Ethan Mollick: ИИ-системы переходят от чат-ботов к длительной автономной работе

Темпы развития ИИ продолжают расти не только по числу релизов, но и по практическим возможностям моделей, пишет One Useful Thing (Ethan Mollick). Автор ссылается на оценки METR, AI Security Institute Великобритании и GDPval, которые измеряют, какой объём человеческой работы ИИ способен выполнить по одному запросу. По его словам, результаты таких тестов растут быстрее экспоненциального тренда, хотя сами модели всё ещё остаются нестабильными и плохо справляются с отдельными задачами.

В качестве примера Mollick приводит эксперимент Epoch. Модель Opus 4.7 автономно работала 14 часов и создала программный пакет, на который у инженеров ушло бы от 2 до 17 недель. Стоимость выполнения составила 251 $. Он также утверждает, что Claude Fable в его собственных тестах мог автономно выполнять сложные программные проекты в течение 9 часов.

Автор делит рынок на закрытые frontier-модели американских компаний Anthropic, OpenAI и Google, а также open weights-модели из Китая. По его оценке, китайские системы отстают на 6–12 месяцев, но при этом дешевле в эксплуатации и тоже быстро развиваются. Для сравнения возможностей Mollick использует тест AA-Briefcase, который моделирует многонедельный консалтинговый проект.

На этом фоне меняется и сам подход к использованию ИИ. Если раньше модели чаще применяли как «co-intelligence» при постоянном контроле со стороны человека, то теперь всё большую роль получают автономные agent-системы. Они способны самостоятельно выполнять длительные задачи и корректировать собственную работу.