Claude Opus 4.7 разгромил людей в управлении робособакой: скорость выше в 20 раз
Новый этап эксперимента Project Fetch от Anthropic показал ошеломляющий прорыв: языковая модель Claude Opus 4.7 справилась с настройкой и управлением четвероногим роботом в 20 раз быстрее, чем команды инженеров-людей. Это не просто победа алгоритма — это смена парадигмы в робототехнике.
Напомню контекст: в августе 2024 года сотрудники компании, не имевшие опыта в робототехнике, пытались запрограммировать робособаку с помощью предыдущих версий ИИ. Тогда нейросеть выступала лишь в роли ассистента. Сегодня всё иначе. Claude Opus 4.7 работал практически автономно, под минимальным контролем исследователя. Модель самостоятельно:
- подключилась к видеодатчикам и лидару;
- написала программу для ручного управления;
- разработала систему мониторинга траектории движения;
- настроила алгоритм распознавания объектов.
Цифры говорят сами за себя: Opus 4.7 оказался в 18 раз быстрее команды, использовавшей старые версии ИИ, и в 37 раз быстрее людей, работавших без помощи чат-бота. При этом объём сгенерированного кода был в 10 раз меньше, чем у человеческих команд — нейросеть писала не просто быстрее, но и эффективнее.
Важный нюанс: авторы эксперимента подчёркивают, что этот прогресс — побочный эффект общего масштабирования языковых моделей. Anthropic не внедряла специализированных алгоритмов для управления «железом». Это означает, что с каждым новым поколением ИИ будет автоматически получать навыки работы с физическими объектами.
Однако не всё так гладко. Claude всё ещё испытывает серьёзные трудности с точными физическими действиями в реальном времени. Модель смогла довести робота до цели, но провалила задачу аккуратно подтолкнуть мяч в нужную точку. Для таких операций требуется сложная обратная связь, в которой люди пока сохраняют преимущество.
В Anthropic уверены: мы вступаем в эру «физических ИИ-агентов». Уже в ближайшем будущем нейросети смогут использовать стандартные инструменты и оборудование так же естественно, как сейчас работают с программным кодом.
Моя экспертная оценка: Этот эксперимент — сигнал для всей индустрии. Если языковые модели продолжат масштабироваться текущими темпами, мы увидим, как ИИ начнёт не только писать код, но и собирать, настраивать и ремонтировать оборудование. Инвесторы, присмотритесь к компаниям, которые интегрируют LLM в «железо» — это следующий большой тренд.