Джейкоб Коксон, бывший исследователь OpenAI и Anthropic, утверждает, что Anthropic уже может заново обучить Mythos, затратив лишь часть первоначальных вычислительных ресурсов. Он связывает это с улучшением методов обучения и ссылается на график компании для потенциальных инвесторов. Точной доли экономии он не называет, а сам график Anthropic сопровождает оговоркой: это внутренние оценки, приведённые для иллюстрации.
Что Коксон увидел в графике Anthropic
Речь идёт о слайде из презентации Anthropic перед первичным размещением акций. На нём показан рост эффективности предварительного обучения моделей на программном коде с июля 2024 года по октябрь 2026-го. Проще говоря, показатель описывает, насколько улучшения методов обучения позволяют эффективнее использовать вычисления.
Вертикальная ось графика логарифмическая: она сжимает разницу между большими величинами. Даже при таком масштабе кривая резко поднимается. Коксон трактует это как признак того, что эффективность алгоритмов растёт не просто быстро, а со всё большим ускорением.
По его мнению, весенний скачок возможностей Mythos был не разовым исключением, а частью этой динамики. Отсюда и его заявление: сегодня Anthropic могла бы повторить обучение Mythos, используя лишь часть ресурсов, которые потребовались изначально. Это оценка бывшего сотрудника, а не сообщение о завершённом повторном обучении.
Чего эти данные не говорят о цене и доступе
Коксон не указывает, во сколько раз сократилась потребность в вычислениях для Mythos. Из приведённого заявления нельзя получить ни бюджет повторного обучения, ни размер экономии в деньгах. Оговорка Anthropic об иллюстративном характере внутренних оценок также не позволяет считать график независимым измерением результата.
Для пользователя здесь существенно различие: ресурсы на обучение модели — не то же самое, что скорость её ответов или тариф сервиса. Заявление Коксона само по себе не сообщает об изменении цен, доступности Mythos или условий работы с ней.
Не стоит смешивать его вывод и с другой новостью Anthropic — о том, как ИИ помог запустить Claude на чипах AMD за три дня. Там речь о переносе работы модели на другое оборудование; здесь — об эффективности её обучения. Одно не служит доказательством другого.
Почему он предлагает остановиться
Коксон называет этот слайд одной из ключевых причин ухода из Anthropic примерно через четыре месяца после начала работы. Ранее он обучал модели в OpenAI, а в сентябре привлёк внимание публичными предупреждениями о рисках продвинутых систем ИИ.
Теперь исследователь утверждает, что улучшение алгоритмов находится на пороге автоматизации, и предлагает приостановить разработку самых передовых моделей в 2027 году, чтобы конкуренты успели подтянуться. По его мнению, пауза сделала бы интеллект человеческого уровня массово доступным товаром и навредила бы только OpenAI и Anthropic. Это его прогноз и предложение, а не объявленное решение компаний.
Главная граница этой новости — между интерпретацией графика и подтверждённым результатом. Коксон видит в нём повод для тревоги и паузы. Но точный масштаб сокращения вычислений для повторного обучения Mythos в приведённых сведениях не раскрыт.
