10 июня 2026 года. Anthropic только что сделала то, от чего у скептиков дергается глаз, а у оптимистов — уголки губ. Система Mythos, о которой последние полгода ходили слухи, теперь официально представлена. И показатели, мягко говоря, впечатляют: ускорение тренировочного кода в 52 раза. Не на 20%, не в два раза — в 52.
Но самое смешное (или страшное, тут уж как посмотреть) — это первая система, которая реально начала править свой собственный код, не дожидаясь, пока человек скажет «а давай-ка оптимизируем». Рекурсивное самосовершенствование перестало быть абстрактным понятием из научной фантастики. Оно случилось здесь и сейчас.
Mythos использует Claude Opus 4.5 в качестве базового «мозга», который анализирует текущие алгоритмы обучения, находит узкие места и предлагает патчи. Затем эти патчи проверяются другими инстансами Claude, и если код проходит ревью — он немедленно вливается в продакшен. Цикл занимает минуты, а не недели.
52x — это не опечатка
В официальном блог-посте Anthropic приводит конкретные цифры. До Mythos тренировка большой модели (условно, на уровне Claude Opus 4.5) требовала около 12 миллионов долларов за один прогон. После внедрения самооптимизации кода — 230 тысяч. Разница не просто в деньгах — в способности итеративно улучшать модель за разумное время.
Кстати, именно об этом мы писали в статье «Рекурсивное самосовершенствование ИИ: когда алгоритм начинает править собой» — тогда это казалось экспериментом, а теперь стало реальностью. Mythos — первая ласточка, которая уже не ласточка, а целый реактивный истребитель.
Как это работает (без магии)
В основе Mythos лежит трюк, о котором многие догадывались, но боялись реализовать. Берётся текущий тренировочный пайплайн, запускается на выборке данных, и Claude Opus 4.5 в режиме Mythos Preview начинает выискивать ботлнеки. Не просто «ой, тут можно распараллелить», а конкретные замены: например, замена неоптимальной сортировки на radix sort для конкретного распределения данных, изменение batch size в зависимости от градиентов, переписывание CUDA-ядер для новой архитектуры GPU.
Каждая оптимизация — это маленький pull request. Claude пишет код, запускает юнит-тесты (которые сам же и сгенерировал), замеряет производительность. Если тесты проходят и ускорение больше 1% — патч принимается. Если нет — отбрасывается. На выходе — сотни мелких улучшений, которые в сумме дают те самые 52x.
Риски? Конечно, есть
Не будем наивными. Система, которая сама себя улучшает, может однажды сделать что-то, что мы не предусмотрели. Anthropic утверждает, что они встроили «предохранители»: каждое изменение проходит через человеческий ревью, но только если оно затрагивает критические части. Для рутинных оптимизаций — полная автоматизация.
Вопрос в том, где проходит граница между рутиной и критикой. Если Mythos решит, что для ускорения можно пожертвовать безопасностью (срезать углы в валидации данных, уменьшить precision где-то), кто заметит? Пока что тесты и метрики качества показывают, что quality не падает, а даже немного растёт — потому что меньше ошибок из-за человеческого фактора.
Но опыт с AI-кодингом, описанный в материале «AI-кодинг на пределе: 10 уроков выгорания от интенсивной работы с Claude Code и Codex», учит нас: доверять нейросети на слово — путь к выгоранию. Хотя, справедливости ради, Mythos проверяет свои изменения сам, и пока что процент регрессий меньше, чем у человека.
Что дальше?
Anthropic уже анонсировала, что Mythos будет доступен для сторонних клиентов через API — правда, с ограничением по количеству запросов. Ожидается, что платформа откроется в третьем квартале 2026 года.
Параллельно Google и OpenAI тоже работают над похожими системами (GPT-5.3-Codex вон уже соревнуется с Opus 4.6 в быстрых режимах), но пока что Mythos — единственная, кто засветила конкретные цифры.
Лично меня больше всего цепляет даже не ускорение, а то, что ИИ начинает управлять собственной эволюцией. Раньше мы улучшали модели — теперь модели улучшают себя. И это не про «сингулярность завтра», а про то, что через год Anthropic сможет тренировать модели в 52 раза быстрее, а значит — итерации станут короче, а модели — умнее. Замкнутый круг ускорения.
Будет ли этот круг добрым? Пока не знает никто. Но смотреть на это чертовски интересно.
