Добрый вечер, команда... Тысяча ИИ-агентов создали прототип операционной системы. Кривая затрат — это то, на что стоит обратить внимание. Market Pulse | 10 нояб. 2026 Релиз Anthropic от 9 ноября — Fable 5.2 и Mythos 5.2 — предоставляет нам два совершенно разных набора данных. На графике показаны результаты FrontierCode 2.0 от Anthropic. Fable 5.2 при высоких усилиях показывает 45,3%, что близко к лучшему результату Opus 5.5 — 45,5%, но приблизительно вдвое дешевле за задачу. Этот бенчмарк оценивает, будут ли изменения в коде приняты сопровождающими открытого исходного кода. Посмотрите дальше по зелёной линии: Xhigh достигает 49,1%. Max стоит дороже и показывает более низкий результат в этой оценке. Платить за большее рассуждение не гарантирует лучший результат. Демонстрация в моём ответе показывает прототип операционной системы от Anthropic. Компания утверждает, что Fable координировала более 1000 подагентов в течение восьми дней, чтобы создать его. Это иллюстрирует масштаб работы, которую они пытаются реализовать. Видео и бенчмарк охватывают разные нагрузки, поэтому график не может сообщить нам, сколько стоил этот проект ОС. Практический вопрос в том, означает ли более дешёвое выполнение модели и более дешёвый готовый результат. Повторные попытки, интеграция и человеческий контроль могут поглотить экономию. В течение следующих 72 часов я буду искать независимые тесты, в которых указаны принятые результаты, общие расходы и время рецензентов на одних и тех же задачах. Более низкая стоимость при сопоставимом качестве укрепит аргумент. Экономия, исчезающая при проверке, ослабит его. Это число, которое я хочу получить от агента: полный счёт за работу, которую я могу реально использовать. График: Anthropic. Результаты бенчмарка предоставлены компанией. https://t.co/dSLUQCBRR5