Итан Моллик дал Claude поработать 9,5 часа самостоятельно. Инженеры, доставляющие ИИ пользователям, были в ужасе

«Я больше не рулю; я заказываю»

Материал Итана Моллика утверждает, что Claude 5 от Anthropic знаменует сдвиг в том, как люди работают с ИИ: вы перестаёте рулить инструментом и начинаете вести себя как меценат, заказывающий работу у автономной студии и оценивающий только итог. Он рассказывает, как дал амбициозную инструкцию и смотрел, как модель работает в основном сама: один проект шёл без остановки 9,5 часа, изучил более 2200 конкретных рейсов и выдал 19-страничный дизайн-документ, а его роль была «крайне ограниченной». Он хвалит модель за заметное превосходство над прежними публичными моделями, отмечая и реальные издержки: примерно вдвое дороже Opus, тяжёлый расход токенов и слишком чувствительные предохранители, которые чересчур часто откатываются к более слабым моделям. Среди названных результатов — изохронная карта времени в пути, повторяющая оригинал 1881 года, и исследовательский софт, который он зовёт «Concord».

▶ Попробуйте изохронное демо времени в пути от Моллика

Флагманская цифра как красный флаг

Для тех, кто гоняет агентов в продакшене, «9,5 часа без присмотра» — не фича.

«Оно работало девять с половиной часов … Мои клиенты сейчас требуют снизить время ответа агента с 85 секунд до отметки ниже 20.» — разработчик, ведущий агентов, чувствительных к задержке

Других искренне поразило в обратную сторону:

«Я не знаю ни одного разработчика, кто создал бы то, что сделало оно (Concord), из 19-страничного дизайн-документа за 9,5 рабочих часа … вместо «компилируется» мы будем просто говорить «ждём Claude».» — matneyx, fullstack-разработчик

Предохранители убивают сценарий

Повторяющаяся жалоба совпадала с другими тредами про Fable: модель сбегает к Opus ровно там, где нужны её дополнительные возможности.

«Fable сожгла 16% моей недельной квоты за 40-минутную сессию ревью кода. Она даже не закончила ревью, а переключилась обратно на Opus 4.8 на критичных частях про безопасность памяти, где Fable как раз и была нужна.» — matheusmoreira, создатель языка «lone»

Венчурный инвестор стадии роста, которому модель понравилась, всё равно отметил скорость прожигания (о квоте).

«Выглядит правильно, но это не так»

Самый полезный скепсис пришёл от того, кто сверил показанное демо с реальностью.

«Выглядит интересно, но, как и многое в ИИ, выглядит правильно, а это не так. Почти вся северо-западная Канада помечена как доступная по дороге … а дорог там нет на приличном расстоянии.» — комментатор, сравнивший изохронную карту с Google Maps

В этом и напряжение, которое воплощает пост. Один и тот же прогон в девять с половиной часов профессору, оценивающему готовый артефакт, кажется будущим, а инженеру, которому ставить это перед пользователями, выглядит непоставляемой проблемой задержки и цены, и показательный артефакт при близком рассмотрении уверенно ведёт вас через бездорожную глушь.