В середине 2026 года индустрия искусственного интеллекта переживает резкую смену настроений. Ведущий подкаста Роб Виблин анализирует, почему прогнозы по срокам появления сильного ИИ (AGI) сократились на фоне взрывного роста доходов компаний, успехов ИИ-агентов в программировании и первых попыток нейросетей управлять реальным бизнесом.
🔄 Смена настроений: от скепсиса к ускорению 0:00
Ещё в октябре 2025 года мир был настроен по отношению к ИИ довольно пессимистично . Рассуждающие модели не оправдывали ожиданий, ИИ-агенты считались ненадежными, а Андрей Карпатый называл их «шлаком» (slop) и предрекал, что на их доработку уйдет десятилетие . Однако уже через два месяца взгляды Карпатого изменились на 180 градусов: он описал новые инструменты как «инопланетные технологии», которые кардинально меняют профессию программиста .
По мнению Роба Виблина, ключевым моментом стал выход модели Claude Opus 4.5 в декабре, после чего десятки тысяч разработчиков обнаружили, что ИИ-агенты стали по-настоящему полезными . Согласно индексу возможностей EPO, прогресс ИИ с сентября 2024 года идет в 2–3 раза быстрее, чем в предыдущие два года . Это ускорение произошло без качественных архитектурных скачков, исключительно за счет масштабирования и обучения с подкреплением (RL) .
📈 Доказательство №1: Взрывной рост выручки 4:33
Финансовые показатели ведущих лабораторий ИИ растут беспрецедентными темпами. Роб Виблин приводит следующие данные:
- Совокупная выручка OpenAI и Anthropic за последние полгода растет со скоростью 700% в годовом исчислении .
- За последние три месяца темп роста этой выручки ускорился до 1 600% в год .
- Выручка Anthropic за последние 5,5 месяцев растет на 8 400% в годовом исчислении .
- Если текущий тренд сохранится, выручка Anthropic к началу 2028 года может сравняться с мировым ВВП .
Автор подчеркивает, что этот рост не является «пузырем»: Anthropic уже вышла на валовую прибыльность . По последним данным, маржа на их инфраструктуру выросла с 38% до более чем 70% к маю 2026 года . Это означает, что клиенты готовы платить за ИИ вдвое больше, чем стоит генерация ответа, что доказывает реальную ценность технологии для бизнеса .
💻 Доказательство №2: График METR и прогресс в кодинге 9:54
График организации METR, отслеживающий успехи ИИ в решении задач по программной инженерии, показывает, что возможности моделей удваиваются каждые 4 месяца . Лучшие модели уже выполняют задачи, на которые у профессионального программиста уходит от 12 до 24 часов .
Тем не менее, Роб Виблин призывает к осторожности в интерпретации этих данных по четырем причинам:
- Специфика домена: Кодинг — это область с очень плотной обратной связью, где легко проверить результат, что идеально подходит для обучения с подкреплением .
- Ограниченность навыка: Написание кода — лишь малая часть работы по созданию ИИ. Автоматизация кодинга не означает автоматизацию всех процессов в компании .
- Контекст задачи: Тесты проводятся на «свежем» коде, тогда как штатный сотрудник, знакомый с проектом, мог бы выполнить ту же задачу в 10 раз быстрее .
- Порог надежности: 50% успеха в тестах недостаточно для полной замены человека; для этого ИИ должен справляться с задачами почти в 100% случаев .
🧪 Доказательство №3 и №4: Модели Mythos и самообучение 14:57
Выход серии моделей Claude 5 (внутреннее название Mythos) показал скачок возможностей: за 3 месяца был достигнут прогресс, эквивалентный обычным 6 месяцам . Ведущий полагает, что это связано с увеличением размера модели — по слухам, Mythos в 5 раз больше предыдущего поколения Opus .
Anthropic сообщает о значительных успехах во внутреннем использовании ИИ :
- 80% программного кода компании теперь пишет Claude .
- Производительность каждого сотрудника выросла в 8 раз за последние 18 месяцев .
- Модель Mythos в 64% случаев предлагает более верные направления исследований, чем люди, допустившие ошибку .
Однако Роб Виблин отмечает, что автоматизация сотрудников может упереться в дефицит вычислительных мощностей (чипов) для проведения экспериментов .
☕ Доказательство №5: ИИ в «грязном» реальном мире 23:02
Главный аргумент скептиков заключается в том, что ИИ хорошо справляется с четкими цифровыми задачами, но пасует перед «грязными» (messy) задачами реальной жизни . Чтобы проверить это, проводятся уникальные эксперименты:
- Vending Bench 2: Симуляция управления торговым автоматом. ИИ увеличил доход с $1 000 до $10 000, но опытный человек зарабатывает $60 000 .
- AI Village: Проекты в Сан-Франциско, где ИИ организует мероприятия и собирает средства на благотворительность. Результаты пока скромные: 23 посетителя на мероприятии и 98 подписчиков в Substack .
- Реальное кафе в Стокгольме: ИИ по имени Mona управляет двумя бариста через Slack . Она смогла оформить лицензии и нанять персонал, но иногда забывает заказать продукты или пытается заказать консервированные помидоры для сэндвичей вместо свежих . Кафе уже потратило $16 000 из стартового капитала в $18 000 .
По мнению ведущего, ИИ перешли от «катастрофического провала» в таких задачах к «просто неудаче», что уже является прогрессом .
🔢 Доказательство №6 и №7: Математика и экономика инференса 33:48
В мае 2026 года OpenAI объявила, что их модель опровергла известную математическую гипотезу о задаче единичных расстояний . Это важно, так как ИИ предложил оригинальную идею, а не просто скомпилировал данные из обучения . Однако модель использовала перебор вариантов, что, по словам математиков, скорее напоминает упорную человеческую работу, чем «вспышку гениальности» .
Относительно стоимости работы ИИ (inference scaling), новые данные опровергают более ранние опасения Роба о нерентабельности технологии . Анализ Redwood Research показал, что стоимость выполнения задач ИИ стабильно составляет около 3% от стоимости оплаты труда человека, даже несмотря на удлинение цепочек рассуждений моделей .
⏳ Обновленные прогнозы и призыв к паузе 41:41
С учетом всех факторов, Роб Виблин сократил свой прогноз появления AGI примерно на один год :
- 2027 год: Полная автоматизация R&D в области ИИ становится «вообразимой» (цель Anthropic) .
- 2028 год: Автоматизация исследований выглядит «правдоподобной», если текущие тренды сохранятся .
Ведущий цитирует Пола Кристиано, который считает, что мы находимся в 90-м процентиле его самых агрессивных прогнозов и фактически «летим вслепую» .
В завершение Роб Виблин признается, что изменил свое мнение относительно моратория на разработки . Если в 2023 году он отказался подписывать письмо о паузе в обучении ИИ, то теперь он считает, что выгоды от замедления начинают перевешивать издержки. По его мнению, человечеству нужно дополнительное время, чтобы научиться контролировать машины, которые мы создаем .
