The AI / news

Чат-боты вступают в свой закат

Чат-боты вступают в свой закат
3 мин чтения

Способности моделей ИИ растут быстрее и позволяют выполнять все более длинные задачи, согласно нескольким оценкам. Передовые модели американских лабораторий выходят чаще, чем когда-либо, хотя государственные вмешательства временно ограничили доступ к двум самым мощным, Claude Fable и GPT-5.6.

Несколько организаций измеряют долю человеческого труда, которую могут выполнять ИИ. Оценки METR и британского Института безопасности ИИ определяют объем работы программиста-человека, который ИИ может выполнить по одному промпту, то есть одной инструкции. Тест GDPval, в свою очередь, сравнивает экспертов-людей с ИИ с привлечением профессиональных судей. Согласно этим измерениям, результаты улучшаются быстрее, чем по экспоненциальной кривой.

Epoch отметил, что Opus 4.7, работая самостоятельно в течение 14 часов, создал программный пакет, эквивалентный от 2 до 17 неделям человеческого инженерного труда, стоимостью 251 доллар в токенах. Токен, это небольшая единица текста, которую модель читает и генерирует. В собственных экспериментах автор указывает, что Fable смог автономно работать 9 часов над очень сложными программными проектами, которые потребовали бы у команды более недели.

Самые продвинутые модели разрабатываются Anthropic, OpenAI и Google, хотя Google не выпускал новую модель уже некоторое время. Вторая группа моделей, почти на уровне передовых, однако, китайская. Они отстают на 6-12 месяцев и имеют открытые веса, что означает, что каждый может использовать или модифицировать их после выпуска, в отличие от проприетарных моделей. Их эксплуатация поэтому недорога, хотя их производительность не всегда соответствует заявленной по тестовым баллам.

Агенты вместо чат-ботов

До недавнего времени преобладало использование, при котором ИИ давали задачу, проверяли результат и переходили к следующему шагу. Этот режим сотрудничества остается полезным, но уступает место агентам, системам, которые выполняют последовательности действий без постоянного вмешательства человека. Они опираются на программную среду, называемую harness, которая дает им доступ к инструментам, и на приложения вроде Claude Code или Codex от OpenAI.

Совместное исследование OpenAI и университетских экономистов показывает, что этот переход ускоряется внутри самой компании. Юридические службы и отделы кадров внедрили агентов почти с той же скоростью, что и технические команды. Четверть сотрудников OpenAI еженедельно запускают как минимум четырех агентов одновременно.

Другое исследование, посвященное пользователям Claude Code, указывает, что инженеры-программисты демонстрируют сопоставимый с другими профессиями уровень успеха при использовании инструмента для задач программирования. Не профессия определяет разницу, согласно этой работе, а экспертиза: чем больше человек разбирается в своей области, тем успешнее он использует инструмент и тем полезнее ответы, которые он получает от Claude на каждый промпт.

Кривая, которую трудно воспринять

План по ИИ, составленный до зимы 2025 года, описывал систему, способную на несколько часов работы с довольно высоким уровнем ошибок. Спустя несколько месяцев один промпт может запускать шестнадцать часов работы или больше. Этот устойчивый прогресс, однако, создает впечатление последовательных скачков, потому что человек плохо воспринимает экспоненциальные кривые.

Автор считает, что эта динамика также объясняет нестабильность, окружающую ИИ. Государственным органам пришлось срочно менять политику в вопросах кибербезопасности, а рынки переживали сильные колебания, когда ИИ казался угрозой для некоторых бизнес-моделей. По его мнению, эти потрясения отражают не процесс созревания, а разрыв между институтами, движущимися с человеческой скоростью, и техническими возможностями, развивающимися по другой логике.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x