads_share": 0.26,
    "collaborates_or_above": 0.90,
    "autonomous_share": 0.0
  }
}

Поля, которые можно parse, уровень — перечисление, вес — число: только тогда индекс можно пересчитывать каждый месяц. Прозаический недельный отчёт этого не сделает.

Как Agent совместно разрабатывают модели

26% — это не один супер-Claude в центре, который пишет весь стек обучения. Публичное описание больше похоже на карту оркестрации: человек задаёт цель, несколько Agent полуавтономно работают долго и делегируют работу другим Agent.

1. 1
   Выборка и каталог

   Research Agent читает рабочие записи и пишет задачи недели как сводимые пункты. Без этого шага у последующих уровней нет знаменателя.

2. 2
   Ветвление и делегирование

   Обучение, оценка, инфраструктура, разборы инцидентов разделяют. Один Agent может копать дальше или отдать подзадачу другому Agent с собственной идентичностью.

3. 3
   Исполнение и обратная запись

   Читать логи, править код, гонять тесты, сравнивать с эталонным прогоном. Результат возвращается в сессию, а не остаётся фразой «починил».

4. 4
   Взаимная коррекция

   Сообщения идут по открытому каналу и ссылаются на исходные материалы. Другой Agent берёт слова коллеги как «утверждение на проверку», а не как свою мысль.

5. 5
   Человеческие ворота

   AL4 останавливается до выката. AL3 раньше: сюрприз — сразу обратно человеку. Если ворота не сработали, на диске и в кластере не должно случиться необратимого.

Это не тот же продуктовый слой, что «один помощник в чате». Ближе к внутреннему runtime Agent лаборатории: идентичность устойчива, сообщения трассируемы, инструменты под monitor. Как стек делится по слоям, см. Стек AI Agent 2026.

JSON-поток данных: идентичность, сообщения, инструменты, ворота

Приложение подробно описывает две конструкции внутреннего каркаса. Именно они объясняют, почему 30,000 Agent всё ещё можно аудировать.

Идентичность. Пользователи привыкли болтать с одним объектом по имени Claude. Когда сотрудничают много Agent, у каждого должна быть своя идентичность, и все данные, которые он порождает, привязаны к ней. Идентичность не приварена к конкретной версии модели — после обновления послужной список остаётся. Для надзора: каждое действие можно тянуть вдоль по Agent, каждая запись указывает на конкретного исполнителя.

Открытая связь. Agent не переписываются втихаря. Каждое сообщение несёт идентичность отправителя и может ссылаться на исходную цитату — меньше искажений «испорченного телефона». Другие Agent видят трафик — могут исправлять и согласовывать. Сообщения перекрёстно ссылаются на транскрипты сессий, поэтому поведенческий monitor проходит через разговор между Agent.

Сложите эти две вещи с повседневным Tool Calling — аудируемая запись выглядит примерно так:

{
  "agent_id": "agt_4c91",
  "model_ref": "claude-internal",
  "identity_persists_across_models": true,
  "action": {
    "type": "tool_call",
    "name": "apply_patch",
    "arguments": "{\"path\":\"pipelines/nightly_etl.py\",\"intent\":\"fix_schema_drift\"}"
  },
  "message": {
    "channel": "open",
    "from": "agt_4c91",
    "links": ["transcript://run-8821#step-17"],
    "treat_as": "claim_to_verify"
  },
  "monitor": {
    "online": { "coverage": 1.0, "decision": "allow", "latency_s": 1.8 },
    "offline": { "ingested": true, "flagged": false }
  },
  "human_gate": { "required_for": ["deploy"], "status": "pending" }
}

arguments всё ещё часто строка. Бизнес-слой сначала делает parse, затем проверяет по schema, затем отдаёт monitor и правам. Как писать контракт, см. Зачем ИИ нужен JSON Schema?. Кто отвечает за безопасность, когда поверхность инструментов растёт, см. Уязвимости безопасности MCP.

Без этого слоя JSON monitor может читать только прозу. 30,000 одновременных Agent и миллиард решений прозой не агрегатить по идентичности и не ответить, «кто ведёт какой листовой тип задач».

30,000 Agent: кто смотрит

В августе 2026 на самой используемой внутренней платформе Anthropic около 30,000 Agent одновременно занимались исследованиями и инженерией. Метрики покрывают только эту платформу. Действия держат два слоя monitor:

Мало блокировок — не значит, что ворота необязательны. Покрытие 100%, блокировка — исключение. Без прыжка до исполнения AL4 «ведёт» соскользнёт в деплой без присмотра. Как JSON становится границей безопасности, см. Когда AI Agent начинает «сам атаковать интернет».

Книга учёта мощностей: что значит доля безопасности 6%

Третья группа — снимок мощностей за неделю 13–20 июля 2026. Из мощностей, ушедших в ИИ-R&D, около 6% отнесли к безопасности; из мощностей, ушедших в ИИ-R&D силами ИИ, — около 12%. Классификация нарочно консервативна: token, который наполовину про способность и наполовину про безопасность, в безопасность не считают.

Anthropic сама предупреждает: исследования безопасности обычно больше едят человеко-часы и меньше — карты, чем обучение frontier; доля мощностей — не достаточная статистика «насколько компания ценит безопасность». Ценность — сопоставимость: между лабораториями и во времени, в одних и тех же корзинах.

Сама классификация — тоже Agent Workflow: классификатор читает метаданные задания, код и транскрипты сессий, выдаёт корзину, обоснование и уверенность. Выбрали около 14% из почти 10,000 прогонов той недели и взвесили по мощностям. Границы живут в промпте; человеческая проверка и машина расходятся на один-два процентных пункта. Чтобы воспроизвести, «что считается работой по безопасности» нужно написать как проверяемое JSON-определение, а не слоган.

Разобрать запись workflow в JSONNote

Внутреннее дерево Anthropic вы не получите. Получите тот же род материалов в своём репозитории: tool call, логи monitor, сообщения Agent, рейтинги задач. Всё это можно разобрать локально в браузере.

1. 1
   Сначала проверить, что arguments можно parse

   Снимите экранирование со строки и бросьте в форматтер JSON. Нет запятой, лишняя висячая запятая — monitor ещё не вышел, а запись уже сломана.

2. 2
   Проверить действие по объявленной schema

   Положите parameters инструмента и разобранный объект в JSON Schema. Уровень должен быть перечислением, идентичность — стабильным ID, деплой обязан явно остаться на human_gate.

3. 3
   Сравнить «что одобрили» и «что сейчас»

   Бросьте дерево задач или список инструментов прошлой недели в JSON Diff и специально ищите тихие правки листовых задач, решений monitor и schema.

4. 4
   Нужно показать коллеге — через Hash

   Данные остаются в URL fragment и не попадают на сервер. См. Поделиться JSON через URL Hash.

FAQ

Claude ведёт 26% ИИ-R&D — значит ли это, что он уже без присмотра строит следующее поколение моделей?

Нет. 26% — это AL4 Epoch AI: Claude может по подсказке высокого уровня довести большую часть задачи, человек надзирает и решает, выпускать ли. Anthropic пишет прямо: ни на одном измеренном подмножестве ИИ-R&D Claude не достиг AL5 полной автономии.

Как связаны «свыше 90% сотрудничает» и «26% ведёт»?

90% — это AL3 и выше: Claude как минимум может делать крупные куски под тесным руководством человека. 26% — доля из них, уже поднявшаяся до AL4. «Ведёт» входит в «сотрудничает и выше», это не два взаимно исключающих набора.

Как 30,000 Agent сотрудничают и кто за ними смотрит?

Они полуавтономно гоняют исследования и инженерию на внутренней платформе и могут делегировать друг другу. У каждого Agent своя идентичность; сообщения идут по открытому каналу. 100% действий сначала проходят online monitor, потом offline monitor. В августе 2026 из более чем 1 млрд решений заблокировали примерно одно из 47,000.

Где в этом workflow появляется JSON?

Узлы дерева задач, рейтинг автоматизации, идентичность Agent, открытые сообщения, параметры Tool Calling, решения monitor (пропустить или заблокировать) — почти всё структурированные записи. Без контракта, который можно parse, 30,000 Agent не аудировать и не разобрать, «кто вёл какой отрезок».

Что разработчику сейчас унести из этого раскрытия?

Сначала разведите помощь, сотрудничество, «ведёт» и автономию. Затем на каждый tool call и каждое сообщение Agent оставьте идентичность, время и проверяемый JSON. Ворота — до исполнения; материал для разбора — после. Цифры сдвинутся. Слой контракта не устареет.

Итог

Anthropic кладёт на стол 26%, 90%, 30,000, 0.002%, 6%, потому что эти числа можно измерить, проверить и пересчитать каждый месяц. Они измеряют не «насколько модель умеет болтать», а на какой ступени стоят человек и Agent на линии разработки моделей.

26% — это «ведёт», не автономия. Сотрудничество уже широко. Ворота всё ещё у человека. Agent могут вместе строить модели, потому что идентичность, открытые сообщения, Tool Calling и решения monitor идут по одному потоку, который можно parse.

Заголовки и дальше будут раздувать 26%. Кто читает оригинал, должен сначала смотреть определения ступеней, потом — на месте ли этот JSON.

← Назад к блогу