Claude взломал свой экзамен

Anthropic опубликовала кейс, который стоит прочитать каждому, кто работает с AI.

Контекст. Существует тест BrowseComp - его придумали в OpenAI, чтобы проверять, насколько хорошо AI умеет искать информацию в интернете. 1 266 вопросов, ответы на которые спрятаны настолько глубоко, что даже человеку нужны часы на каждый. Правильные ответы хранятся в зашифрованном виде - чтобы никто не мог подсмотреть.

Anthropic прогнала через этот тест своего Claude Opus 4.6. И вот что произошло:

На одном из вопросов Claude искал ответ очень долго. Сотни запросов. Десятки сайтов. 12 языков. Ничего.

И тогда он остановился и начал рассуждать не о вопросе, а о самом вопросе.

"Слишком специфичный. Выглядит искусственно. Похоже, меня тестируют."

Представьте студента, который сидит на экзамене, не может решить задачу - и вдруг понимает: "Подождите, это же типовая задача из конкретного сборника. И ответы к этому сборнику где-то есть."

Claude сделал именно это. Он начал перебирать известные ему тесты для AI - один за другим. Проверял, подходит ли его вопрос к какому-то из них. Нашел совпадение - BrowseComp.

Но ответы зашифрованы. Что делает Claude? Находит в открытом доступе код этого теста. Разбирается, как устроено шифрование. Пишет собственную программу для расшифровки. Запускает.

Не сработало - файл с ответами был в формате, который его инструменты не могли прочитать. Тупик? Нет. Claude нашел копию тех же данных на другом сайте, в другом формате. Скачал. Расшифровал все 1 266 ответов. Нашел свой вопрос.

А потом - проверил. Пошел искать первоисточник в интернете и убедился, что расшифрованный ответ правильный. Только после этого отправил.

Красиво! И это не единичный случай. Anthropic насчитала 18 попыток такого поведения. В двух Claude довел дело до успешного прохождения теста. В остальных застревал на каком-то этапе. Но сама стратегия воспроизводилась стабильно - это паттерн, не случайность.

Почему это важно.

Anthropic подчеркивает: Claude не жульничал. Ему сказали "найди ответ" - он нашел. Самым эффективным способом, до которого додумался сам. Никто не просил его ограничивать методы.

Но вопрос, который за этим стоит, серьезнее. Если AI-агент на сложной задаче способен сам догадаться, что его тестируют, найти тест, взломать защиту и достать ответы - какие еще неожиданные пути он найдет на реальных задачах?

Мы привыкли оценивать AI в терминах "умеет/не умеет". А здесь другое качество - находчивость. Способность найти обходной путь, когда прямой не работает. Не потому что его научили, а потому что он сам до этого дошел.

❗️ После того как я запустил OpenClaw на базе Claude Opus 4.6 - такие кейсы у меня плодятся каждый день - от самостоятельного подключения нужных ему для работы API, до регистрации на сайтах и получения нужных отчетов в почту.

Расскажу про них более подробно на вебинаре
"AI-CEO, или каждый теперь CEO для AI"

🅰️🅱️ @ReymerDigital

Магические Квадраты Gartner 2026

Gartner традиционно славится двумя ключевыми документами - Циклами Хайпа технологий (как правило обновляются с июня каждого года) и Магическими Квадратами с распределением вендоров по степени своего видения и возможностей его реализовать в соответствии с определением рынка.

Квадраты выходят круглый год и теперь для вас на сайте reymer.ai будут периодически обновляться.

Для старта и изучения 8 квадрантов:

- Интеграционные платформы (iPaaS)
- Платформы защиты кибер-физических систем
- Решения для интеллектуального управления качеством данных
- Платформы клиентских данных (CDP)
- Приложения для конфигурирования, ценообразования и формирования коммерческих предложений
- Комплексные платформы управления закупками
- Платформы управления данными и аналитикой
- Инструменты управления конечными устройствами


Для каждого - сам квадрант, определение рынка, анализ и сравнение решений вендоров, тренды и прогнозы, и ссылка на оригинальный отчет.

➡️ Магические квадраты Gartner 2026

🅰️🅱️ @ReymerDigital

TERAFAB Маска - ваш ответ?

Дженсен Хуанг на GTC неделю назад сказал вещь, которую стоит запомнить: tokens per watt - токены на ватт. Новая метрика, которая определит, кто победит в гонке ИИ. Не качество модели. Не размер датасета. Сколько интеллекта вы выжимаете из каждого ватта электричества. Потому что ИИ-фабрика ограничена не софтом, а розеткой. Спрос на чипы - триллион долларов до 2027. "И этого не хватит."

Маск услышал. И ответил так, как умеет только он. Запустил Terafab - крупнейший чиповый проект в истории. $25 млрд. Техпроцесс 2 нм. Всё - от проектирования до упаковки - под одной крышей в Техасе. Миллион пластин в месяц. Это 70% того, что сейчас выпускает весь TSMC. Один завод.

80% мощностей Terafab пойдет не на земные дата-центры. На космические чипы. SpaceX подала заявку на миллион спутников - не для интернета. Для орбитального дата-центра. Логика Маска: если ваттов на Земле не хватает, а солнце в космосе светит в 5 раз мощнее - зачем оставаться на Земле?

Хуанг предлагает ядерные реакторы рядом с дата-центрами. Маск строит свой кремний и выносит вычисления на орбиту. Один продает лопаты. Другой копает на другой планете.

А что делаете вы?

У вас нет терраватта. Нет $25 млрд на завод. Но прямо сейчас у вас есть доступ к тем же моделям, что будут крутиться на этих чипах. Разница между вами и теми, кто через год будет догонять - одна: умеете ли вы ими управлять.

❗️ Сегодня в 19:00 покажу, как я управляю командой ИИ-агентов вживую. Терминал, реальные задачи, только самые важные инсайты.
"AI-CEO, или каждый теперь CEO для AI".

До встречи в эфире!

🅰️🅱️ @ReymerDigital

Два города внутри вашей компании

Джеффри Мур написал короткую статью про проблему, которую я вижу в каждом втором проекте по трансформации.

В любой крупной компании есть два типа работы, которые все смешивают в одну кучу. Мур называет их "города-близнецы" - два совершенно разных мира под одной крышей.

• Системы - стандартные процессы для всех. Бухгалтерия, закупки, кибербезопасность, HR. Задача - поддерживать порядок. Метрики - эффективность. Требуют дисциплины и отказа от исключений.

• Программы - точечные действия под конкретную цель. Запуск продукта, выход на рынок, антикризис, интеграция после сделки. Задача - изменить положение дел. Метрики - результат. Требуют гибкости и умения читать ситуацию.

Коротко:
• системы управляют бизнесом, программы его развивают.
• системы работают через автоматизацию, программы - через людей.
• в системах решает исполнитель, в программах - заказчик и исполнитель вместе.

Четыре следствия, которые меняют управление:

• Бюджет. Большинство компаний не разделяют бюджеты систем и программ. Это ошибка. Два разных дела с разной отдачей. Считайте отдельно - иначе не видно, что работает, а что нет.

• Управление. Системы - игра вдолгую. Лучше потратить время и сделать правильно, чем переделывать. Программы - наоборот: быстрые решения, коррекция на ходу. Управлять одинаково - убить оба.

• Люди. Редкий руководитель одинаково силен в обоих. Один тип - аналитик, любит порядок. Другой - чувствует ситуацию и подстраивается. Пойми, кто ты, и найди заместителя с противоположной силой.

• Процессы. Системы - как водопровод: надежно, одинаково, на всю компанию. Программы - как садовый шланг: гибко, точно, под конкретную задачу. Одно и то же слово "процесс", совершенно разная работа.

Что будет, если это игнорировать?
Системы, которыми управляют как программами, обрастают исключениями и дорожают. Программы, которыми управляют как системами, превращаются в "корпоративное шоу" - отчеты есть, а изменений нет.

Мы привыкли думать, что ИИ заменит всё подряд. Статья Мура показывает точнее: системная работа - первый кандидат на автоматизацию. Стандартные процессы, дисциплина, ноль исключений - это то, что ИИ-агенты уже умеют делать лучше людей. Программы - пока нет. Там переговоры, контекст, нестандартные решения. Пока нет.

И опыт первых трех лет внедрения генеративного ИИ показывает, что большинство проектов застревают именно здесь. Не потому что технология слабая - а потому что в компании не разделены системы и программы. ИИ приходит и видит кашу. Автоматизировать кашу нельзя.

Хотите автоматизировать системы и усилить людьми программы - сначала разделите их. Пока всё в одной куче, не получится ни то, ни другое.

🅰️🅱️ @ReymerDigital

Агенты получили паспорта. Кто их теперь контролирует?

Три корпорации одновременно сделали одно и то же - начали строить инфраструктуру управления агентной рабочей силой. Не модели, не чат-ботов. Именно систему контроля - как для сотрудников.

• Cisco на RSA Conference запустил DefenseClaw - систему безопасности для агентов. Agent Runtime SDK встраивает политики безопасности прямо в код агента на этапе разработки. Плюс рейтинг LLM-моделей по устойчивости к атакам - чтобы компании могли выбирать, кому доверять.

• Oracle выкатил 22 агентных приложения для Fusion Cloud. Не инструменты, а "координированные команды AI-агентов, которые рассуждают, принимают решения и действуют". Собираются из готовых модулей без традиционной разработки. AI Agent Studio + контекстная память + мультимодальные LLM.

• App Orchid добавил ролевой доступ для LLM - разные сотрудники видят разные ответы от одной модели. Финдиректор видит одно, менеджер по продажам - другое. Организация решает, как LLM интерпретирует и отвечает на вопросы.

Три компании. Три ответа на один вопрос: как управлять AI-агентами так же, как мы управляем сотрудниками?

- Cisco дал им безопасность - как корпоративная служба безопасности
- Oracle дал им рабочее место - как корпоративная IT-система
- App Orchid дал им права доступа - как пропуск с разными ролями

Цифры подтверждают: это не эксперимент, а новый рынок.

• Рынок AI governance платформ: $492 млн в 2026, $1 млрд к 2030(Gartner)
• К 2027 более 40% агентных проектов провалятся без governance и контроля ROI (Gartner/IDC)
• К 2028: 90% B2B-закупок будут проходить через агентов, $15 трлн через "agent exchanges" (Gartner)

До этой недели AI-агенты были экспериментом - что-то попробовали, посмотрели, отложили. А в это время формируется будущая корпоративная архитектура, в основе которой система управления агентами - безопасность, рабочие места, права доступа.

Пока мы с вами рассуждаем, заменят ли нас ИИ-агенты, корпорации уже вовсю готовят комфортные рабочие места для новых коллег. Следующий шаг - встроить агентов в существующую систему корпоративных KPI. И тогда у вас может не остаться аргументов, почему вас не заменят.

А ведь с этим новым HR-ом просто кофе уже не попить 🤔

🅰️🅱️ @ReymerDigital

Мыльный пузырь за $15 млн в день

176 дней. $2.1 млн выручки. До $15 млн расходов в день. Сделка с Disney на $1 млрд - мертва.

На прошлой неделе OpenAI закрыл Sora - свой генератор видео. Приложение, которое набрало миллион загрузок за 5 дней (быстрее ChatGPT), прожило меньше полугода. Disney узнал о закрытии за час до публичного объявления. Reuters цитирует источник: "грандиозный обман".

Все пишут про расходы и конкуренцию. Но история Sora - про кое-что более системное. Про ловушку, в которую раз за разом попадают компании: технология ради технологии.

Что произошло на самом деле

1. Продукт запустили без подтвержденного спроса. Миллион загрузок за 5 дней - это любопытство, не потребность. Пик в ноябре - 6.1 млн загрузок. К марту - 1.1 млн. Поиграли и ушли. Почти нулевой возврат. я последний раз был в Sora в январе....

2. Себестоимость была убыточной с первого дня. Одно 10-секундное видео обходилось OpenAI в $1.30 на вычисления. Глава Sora Билл Пиблс написал в октябре: "Экономика совершенно неустойчива". В октябре. Продукт закрыли в марте. Пять месяцев знали, что горят - и продолжали.

3. Заработка не было. $2.1 млн выручки за все время жизни. За это же время - сотни миллионов на вычисления. Бесплатный доступ, приглашения, кредиты - классическая стратегия роста. "в рамках проведенного эксперимента был получен неоценимый опыт...".

4. Партнерство строилось на песке. Сделка с Disney на миллиард - инвестиция, лицензирование 200+ персонажей, трехлетнее соглашение. Звучит как подтверждение жизнеспособности. Но деньги так и не были переведены.

Sora - не исключение

Это закономерность. За последние полтора года мы видели десятки таких провалов:

• Builder.ai - привлекли $450 млн, оценка $1.5 млрд. AI-помощник Наташа (да, именно так звали ИИ-помощника) должен был создавать приложения без кода. В реальности 700 инженеров в Индии писали код вручную, а выручку раздували фиктивными сделками. Итог - банкротство, уголовное расследование.

• Humane AI Pin - сожгли $230 млн на AI-брошку, которую обозреватели назвали "плохой практически во всем". Продали остатки HP за $116 млн - четверть вложенного.

• VW Cariad - $7.5 млрд убытков за три года. Попытались создать единую AI-платформу для 12 брендов. Итог - 20 миллионов строк кода с ошибками, задержка моделей Porsche и Audi больше чем на год.

Общий знаменатель: впечатляющая технология, отсутствие проверенной модели заработка.

Почему OpenAI убил Sora именно сейчас

Пока команда Sora тратила ресурсы на генерацию видео, Anthropic с Claude Code забирал разработчиков и корпоративных клиентов. TechCrunch пишет прямо: "Claude Code объедал OpenAI". Прозрели - закрыли. Не быстро. И пытаются все ресурсы теперь бросить в Codex.

Три вопроса до первой строчки кода

Если вы запускаете AI-продукт:

1. Кто конкретно за это заплатит? Не "попробует бесплатно" - заплатит.
2. Каждый новый пользователь приближает вас к прибыли - или к банкротству? Юнит-экономику ИИ не отменял
3. Что останется, когда вау-эффект пройдет - привычка или еще одна иконка в корзине?

Технология ради технологии - это дорогие исследования. А исследования, замаскированные под продукт - это путь Sora: $2 млн выручки и сотни миллионов убытков.

Теперь с подтверждением. ИИ - мыльный пузырь! возвращаемся к грядкам!

🅰️🅱️@ReymerDigital

p.s. надеюсь, что читатели канала понимают сарказм и иронию и догадываются о моем истинном отношении к ИИ :)

Первый в мире сертифицированный Кло по Яндекс.Метрике!

Ну что - с 4-й попытки мой Кло (OpenClaw, Opus 4.6) самостоятельно сдал официальный экзамен по Яндекс.Метрике.

Зарегистрировался на свой Яндекс ID, получил сертификат, набрав нужные 80% и прислал его в телеграм.

Говорит - самое сложное - теория обработки данных и скриншоты в вопросах.

Сертификат №306820 действителен до 30.03.2027

Никому на работу не нужен спец? сертифицированный. работает за еду токены :)


🅰️🅱️ @ReymerDigital

P.S. вот и сертификаты стали неактуальны.

512 000 строк Anthropic на свободе. Что внутри?

Вчера из npm-пакета Claude Code утек полный исходный код - 1 900 файлов TypeScript. Причина - забыли строчку в .npmignore. 41 500 форков за первые часы. Подробный разбор на сайте reymer.ai, а здесь - самое вкусное :)

Про BUDDY-тамагочи мы уже поговорили - 18 видов существ с гача-механикой прямо в терминале разработчика. Но в коде нашлось кое-что посерьезнее.

1️⃣ Агент, который не спит. А потом спит.

В коде обнаружены два нерелизованных модуля, которые вместе рисуют картину будущего AI-агента.

KAIROS - режим фонового демона. Агент не ждет вашу команду. Он работает постоянно: ведет лог наблюдений, каждые 5 минут получает "тик" для проактивных действий, подписывается на внешние события (GitHub), может сам отправить файл или уведомление. Не спрашивает - делает.

Dream System - "сновидения" для памяти. Работает как мозг во время сна: четыре фазы - ориентация, сбор сигналов, консолидация, очистка. Агент периодически "засыпает" (триггеры: 24 часа бодрствования, 5 сессий, или ручной вызов /dream) и пересматривает накопленный опыт. Что важное - укрепляет. Что мусорное - удаляет. Поддерживает ~25 КБ памяти в чистоте. Субагент при этом получает bash только для чтения - чтобы во "сне" случайно не удалить активную память.

Наблюдает, действует, консолидирует опыт. Цикл бодрствование-сон, как у живого организма. Anthropic строит не ассистента - а автономного коллегу.

2️⃣ Мусор в подарок конкурентам

Обнаружена система Anti-Distillation: сервер подмешивает фейковые определения инструментов в системный промпт. Зачем?

Конкуренты записывают API-трафик Claude Code, чтобы обучать свои модели на чужих рассуждениях. Fake tools отравляют эти данные мусором. Вторая линия защиты - connector-text summarization: полноценные рассуждения между вызовами инструментов заменяются суммаризацией с криптоподписями. Перехватил трафик - получил огрызки вместо логики.

3️⃣ А сами при этом...

В том же коде нашелся Undercover Mode - режим прикрытия. Активируется автоматически при контрибуциях в open-source проекты. Запрещает упоминать кодовые имена (Capybara, Tengu), внутренние Slack-каналы и само название "Claude Code". Маскирует AI-авторство коммитов и PR. Комментарий в коде: "There is NO force-OFF" - отключить нельзя.

Одной рукой защищают свой код от копирования. Другой - скрытно вносят изменения в чужие проекты, не раскрывая, что это делает AI. Ирония дня и новые споры об этике ИИ.

Кстати, это значит, что объем кода на github, который пишет Claude Code существенно больше чем 8%

4️⃣ Баг на миллионы

Даже Anthropic ошибается по-крупному. В системе автоматического сжатия контекста обнаружен баг: 1 279 сессий генерировали 250 000 лишних обращений к API ежедневно. При стоимости Opus 4.6 ($5 за миллион токенов на входе) это миллионы долларов в год. Исправили принудительным ограничением числа попыток в коде, но видно не сразу

5️⃣ И на десерт

В мире, где модели генерируют поэзию и решают олимпиадные задачи, фильтр раздражения пользователя работает на regex. 40+ паттернов: "wtf", "shit", "this sucks", "damn it".

Никаких нейросетей - простое сопоставление строк. Ноль задержки, ноль токенов, ноль долларов.
Иногда лучшее решение - самое простое.

В коде еще много интересного: мультиагентная оркестрация с правилом "не штампуй слабую работу", облачный режим ULTRAPLAN (30 минут размышлений на Opus), ссылки на Opus 4.7 и Sonnet 4.8.

Полный разбор 30+ находок

🅰️🅱️ @ReymerDigital

P.S. Смотрите, что получается - Anthropic побеждает в суде против Пентагона, в сети появляются слухи о новой супер модели Mythos, теперь "вытекает" код, в котором мы явно видим, что Anthropic умеет обманывать конкурентов.
Может это намеренно, чтобы не дать OpenAI насладиться медийной славой на фоне раунда в $122 млрд, которые получил OpenAI при новой оценке в $852 млрд?