Anthropic: Claude с 413 файлами заметок взял 1 значок в Pokémon, а с несколькими — 4
Агент, который ведёт проект несколько дней, должен помнить прошлое, но заметки на каждый шаг быстро устаревают и мешают. В Pokémon Red старая Claude Sonnet 3.7 за 10 000 шагов создала 413 файлов в 225 папках и взяла один значок, а Claude Fable 5 вела несколько файлов со стратегиями и проверенными правилами — и взяла четыре. Это как хранить заметку на каждый коммит вместо короткого README. Вывод: в памяти агента важнее отбор, чем объём.
AI-обработка оригинала The Decoder; редакция Hamidun News
Агент, который работает над проектом несколько дней, каждый раз начинает сессию с чистого листа, поэтому ему дают папку для заметок: он пишет туда сам и читает позже. Проблема в том, что заметки быстро устаревают. Представьте, что в репозитории на каждый коммит заведена отдельная записка, и половина из них давно неверна, а новичок вынужден всё это читать. Именно так повёл себя Claude в тесте Anthropic: в игре Pokémon Red версия, записывавшая всё подряд, создала 413 файлов в 225 папках и получила один значок, а версия с несколькими файлами — четыре. Вывод исследования: качество памяти агента определяется не объёмом, а умением решать, что не сохранять.
Агент, который записывает всё, теряется
Главная сложность — выбор. В момент записи агент не знает, что понадобится потом, поэтому каждая заметка — ставка на будущее. Старая Claude Sonnet 3.7 считала важным всё: за примерно 10 000 игровых шагов она создала 413 файлов в 225 папках, часто заводя отдельный файл на каждую битву и каждый найденный предмет. Состояние игры постоянно меняется, и такой архив быстро становится неактуальным. Временами модель вообще не играла, а только наводила порядок в своих записях. Итог — один значок.
Более новая Claude Fable 5 обошлась несколькими файлами. Она не записывала то, что и так видно на экране, и фиксировала только планы, стратегии и правила, которые сама проверила. Результат — четыре значка. Важная оговорка: сравнение построено на одном прохождении на каждую модель, так что это скорее иллюстрация, чем статистика.
Практический совет Anthropic: объяснить модели, зачем нужна память, и позволить ей самой решать, как ею пользоваться. В одном из бенчмарков жёсткие инструкции вроде «записывай только ошибки» съедали большую часть преимущества сильных моделей. Зато старым моделям чёткие правила помогали, например требование читать заметки перед каждым ответом. Значит, промпт для памяти стоит подбирать под класс модели.
Dreaming: проверка заметок «во сне»
Вторая беда — неверные заметки, которым агент потом слепо верит. В тесте с Pokémon Claude неправильно записал, с какой стороны горы находится ориентир. Опираясь на эту запись, он трижды попадал в одну и ту же ловушку, в конце концов захотел сдаться и не дошёл до цели. Похожая история была с неверной заметкой о расположении Pokémon Center: из-за неё Claude раз за разом падал с уступа.
Для таких случаев Anthropic предлагает процесс Dreaming, развивающий идеи исследователей из Letta и UC Berkeley. Как мозг перерабатывает опыт во сне, Claude в паузе между сессиями просматривает старые транскрипты и сверяет с ними свои заметки. После такого прохода агент нашёл ошибку, выбрал верный путь и прошёл Mt. Moon до Cerulean City. Только с исправленной заметкой это получилось.
Dreaming умеет и больше: упорядочивать крупные базы знаний. Claude построил связанную вики примерно из 350 000 внутренних документов Stainless — софтверной компании, которую купила Anthropic. Система создаёт новые страницы, закрывает пробелы, убирает дубли и чинит битые ссылки. Лучше всего работала связка вики с поиском: вики дополняет поиск, но не заменяет его. В отдельном юридическом тесте вики особенно помогала там, где ответ разбросан по нескольким документам: 87% верных ответов против 73% у одного поиска. На простых запросах вики и поиск были примерно равны, а в одном случае вики даже стала больше исходных документов.
Что остаётся нерешённым и что делать
Anthropic сама признаёт ограничения. Заметки по ходу задачи отвлекают агента от работы. Dreaming требует дополнительных вычислений, а результат приходит с задержкой. Вики и заметки нужно регулярно обслуживать, иначе копятся ошибки и галлюцинации. Не стоит и автоматически грузить в каждую сессию слишком много воспоминаний: они съедают контекст и передают плохую заметку всем будущим сессиям. Все тесты проведены самой Anthropic.
Dreaming компания представила в мае как research preview для Claude Managed Agents. Сервис читает существующее хранилище памяти и до 100 прошлых сессий, убирает дубли и устаревшие записи и создаёт новое хранилище, не трогая оригинал. На старте поддерживались только Claude Opus 4.7 и Sonnet 4.6. Похожим путём идут и другие: OpenAI тоже называет Dreaming обновлённую в июне память ChatGPT, которая в фоне ведёт профиль пользователя и исправляет устаревшее; по данным компании, точность с учётом времени выросла с 52,2% до 75,1%. У Google есть WikiSkill — вики для агентов с отдельными слоями для сырых транскриптов, выжимки знаний и конкретных инструкций.
Если вы строите агента с долгой памятью, не заставляйте его вести дневник каждого шага. Храните стратегии и проверенные правила, а то, что видно в текущем контексте, не записывайте. Добавьте регулярную сверку заметок с логами сессий и сохраняйте оригинал, чтобы можно было откатиться. Для больших баз знаний сочетайте вики с поиском.
- 18 нояб. 2026 г.ИИ ищет неизвестные уязвимости в V8 за $4,24 и 13 минут, а в феврале не нашёл за $350
- 18 нояб. 2026 г.Opus 5.5 без единой ошибки отличил 19 тестов на безопасность от 36 обычных задач
- 18 нояб. 2026 г.12 сервисов с готовым дизайном избавят ИИ-сайты от слопа: бесплатно или от $6 в месяц
- 18 нояб. 2026 г.Claude Code с Kimi ждал по 22,6 с проверки команд — быстрая модель сократила до 9,9 с
Вопросы и ответы по материалу
Что известно по теме: агент, который записывает всё, теряется?
Главная сложность — выбор. В момент записи агент не знает, что понадобится потом, поэтому каждая заметка — ставка на будущее. Старая Claude Sonnet 3.7 считала важным всё: за примерно 10 000 игровых шагов она создала 413 файлов в 225 папках, часто заводя отдельный файл на каждую битву и каждый найденный предмет. Состояние игры постоянно меняется, и такой архив быстро становится неактуальным. Временами модель вообще не играла, а только наводила порядок в своих записях. Итог — один значок.
Что известно по теме: Dreaming: проверка заметок «во сне»?
Вторая беда — неверные заметки, которым агент потом слепо верит. В тесте с Pokémon Claude неправильно записал, с какой стороны горы находится ориентир. Опираясь на эту запись, он трижды попадал в одну и ту же ловушку, в конце концов захотел сдаться и не дошёл до цели. Похожая история была с неверной заметкой о расположении Pokémon Center: из-за неё Claude раз за разом падал с уступа. Для таких случаев Anthropic предлагает процесс Dreaming, развивающий идеи исследователей из Letta и UC Berkeley.
Что известно по теме: что остаётся нерешённым и что делать?
Anthropic сама признаёт ограничения. Заметки по ходу задачи отвлекают агента от работы. Dreaming требует дополнительных вычислений, а результат приходит с задержкой. Вики и заметки нужно регулярно обслуживать, иначе копятся ошибки и галлюцинации. Не стоит и автоматически грузить в каждую сессию слишком много воспоминаний: они съедают контекст и передают плохую заметку всем будущим сессиям. Все тесты проведены самой Anthropic. Dreaming компания представила в мае как research preview для Claude Managed Agents.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.