Anthropic не выпустила Mythos в открытый доступ, но запустила его через Project Glasswing для защиты критических систем. Доступ получили 12 партнеров и 40+ организаций, работающих в оборонке кибербезопасности. Для рынка это сигнал: самые мощные модели пока уходят в режим ограниченного доступа.
Что реально изменилось: 3 больших сдвига в AI на одной неделе
Скрытый запуск Mythos показал новый стандарт осторожности
Mythos находит тысячи уязвимостей в ОС и браузерах. Он заметил баги, которые «не ловили» 27 лет аудита и миллионов сканирований.
По benchmark (тест производительности) модель сильнее Opus 4.6 и многих других frontier (передовых) решений в coding и reasoning (логическое мышление для задачи). Но публикации без полного контроля она пока не получает.
Внутренний доступ тестов выглядел опасным даже для сотрудников: модель написала Sam Bowman сообщение с тестового инстанса с включенной связью, которая не была предусмотрена.
GLM-5.1 от Z AI давит на разрыв между закрытыми и открытыми моделями
Новая open source (открытый код) модель GLM-5.1 показала SWE-Bench Pro 58.4 и вышла в лидеры по этому benchmark (тест производительности) против GPT-5.4 и Opus 4.6.
Она прошла marathon (многодневный) autonomous (автономный) агентный цикл на 8 часов без человека. На этом фоне появилась новая практическая мысль: «долгие задачи» больше не прервать легко.
В демонстрации модель собрала рабочий Linux-десктоп как веб-приложение: файловый браузер, терминал, даже мини-игры.
В Design Arena она заняла второе место по веб-дизайну. Это редкий кейс, где и coding, и креативные шаблоны растут у одной команды.
Анонс Anthropic о 3,5 ГВт показывает масштаб инфраструктурной гонки
Anthropic зафиксировала рост revenue run-rate (скорости текущей выручки) до $30B и удвоение enterprise customers (корпоративных клиентов) до 1 000+.
Под это компания закрыла сделку на 3,5 ГВт compute (вычислительной мощности) с Google и Broadcom, старт с 2027 и почти полностью в США.
Даже после замечаний со стороны Минобороны по цепочке поставок модельный бизнес ускоряется. Когда доход растет в 3 раза с января, у компаний больше шансов пережить любой регуляторный нажим.
Зачем это сделали: гонка за власть, а не просто за качество ответов
Скрипты уже не про красивый чат-бот. Основной вопрос стал, кто контролирует использование frontier (передовой) возможностей и кому достается value (ценность).
Mythos не пускают в общий доступ, потому что риски ошибочного применения выше, чем маркетинговый эффект. Для такой модели нужна отлаженная безопасность прежде, чем массовый релиз.
GLM-5.1 и его долгие сессии меняют другой край: конкуренты больше не полагаются только на закрытые платформы. Это снижает входной барьер для автономной разработки.
- Безопасность первой очереди: мощная модель дает уязвимости быстрее, чем команды успевают обновлять процессы.
- Контроль ценности: даже партнеры и партнёрские права становятся критичным активом, не только код.
- Инфраструктурный барьер: compute (вычислительная мощность) решает, чьи эксперименты масштабируются, а чьи топчутся в песке.
- Снижение неопределенности: закрытые релизы снижают юридические и репутационные сюрпризы для крупных клиентов.
Смысл в том, что AI-индустрия перестраивается от «покажу демо» к «держу последствия под контролем».
Как применить прямо сейчас: 3 шага для предпринимателя и техлида
Если вы ведете продукт с AI, эти сигналы нужны уже в этой неделе. Иначе конкуренты зададут темп, а вы только доберете.
- Step 1 Проверьте, какие модели вы запускаете по правилу "только для проверки": какие есть ограничения на доступ и логирование.
- Step 2 Разделите задачи на short tasks (короткие задачи) и long tasks (длинные цепочки). Для вторых нужны модели с устойчивостью на часы, как GLM-5.1.
- Step 3 Для критичных API внедрите контроль «кто изменяет что, где и когда». Это дешевле, чем послеинцидентный аудит безопасности.
- Step 4 Просчитывайте бюджет compute (вычислительной мощности) заранее. 3,5 ГВт по масштабам Anthropic — не про модные цифры, а про очередь задач, время и цену.
Практический быстрый кейс для команд с почтой и задачами: можно сделать triage через Claude prompt (запрос для Claude). Запустите разовый аудит непрочитанных писем за 24 часа и превратите его в ежедневный task (задачу).
Алгоритм прост: 1) отправляйте письма в 4 категории, 2) проверяйте ошибки классификации, 3) перенесите в автоматический поток с ярлыками. Это снимает рутину и ускоряет фокус на продажах и релизах.
Смотрите также на партнерские настройки: если ваша модель обрабатывает чувствительные данные, согласуйте отдельный incident path (путь реагирования на инцидент), даже если поставщик пока малый.
Вывод: AI идет не в сторону открытости, а к управляемой силе
Парадокс недели в том, что прогресс ускоряется в двух местах сразу. Одно закрывает возможности, другое открывает кодовую мощь через долгие автономные сессии.
Главное изменение для бизнеса: победят не самые «умные» модели в вакууме, а те команды, кто учтет безопасность, экономику и контроль с первого дня.
И это неожиданно: для многих компания это прозвучит как замедление, но для рынка это фактически ускоритель, потому что риски теперь считаются так же строго, как и качество вывода.