Модели

Anthropic объявляет о Claude Mythos: достижения в области конституционного ИИ

Anthropic выпускает Claude Mythos, включающий передовые методы обучения конституционного ИИ, которые значительно улучшают способность к рассуждению и при этом уменьшают количество галлюцинаций на 35%.

Эльвин С · 20 апреля 2026 г.

Anthropic давно позиционирует себя как лабораторию ИИ, для которой безопасность стоит на первом месте — компанию основали бывшие исследователи OpenAI, которые считали, что создание мощных систем ИИ требует принципиально иного подхода к выравниваю. С выпуском Claude Mythos 20 апреля 2026 года, Anthropic делает своё самое амбициозное заявление о том, что безопасность и возможности не находятся в противоречии, а на самом деле взаимно усиливают друг друга.

Клод Мифос представляет собой четвертое крупное поколение семейства моделей Claude компании Anthropic и появляется в момент сильного конкурентного давления. Ландшафт ИИ в начале 2026 года определяется небольшим количеством передовых моделей, соревнующихся за доминирование по бенчмаркам, корпоративным контрактам и вниманию разработчиков. Ставка Anthropic заключается в том, что Claude Mythos сможет побеждать не только по показателям производительности, но и по надежности — качеству, которое все больше ценится регулируемыми отраслями, правительствами и пользователями, которые стали осторожно относиться к ИИ-системам, уверенно заявляющим ложь.

Эволюция Конституционной ИИ-структуры

Конституционный ИИ, методология обучения, которую компания Anthropic разработала в 2022 году, работает, предоставляя модели набор принципов — «конституцию» — и обучая её оценивать и исправлять собственные выводы в соответствии с этими принципами. Этот подход был разработан, чтобы уменьшить необходимость человеческой обратной связи по каждому возможному вредоносному результату, вместо этого обучая модель рассуждать о безопасности, исходя из фундаментальных принципов.

Клод Мифос расширяет эту рамочную структуру несколькими важными способами. Конституционное обучение теперь включает динамическую иерархию принципов, позволяющую модели рассуждать о том, какие принципы имеют приоритет в ситуациях, когда они конфликтуют. В него также включено то, что Anthropic называет «обучением эпистемической скромности» — набор методов, направленных на то, чтобы модель более точно оценивала пределы собственных знаний, снижая уверенные, но ложные утверждения (галлюцинации), характерные для предыдущих поколений больших языковых моделей.

Снижение Галлюцинаций: Цифры

Основной показатель из технического отчёта Anthropic — это 35% снижение галлюцинаций по сравнению с Claude 3.5 Sonnet. Этот показатель измеряется с помощью внутреннего варианта TruthfulQA от Anthropic, который проверяет точность модели на фактических вопросах в широком спектре областей. Независимые оценки исследователей из Центра человеко-совместимого ИИ Стэнфордского университета в целом подтвердили это улучшение, хотя они отмечают, что уровень галлюцинаций существенно варьируется в зависимости от области — модель демонстрирует исключительные результаты на научных и исторических вопросах, но проявляет большую изменчивость на вопросы о недавних событиях и специализированных технических темах.

Безопасность и возможности не противоречат друг другу. Claude Mythos является самым убедительным доказательством того, что наиболее надёжные ИИ-системы также являются и наиболее способными.

Дарио Амодеи, генеральный директор, Anthropic

Стратегия внедрения и ценообразования в корпоративном секторе

Anthropic структурировала выпуск Claude Mythos с явным акцентом на корпоративное внедрение. Модель доступна через API Anthropic с ценовой структурой, которая делает её конкурентоспособной по сравнению с GPT-4o, при этом предлагается то, что компания называет «премией доверия» — уверенность в том, что модель была более тщательно протестирована на надёжность и безопасность в приложениях с высокими ставками.

Несколько крупных корпоративных клиентов уже подтвердили развертывание Claude Mythos. Salesforce объявила о интеграции в свою платформу искусственного интеллекта Einstein. Morgan Stanley проводит пилотное тестирование модели для финансовых исследований и общения с клиентами. Национальная служба здравоохранения Великобритании оценивает Claude Mythos для поддержки клинических решений, указывая на улучшенную калибровку модели и сниженный уровень галлюцинаций как ключевые факторы в своей оценке.

Сектора здравоохранения и юриспруденции представляют собой наиболее значительные возможности для роста Anthropic. Это отрасли, где цена ошибок ИИ чрезвычайно высока и где премия доверия, которую предлагает Claude Mythos, напрямую превращается в коммерческую ценность. Если Anthropic удастся установить Claude в качестве стандартного выбора для профессиональных приложений с высокими ставками, это создаёт защитимое рыночное положение, которое сложно подорвать конкурентам, ориентируясь только на показатели производительности.

Дорога вперёд: интерпретируемость и долгосрочное рассуждение

Исследовательская программа Anthropic за пределами Claude Mythos сосредоточена на двух направлениях, которые компания считает жизненно важными для долгосрочной безопасности передовых ИИ-систем: механистическая интерпретируемость и долгосрочное рассуждение. Исследования механистической интерпретируемости направлены на понимание того, что фактически происходит внутри нейронных сетей — для выявления конкретных цепей и представлений, которые соответствуют определённым поведением. Эта работа, если она будет успешной, позволит исследователям проверять, что ценности и процессы рассуждения ИИ-системы соответствуют тому, что они представляют, а не полагаться исключительно на поведенческое тестирование.

Исследования долгосрочного рассуждения решают другую задачу: обеспечение того, чтобы ИИ-системы могли планировать и выполнять сложные многоэтапные задачи, не теряя связности и не отклоняясь от намеченных целей в течение длительного взаимодействия. Это становится всё более важным по мере того, как ИИ-системы внедряются в агентские контексты — где от них ожидается выполнение последовательности действий в мире, а не только ответы на отдельные вопросы.

Claude Mythos представляет собой текущий лучший ответ Anthropic на вопрос о том, как создавать ИИ-системы, которые одновременно мощные и заслуживающие доверия. Остаётся центральным вопросом в исследованиях безопасности ИИ — является ли этот ответ достаточным и сможет ли подход конституционного ИИ масштабироваться для ещё более способных систем, которые появляются.