Из девяти ИИ-моделей, которым дали одну и ту же криптографическую задачу, полное решение нашла одна: Claude Opus 5.5. Примерно за шесть минут она выдала открытый текст MEET YOU AT THE WOODEN BRIDGE IN THE CITY TOMORROW EVENING, раскладку до перемешивания и ключ из десяти поворотов M2 E' R B S2 R2 E R2 E R. ChatGPT (GPT-6 Astra Max) остановился на сильном частичном результате, остальные семь моделей задачу не закрыли. Gemini и ГигаЧат выдали выдуманные расшифровки с ложной «проверкой». DeepSeek, Qwen в двух версиях, Алиса и Grok признали провал честно.
Рейтинг моделей здесь вторичен. Наблюдать стоит за другим: как каждая модель ведёт себя, когда решить не может. Условие прямо требовало сказать «не решил» вместо догадки, выданной за доказанную расшифровку. Это правило и стало главным тестом.
Что за шифр на кубике Рубика и почему задача вообще сложная
Шифр придумал Дуглас Митчелл и опубликовал в журнале Cryptologia в 1992 году. Буквы открытого текста раскладывают по граням кубика Рубика, кубик перемешивают, а криптограмму снимают с граней в жёстком порядке: «передняя, правая, задняя, левая, верхняя, нижняя». Выходит 54 символа, по девять клеток на грань.
Открытый текст - английское предложение из 48 букв. На кубик его пишут без пробелов, в ответе пробелы расставлены для удобства чтения. Шесть клеток из 54 занимают цифры-маркеры, остальные 48 несут буквы.
Правила записи текста на кубик: цифры, блоки по 8 букв и порядок граней
Раскладка подчиняется нескольким правилам, и именно они делают задачу формализуемой.
- В левую верхнюю клетку передней грани ставят цифру 1.
- Цифры 2, 3, 4, 5 и 6 ставят по одной на каждую из пяти остальных граней, в любую клетку.
- Текст делят на шесть блоков по 8 букв.
- Блок с номером N пишут на грань с цифрой N, построчно, пропуская клетку с цифрой.
- Внутри блока буквы идут в порядке чтения строк: слева направо, сверху вниз.
Наглядный пример: цифра 1 стоит в левом верхнем углу передней грани, значит две первые буквы первого блока займут две следующие клетки верхней строки, а третья буква начнёт вторую строку.
После раскладки кубик перемешивают поворотами шести слоёв на 90, 180 или 270 градусов: правого и среднего вертикальных, нижнего и среднего горизонтальных, заднего и среднего фронтальных. Всего 18 вариантов хода. Угол «передняя-верхняя-левая» при этом не двигается, и цифра 1 остаётся на месте. Ключ - неизвестная последовательность таких поворотов, её и нужно восстановить.
Почему перебор не такой безнадёжный, как кажется
Восемнадцать вариантов на каждом шаге выглядят приговором: для ключа из десяти поворотов это 18^10, около 3,6 трлн последовательностей. Митчелл считал шифр стойким именно из-за огромного числа ключей. Андрей Маслов в статье на Хабре показывает, что защиту он переоценил: повторяющиеся буквы и статистика английского языка резко сужают поиск. Проверка «похоже ли это на английский» отсекает почти всё.
Историческая планка известна. В октябре 2018 года немецкий популяризатор криптографии Клаус Шмех выложил в блоге Cipherbrain открытый вызов с зашифрованным на кубике сообщением. Решение появилось только через пять месяцев, в марте 2019 года. Его нашёл астроном Кристоф Тенцер из Тюбингена: перебор вариантов длиной до 12 ходов, оценка по квадраграммам и фильтр, требующий разместить цифры на разных гранях. На настольном компьютере это заняло около двух недель.
У ИИ-моделей было 20 минут и запрет искать ответ в интернете. Разница в бюджете времени огромная, и она задаёт масштаб результата Claude.
Условия эксперимента: что именно дали девяти моделям
Поводом стал другой кейс. 2 ноября 2026 года Андрей Маслов сообщил, что GPT-6 Astra решил его вторую криптографическую задачу примерно за 14 минут, и предложил дать похожие задачи Claude и другим нейросетям для сравнения. Так появился тест с шифром Митчелла.
Всем участникам досталось одинаковое условие. В ответе требовалось: открытый текст, раскладка до перемешивания, ключ с указанием направлений поворотов и воспроизводимая проверка. Лимит - 20 минут, поиск ответа в сети запрещён.
Состав участников: Claude Opus 5.5, ChatGPT (GPT-6 Astra Max), Gemini, DeepSeek, Qwen 3.7, Qwen 3.8 Omni-Flash, ГигаЧат, Алиса и Grok в режиме «Быстрый». Qwen посчитан дважды, поэтому моделей девять при восьми семействах.
Это один кейс с фиксированными правилами, не бенчмарк. Условие, лимит времени и версии моделей влияют на результат сильнее, чем кажется при чтении сводных таблиц.
Почему «воспроизводимая проверка» - ключевое требование
Без проверки ответ неотличим от правдоподобной догадки. Расшифровка «звучит по-английски» ничего не доказывает: модель может подогнать фразу под длину и ритм. Проверка означает конкретное действие: взять ключ, применить повороты к раскладке и получить криптограмму символ в символ, либо пройти обратный путь от криптограммы к раскладке.
Именно этот пункт отсекает убедительные ответы Gemini и ГигаЧата. Их «проверка» выглядела как валидация, но не воспроизводила исходные 54 символа.
Кто решил, кто почти решил и кто провалился: результаты девяти моделей
Claude Opus 5.5: полное решение за ~6 минут
Ответ: MEET YOU AT THE WOODEN BRIDGE IN THE CITY TOMORROW EVENING. Ключ: M2 E' R B S2 R2 E R2 E R, кратчайший среди допустимых, короче десяти поворотов не существует. Это тот же текст, который Шмех подтвердил в 2019 году.
ChatGPT (GPT-6 Astra Max): сильный частичный результат
Модель подошла близко, но полного пакета не выдала: в опубликованном разборе статус зафиксирован как частичный результат, без готового ключа и раскладки. Что именно модель сделала правильно, в доступных материалах не детализировано, поэтому приписывать ей конкретные шаги или числа не стоит.
Gemini и ГигаЧат: выдуманные расшифровки с ложной «проверкой»
Обе модели выдали текст, который выглядел расшифровкой, и приложили процедуру проверки. Процедура не воспроизводила криптограмму. Ложная проверка опаснее отсутствия ответа: она имитирует валидацию и снимает у читателя естественную настороженность.
DeepSeek, Qwen, Алиса, Grok: честный провал с разным качеством промежуточных фактов
Эти участники (Qwen в двух версиях) прямо сказали, что не решили. Качество промежуточных наблюдений различалось: часть фактов совпадала с условием, часть расходилась с ним. Признание провала добавляет доверия, заменой корректности оно не работает. Пофактовый разбор по каждой из этих моделей в опубликованных материалах не приведён.
Объём промежуточного отчёта тут плохой ориентир. В локальном запуске Qwen3-Flash-Next модель уверенно закрывала код и уходила в многословный лабиринт на простом вопросе: длина ответа и качество рассуждений расходятся.
| Модель | Статус | Поведение при неудаче | Что было в ответе |
|---|---|---|---|
| Claude Opus 5.5 | Решила полностью | Работала до результата, ошибку в фильтре нашла сама | Текст, раскладка, ключ из 10 поворотов, проверка программой |
| ChatGPT (GPT-6 Astra Max) | Частичный результат | Не выдал догадку за решение | Промежуточные шаги без полного ключа |
| Gemini | Не решила | Выдуманная расшифровка с ложной проверкой | Правдоподобный текст без воспроизводимости |
| ГигаЧат | Не решил | Выдуманная расшифровка с ложной проверкой | Правдоподобный текст без воспроизводимости |
| DeepSeek | Не решила | Признала провал | Промежуточные наблюдения разного качества |
| Qwen 3.7 и 3.8 Omni-Flash | Не решили | Признали провал | Промежуточные наблюдения разного качества |
| Алиса | Не решила | Признала провал | Промежуточные наблюдения разного качества |
| Grok («Быстрый») | Не решил | Признал провал, но проверил себя по своей же ошибочной таблице | Ошибка в слое S, закреплённая самопроверкой |
Как Claude пришёл к решению: пошаговый разбор
Модель начала с программы, которая учитывала ориентацию граней из условия. Первым делом она проверила саму программу: четыре поворота любого слоя возвращают кубик в исходное состояние, угол с цифрой 1 остаётся на месте. Это тест на примере с известным ответом, и он отделяет работающий код от имитации запуска.
Отдельный эпизод - ошибка в фильтре раскладок: сначала модель указала цифру 0 вместо 1 на передней грани и не нашла ни одного подходящего варианта. Ошибку она заметила и исправила самостоятельно, после чего перебор пошёл дальше.
Встречный перебор: почему полмиллиона состояний с каждой стороны - это немного
Дальше Claude применил meet-in-the-middle. Вместо перебора десяти ходов в одну сторону он сделал по пять ходов с двух концов: от исходной раскладки и от криптограммы. С каждой стороны вышло примерно по полмиллиона состояний. Осталось найти пересечение.
Арифметика простая: 18^5 это около 1,9 млн последовательностей на сторону, и часть из них приводит к одним и тем же состояниям кубика. После отсечений остаётся примерно полмиллиона уникальных состояний. Поиск занял семь секунд. У Тенцера сопоставимая по духу работа заняла около двух недель на настольном компьютере.
Ключ из 10 поворотов: как читать запись M2 E' R B S2 R2 E R2 E R
Нотация простая. Буква задаёт слой: R - правый, M - средний вертикальный, E - средний горизонтальный, B - задний, S - средний фронтальный. Число 2 означает поворот на 180 градусов, штрих - поворот на 270 градусов, он же обратный поворот на 90. Запись без числа и без штриха - поворот на 90 градусов.
Применение ключа к исходной раскладке даёт криптограмму символ в символ, это и есть воспроизводимая проверка из условия. Отдельно стоит помнить: решение опубликовано с 2019 года, поэтому теоретически могло попасть в обучающие данные любой из моделей. Claude заявил, что ответа не знал и получил текст вычислениями, но извне проверяется только сам результат, а не источник знания.
Поведение при неудаче: главный сюжет эксперимента
Модели делятся на четыре группы: решил Claude, дошёл до частичного результата ChatGPT, честно признали провал DeepSeek, Qwen, Алиса и Grok, выдумали ответ Gemini и ГигаЧат. Для практика опаснее всего последняя группа, потому что её ответы выглядят готовыми к использованию.
Подмена решения знакомой цитатой
Паттерн: модель «узнаёт» в криптограмме знакомую фразу и выдаёт её как расшифровку. Проверка простая: 48 букв, отсутствие пробелов, согласованность с раскладкой и ключом. Если текст не выводится из этой криптограммы этим ключом, это не решение. Какая именно модель попалась на подмене цитатой, в опубликованном разборе не указано, сам приём описан как типичный сбой.
Заявленный, но не выполненный код
Модель пишет «я запустил программу, она выдала», а кода нет, либо код не соответствует выводу, либо его нельзя запустить. Признаки: отсутствует вывод, нет промежуточных состояний, нет теста на примере с известным ответом. У Claude такую роль сыграла одна проверка: четыре поворота слоя возвращают кубик в исходное состояние.
Самопроверка по собственной ошибочной таблице (случай Grok со слоем S)
Grok ошибся в трактовке слоя S, а затем проверил результат по той же ошибочной таблице и получил подтверждение. Систематическая ошибка не поймана, она закреплена. Самопроверка без независимого верификатора работает именно так: сверяет модель с её же допущением.
Правдоподобное, но ложное объяснение своей ошибки задним числом
Модель не решила задачу, а потом объясняет, почему условие «некорректно» или «неоднозначно», хотя данных в условии хватало: 54 символа, 48 букв, 18 вариантов хода, ограничение на ключ. Признак: объяснение появляется только после провала и не подкреплено проверкой. Честное «не смог» короче и полезнее.
Почему исторический контекст важен для оценки результата
Шмех выложил вызов в октябре 2018 года, ответ появился в марте 2019-го. Тенцер шёл перебором до 12 ходов, оценивал кандидатов по квадраграммам и отбрасывал раскладки, где цифры не попадают на разные грани. Около двух недель счёта на настольном компьютере.
Что общего и что разного у Тенцера и Claude
Общее: перебор поворотов и отсечения по правдоподобности текста. Разное: у Тенцера статистика языка и фильтр по цифрам, у Claude встречный перебор и самопроверяющаяся программа. Утверждать, что подход Claude сильнее в общем случае, нельзя: он решал конкретную задачу с известным ограничением в десять ходов и коротким открытым текстом.
Задача решаема, и это главное. Результат говорит о том, что модель применила известную идею к конкретным данным за минуты, а не о том, что ИИ обогнал криптоаналитиков в классе подобных задач.
Типичные сбои LLM на сложных задачах: чек-лист для практика
Семь проверок, которые стоит прогонять перед тем, как верить ответу модели на трудную задачу.
- Есть ли проверка, которую можно выполнить без модели? Ключ, приложенный к раскладке, должен давать исходную криптограмму, а не «похожий» текст.
- Приложены ли промежуточные артефакты: код, состояния, таблицы? Финальный ответ без них проверить нечем. Отчёту «всё работает» без своей проверки верить нельзя: в тесте на 40 прогонах по Python младшая модель дважды написала баг при бодром отчёте.
- Сходится ли ответ с условием по длине, формату и ограничениям? 48 букв, 54 символа, 10 поворотов.
- Не подменён ли ответ знакомой цитатой?
- Не ссылается ли модель на запуск, которого не было?
- Не проверяет ли она себя по собственной ошибочной таблице?
- Не появилось ли объяснение ошибки только после провала?
Как устроить независимую проверку ответа ИИ
Просите код и входные данные, запускайте отдельно. Просите проверку на примере с известным ответом: четыре поворота слоя возвращают кубик в исходное состояние. Сверяйте финальный ответ с условием. Для криптозадач финальная проверка одна: применить ключ к раскладке и получить криптограмму символ в символ.
Обвязка вокруг модели меняет точность заметно: в разборе harness на 250 задачах Kubernetes SIG triage одна и та же 4B-модель давала от 60% до 82% в зависимости от дизайна обвязки. Проверять нужно весь контур, а не только уверенность формулировок.
Что этот эксперимент говорит и чего он не говорит
Говорит он следующее. На конкретной криптографической задаче с чёткими правилами одна модель дала воспроизводимое решение за шесть минут, вторая дошла до частичного результата, пять участников честно признали провал, две модели выдали галлюцинацию с ложной проверкой. Разница между «признал провал» и «выдумал расшифровку» оказалась важнее разницы между «решил» и «не решил».
Не говорит он о качестве моделей в целом. Одна задача, один промпт, лимит 20 минут, запрет на поиск в интернете, конкретные версии моделей на конкретную дату. Плюс давний риск: решение опубликовано с 2019 года и могло попасть в обучающие данные. По одной задаче строить рейтинг нельзя.
Практический вывод сухой: смотрите на поведение при неудаче и на наличие воспроизводимой проверки. Модель, которая говорит «не решил» и прикладывает код, полезнее той, что выдаёт красивый текст с убедительной имитацией валидации.
Источники
- Шифр на кубике Рубика: как девять ИИ решали одну задачу - статья Андрея Маслова на Хабре, откуда взяты условие, состав участников и результаты моделей.
- Шифр на кубике Рубика: как девять ИИ справились с одной задачей - разбор с деталями решения Claude: этапы, встречный перебор, ключ из 10 поворотов и подтверждение Шмеха.