Claude Mythos только для Big Tech, CaveMan экономит токены в три раза

Anthropic выпустили Claude Mythos — модель для охоты на уязвимости в open-source инфраструктуре. На бенчмарке SWE-bench Pro она достигает 77,8%, против 53,4% у Opus. Но в публичный доступ модель не пойдёт — Anthropic обосновывают закрытие тем, что Mythos слишком хорошо находит эксплойты даже без специальных знаний.

Вместо публичного релиза Anthropic создали консорциум Project Glowswing. В состав вошли AWS, Google, Microsoft, Nvidia, Cisco и Apple. Корпорациям консорциума выдали доступ для проверки собственных систем и написания патчей. Anthropic уже выявили десятки реальных багов в Linux и FFmpeg.

Парадокс безопасности через открытость

История напоминает 2019 год, когда OpenAI анонсировали GPT-2 и объявили, что полную версию не опубликуют — слишком опасно. Потом опубликовали, и сейчас это выглядит смешно. Через несколько лет история с Mythos повторится: технологический прогресс обгоняет ограничения доступа.

CaveMan: три раза экономнее

Средства экономии токенов нашли в CaveMan — скилле для Claude Code, который заставляет агента отвечать максимально кратко: без артиклей, без вступлений, без вежливых предисловий. Проект набрал 16 000+ звёзд на GitHub.

По тестам из репозитория: вместо 69 токенов ответ занимает 19 — экономия в три раза. Механика прозрачна: большинство токенов в ответах агента — это вежливая вода, а не содержание. Убери воду — получишь то же самое, но дешевле. Автор добавил несколько уровней интенсивности, включая режим на китайском языке, где иероглифическое письмо компактнее по токенам, чем латиница.

Практика против теории

Инженер Google столкнулся с противоположной проблемой: использовал ИИ-агентов для разработки dev-тулов под SQLite практически без контроля. Результат: кодовая база стала неподдерживаемой. Инженер выкинул три месяца работы и переписал всё с нуля в режиме парного программирования с агентом — с активным контролем на каждом шаге.

Для Java разработчиков State of Java — ежегодный опрос от JPoint и Joker — уже открылся. Опрос охватывает версии Java, фреймворки, инструменты разработки, стратегии деплоя и AI-инструменты для разработки (добавлено в этом году). В прошлом году Кирилл Толкачёв рассказывал о результатах на докладе — там были случаи, когда разработчики выбирали технологии, которых не существует.

Отдельно стоит инструмент от Милы Йовович для долгосрочной памяти агентов. Агент не забывает контекст из прошлых разговоров и не требует повторных объяснений. На SWE-benchmark инструмент набрал 100%. Интересен не сам инструмент, а прецедент: если раньше известные люди выпускали энергетики и чипсы, то теперь — open-source репозитории с критическими бенчмарками.