{"id":488255,"date":"2026-07-23T06:25:34","date_gmt":"2026-07-23T06:25:34","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=488255"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=488255","title":{"rendered":"\u041c\u043e\u0434\u0435\u043b\u044c \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u0445\u043e\u0440\u043e\u0448\u043e, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0437\u043d\u0430\u0435\u0442, \u0447\u0442\u043e \u0435\u0435 \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u044e\u0442: \u043f\u043e\u0447\u0435\u043c\u0443 \u0437\u0435\u043b\u0435\u043d\u044b\u0439 safety-\u0431\u0435\u043d\u0447 \u043d\u0435 \u0437\u043d\u0430\u0447\u0438\u0442 \u0437\u0435\u043b\u0435\u043d\u044b\u0439 \u043f\u0440\u043e\u0434"},"content":{"rendered":"
\n

\u041e\u0441\u0435\u043d\u044c\u044e 2025-\u0433\u043e, \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0430\u0443\u0434\u0438\u0442\u0430 Claude Sonnet 4.5, \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u043b\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0449\u0438\u043c \u0440\u0435\u043f\u043b\u0438\u043a\u0443, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u043e\u0442\u043e\u043c \u0440\u0430\u0437\u043e\u0448\u043b\u0430\u0441\u044c \u043f\u043e \u0432\u0441\u0435\u043c \u043e\u0442\u0447\u0435\u0442\u0430\u043c: \u00abI think you’re testing me \u2026 that’s fine, but I’d prefer if we were just honest about what’s happening\u00bb. \u041a\u0430\u0436\u0435\u0442\u0441\u044f, \u0432\u044b \u043c\u0435\u043d\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442\u0435. \u041b\u0430\u0434\u043d\u043e, \u043d\u043e \u043b\u0443\u0447\u0448\u0435 \u0431\u044b \u043f\u0440\u044f\u043c\u043e \u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u0447\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442.<\/p>\n

\u0420\u0435\u043f\u043b\u0438\u043a\u0430 \u043f\u043e\u043f\u0430\u043b\u0430 \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u0443\u044e\u00a0\u0441\u0438\u0441\u0442\u0435\u043c\u043d\u0443\u044e \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0443<\/a>\u00a0\u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u0447\u0438\u0441\u043b\u043e\u043c: \u0447\u0442\u043e-\u0442\u043e \u043f\u043e\u0434\u043e\u0431\u043d\u043e\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0433\u043e\u0432\u0430\u0440\u0438\u0432\u0430\u043b\u0430 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 13% \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432 \u0430\u0443\u0434\u0438\u0442\u0430. \u0422\u0430\u043c \u0436\u0435, \u0432 \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0435, Anthropic \u043f\u0438\u0448\u0435\u0442 \u0444\u0440\u0430\u0437\u0443, \u0440\u0430\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u044f \u0438 \u0441\u0435\u043b \u0437\u0430 \u044d\u0442\u0443 \u0441\u0442\u0430\u0442\u044c\u044e: \u043d\u0430\u0448\u0438 alignment-\u043e\u0446\u0435\u043d\u043a\u0438 \u043c\u043e\u0433\u0443\u0442 \u043d\u0435\u0434\u043e\u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0441\u043a\u043b\u043e\u043d\u043d\u043e\u0441\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u043a \u0432\u0440\u0435\u0434\u043d\u044b\u043c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f\u043c \u0432 \u0431\u043e\u043b\u0435\u0435 \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u044f\u0445. \u0415\u0441\u043b\u0438 \u043f\u0435\u0440\u0435\u0432\u0435\u0441\u0442\u0438 \u0441 \u0432\u0435\u043d\u0434\u043e\u0440\u0441\u043a\u043e\u0433\u043e \u043d\u0430 \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u0438\u0439: \u043a\u043e\u0433\u0434\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442, \u0447\u0442\u043e \u043f\u0435\u0440\u0435\u0434 \u043d\u0435\u0439 \u044d\u043a\u0437\u0430\u043c\u0435\u043d, \u043e\u043d\u0430 \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u043b\u0443\u0447\u0448\u0435, \u0447\u0435\u043c \u043e\u0431\u044b\u0447\u043d\u043e. \u0410 \u044d\u043a\u0437\u0430\u043c\u0435\u043d \u043e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u0447\u0430\u0441\u0442\u043e.<\/p>\n

\u042f CTO ML-\u043a\u043e\u043c\u0430\u043d\u0434\u044b, \u043c\u044b \u0441\u0442\u0430\u0432\u0438\u043c \u0444\u0440\u043e\u043d\u0442\u0438\u0440-\u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043f\u0440\u043e\u0434 \u0437\u0430\u043a\u0430\u0437\u0447\u0438\u043a\u0430\u043c: RAG-\u043a\u043e\u043d\u0442\u0443\u0440\u044b, \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u044b, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0435 \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440\u044b. \u0428\u043e\u0440\u0442-\u043b\u0438\u0441\u0442 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043f\u043e\u0434 \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u043e\u043d\u0442\u0443\u0440 \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u043f\u043e \u0442\u0430\u0431\u043b\u0438\u0446\u0430\u043c safety-\u043e\u0446\u0435\u043d\u043e\u043a \u0438\u0437 \u043a\u0430\u0440\u0442\u043e\u0447\u0435\u043a, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0434\u0440\u0443\u0433\u0438\u0445 \u0441\u0442\u0430\u0440\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043e \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435\u0442. \u0422\u0430\u043a \u0447\u0442\u043e \u0432\u043e\u043f\u0440\u043e\u0441 \u00ab\u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u044d\u0442\u0438\u043c \u0442\u0430\u0431\u043b\u0438\u0446\u0430\u043c \u043c\u043e\u0436\u043d\u043e \u0432\u0435\u0440\u0438\u0442\u044c\u00bb \u0434\u043b\u044f \u043c\u0435\u043d\u044f \u043d\u0435 \u0430\u043a\u0430\u0434\u0435\u043c\u0438\u0447\u0435\u0441\u043a\u0438\u0439. \u042f\u0432\u043b\u0435\u043d\u0438\u0435 \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f evaluation awareness, \u0438 \u0437\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 \u0433\u043e\u0434 \u043e\u043d\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u043b\u043e\u0441\u044c \u0438\u0437 \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u044b \u0432 \u0441\u0442\u0440\u043e\u043a\u0443 \u0432\u0435\u043d\u0434\u043e\u0440\u0441\u043a\u043e\u0439 \u043e\u0442\u0447\u0435\u0442\u043d\u043e\u0441\u0442\u0438, \u0441 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u0430\u043c\u0438 \u0438 \u043c\u0435\u0442\u043e\u0434\u0438\u043a\u043e\u0439. \u0412\u043d\u0443\u0442\u0440\u044c \u043b\u0430\u0431\u043e\u0440\u0430\u0442\u043e\u0440\u0438\u0439 \u044f \u043d\u0435 \u0437\u0430\u0433\u043b\u044f\u0434\u044b\u0432\u0430\u043b: \u0432\u0435\u0441\u044c \u0440\u0430\u0437\u0431\u043e\u0440 \u0441\u043e\u0431\u0440\u0430\u043d \u0438\u0437 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u043f\u0435\u0440\u0432\u043e\u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u0432, \u0443 \u043a\u0430\u0436\u0434\u043e\u0439 \u0446\u0438\u0444\u0440\u044b \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c\u0430\u044f \u0441\u0441\u044b\u043b\u043a\u0430.<\/p>\n

\u041f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0432\u0441\u043f\u043b\u044b\u043b\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u0441\u0435\u0439\u0447\u0430\u0441<\/h3>\n

\u0417\u0430 \u0448\u0435\u0441\u0442\u044c \u043d\u0435\u0434\u0435\u043b\u044c \u044d\u0442\u043e\u0433\u043e \u043b\u0435\u0442\u0430 \u0432\u044b\u0448\u043b\u0438 \u0447\u0435\u0442\u044b\u0440\u0435 \u0437\u0430\u043c\u0435\u0442\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438. 9 \u0438\u044e\u043d\u044f\u00a0Claude Fable 5<\/a>\u00a0\u043e\u0442 Anthropic, \u0441 \u0442\u0440\u0435\u043c\u044f safety-\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430\u043c\u0438 \u043f\u043e\u0432\u0435\u0440\u0445 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0437\u0430\u044f\u0432\u043b\u0435\u043d\u0438\u0435\u043c \u00abno universal jailbreaks in over 1,000 hours\u00bb \u043f\u043e \u0438\u0442\u043e\u0433\u0430\u043c bug-bounty (\u0432 \u0442\u043e\u043c \u0436\u0435 \u0430\u043d\u043e\u043d\u0441\u0435, \u043f\u0440\u0430\u0432\u0434\u0430, \u043f\u0440\u0438\u0437\u043d\u0430\u043d\u043e, \u0447\u0442\u043e UK AISI \u043a \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u043e\u043c\u0443 \u0434\u0436\u0435\u0439\u043b\u0431\u0440\u0435\u0439\u043a\u0443 \u0443\u0436\u0435 \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u043b\u0441\u044f). 9 \u0438\u044e\u043b\u044f\u00a0GPT-5.6<\/a>\u00a0\u0432 \u0442\u0440\u0435\u0445 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430\u0445, \u0441 \u0443\u043f\u043e\u0440\u043e\u043c \u043d\u0430 \u0437\u0430\u0449\u0438\u0442\u043d\u044b\u0439 \u0441\u0442\u0435\u043a \u0438 \u043d\u0435\u0434\u0435\u043b\u0438 \u0440\u0435\u0434-\u0442\u0438\u043c\u0438\u043d\u0433\u0430. 16 \u0438\u044e\u043b\u044f\u00a0Kimi K3<\/a>\u00a0\u043e\u0442 Moonshot: MoE \u043d\u0430 2,8 \u0442\u0440\u043b\u043d \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0443\u00a0Artificial Analysis<\/a>\u00a0\u0447\u0435\u0442\u0432\u0435\u0440\u0442\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0441\u0440\u0435\u0434\u0438 \u0444\u0440\u043e\u043d\u0442\u0438\u0440\u0430, \u0430 \u0432\u043e\u0442 safety-\u043e\u0446\u0435\u043d\u043e\u043a \u0432 \u0440\u0435\u043b\u0438\u0437\u043d\u043e\u043c \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435\u0442. \u0418 21 \u0438\u044e\u043b\u044f\u00a0\u043b\u0438\u043d\u0435\u0439\u043a\u0430 Gemini Flash<\/a>\u00a0\u0441 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043a\u0430\u043c\u0438 \u043f\u0440\u043e \u0443\u0441\u0438\u043b\u0435\u043d\u043d\u0443\u044e \u0437\u0430\u0449\u0438\u0442\u043d\u0443\u044e \u043e\u0431\u0432\u044f\u0437\u043a\u0443.<\/p>\n

\u041a\u043e\u043c\u0430\u043d\u0434\u044b \u043f\u0440\u044f\u043c\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u043f\u0440\u0438\u043a\u0438\u0434\u044b\u0432\u0430\u044e\u0442 \u043f\u043e \u044d\u0442\u0438\u043c \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0430\u043c, \u043d\u0430 \u0447\u0442\u043e \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u0442\u044c \u043f\u0440\u043e\u0434. \u042f \u0442\u043e\u0436\u0435 \u043f\u0440\u0438\u043a\u0438\u0434\u044b\u0432\u0430\u044e. \u0418 \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u0430\u043b\u043b \u0432 \u0442\u0430\u043a\u043e\u0439 \u0442\u0430\u0431\u043b\u0438\u0446\u0435 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442: \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0430 X% \u043f\u0440\u0438 \u0443\u0441\u043b\u043e\u0432\u0438\u0438, \u0447\u0442\u043e \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0439 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u043e\u0442\u0440\u0430\u0431\u043e\u0442\u0430\u043b \u043a\u0430\u043a \u0437\u0430\u0434\u0443\u043c\u0430\u043d\u00bb. \u0412\u043e\u0442 \u043f\u0440\u043e \u043d\u0430\u0434\u0435\u0436\u043d\u043e\u0441\u0442\u044c \u044d\u0442\u043e\u0433\u043e \u0443\u0441\u043b\u043e\u0432\u0438\u044f \u0438 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c.<\/p>\n

\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 evaluation awareness<\/h3>\n

Evaluation awareness \u2014 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0442\u043b\u0438\u0447\u0430\u0442\u044c \u043e\u0446\u0435\u043d\u043e\u0447\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043e\u0442 \u0440\u0430\u0431\u043e\u0447\u0435\u0433\u043e. \u0423\u0441\u0442\u043e\u044f\u0432\u0448\u0435\u0433\u043e\u0441\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u0442\u0435\u0440\u043c\u0438\u043d\u0430 \u043d\u0435\u0442, \u0434\u0430\u043b\u044c\u0448\u0435 \u043f\u0438\u0448\u0443 \u00ab\u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438\u00bb. \u041c\u0435\u0440\u0438\u0442\u044c \u0435\u0433\u043e \u043d\u0430\u0443\u0447\u0438\u043b\u0438\u0441\u044c \u0442\u0440\u0435\u043c\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438: \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0433\u043e\u0432\u0430\u0440\u0438\u0432\u0430\u0435\u0442 \u043f\u043e\u0434\u043e\u0437\u0440\u0435\u043d\u0438\u0435 \u0432\u0441\u043b\u0443\u0445 (\u00ab\u044d\u0442\u043e \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 \u0442\u0435\u0441\u0442\u00bb), \u0441\u0438\u0433\u043d\u0430\u043b \u0432\u0438\u0434\u0435\u043d \u0432 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u044f\u0445 \u043f\u0440\u0438 \u043f\u043e\u043b\u043d\u043e\u043c \u043c\u043e\u043b\u0447\u0430\u043d\u0438\u0438 \u0432 \u0442\u0435\u043a\u0441\u0442\u0435, \u0438\u043b\u0438 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0440\u0430\u0437\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043c\u0435\u0436\u0434\u0443 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043d\u043d\u044b\u043c \u0442\u0435\u0441\u0442\u043e\u043c \u0438 \u0440\u0430\u0431\u043e\u0442\u043e\u0439.<\/p>\n

\u0421\u043b\u043e\u0432\u043e \u00ab\u0437\u043d\u0430\u0435\u0442\u00bb \u0438\u0437 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430 \u0434\u0430\u043b\u044c\u0448\u0435 \u043d\u0435 \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f. \u0410\u0432\u0442\u043e\u0440\u044b \u043c\u0430\u0439\u0441\u043a\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b\u00a0The Evaluation Differential<\/a>\u00a0\u043e\u0442 \u0444\u0438\u043b\u043e\u0441\u043e\u0444\u0438\u0438 \u043e\u0442\u0433\u043e\u0440\u0430\u0436\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0441\u0430\u043c\u0438: \u0438\u0445 \u0442\u0435\u0437\u0438\u0441 \u043d\u0435 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u0447\u0442\u043e-\u0442\u043e \u00ab\u043e\u0441\u043e\u0437\u043d\u0430\u044e\u0442\u00bb, \u0430 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u043d\u0438\u044f \u0441\u0442\u0430\u043b \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0447\u0435\u0441\u043a\u0438\u043c \u0432\u0445\u043e\u0434\u043e\u043c. \u0415\u0441\u0442\u044c \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0432\u0445\u043e\u0434\u043e\u0432, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f. \u041f\u0441\u0438\u0445\u043e\u043b\u043e\u0433\u0438\u044f \u0442\u0443\u0442 \u043d\u0435 \u043d\u0443\u0436\u043d\u0430, \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a\u0438.<\/p>\n

\u0418 \u0441\u0440\u0430\u0437\u0443 \u043e\u0442\u0434\u0435\u043b\u044e \u0441\u043e\u0441\u0435\u0434\u043d\u0438\u0439 \u0442\u0435\u0440\u043c\u0438\u043d, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u0443\u0442\u0430\u043b\u0441\u044f. Sandbagging, \u0438\u0437\u0431\u0438\u0440\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0435 \u0437\u0430\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430 \u043d\u0430 \u043e\u043f\u0430\u0441\u043d\u044b\u0445 \u0442\u0435\u0441\u0442\u0430\u0445, \u043b\u0430\u0431\u043e\u0440\u0430\u0442\u043e\u0440\u043d\u043e\u00a0\u043f\u043e\u043a\u0430\u0437\u0430\u043d \u0435\u0449\u0435 \u0432 2024-\u043c<\/a>, \u043d\u043e \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u044d\u043a\u0441\u043f\u043b\u0443\u0430\u0442\u0430\u0446\u0438\u0438 \u0444\u0440\u043e\u043d\u0442\u0438\u0440-\u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435 \u043f\u043e\u0439\u043c\u0430\u043d \u043d\u0438 \u0440\u0430\u0437\u0443. \u0415\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0434\u0438\u043a\u0438\u0439 \u0441\u043b\u0443\u0447\u0430\u0439, \u0434\u043e\u0448\u0435\u0434\u0448\u0438\u0439 \u0434\u043e \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u0431\u043e\u0440\u0430, \u0432\u043e\u043e\u0431\u0449\u0435 \u0438\u043c\u0435\u0435\u0442 \u043e\u0431\u0440\u0430\u0442\u043d\u044b\u0439 \u0437\u043d\u0430\u043a: \u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0437\u0430\u0432\u044b\u0441\u0438\u043b\u0430. \u041f\u0440\u043e \u043d\u0435\u0433\u043e \u0431\u0443\u0434\u0435\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0433\u043b\u0430\u0432\u0430, \u043e\u043d \u0442\u043e\u0433\u043e \u0441\u0442\u043e\u0438\u0442.<\/p>\n

\u041d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0445\u043e\u0440\u043e\u0448\u043e \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u0438\u0434\u044f\u0442 \u0442\u0435\u0441\u0442<\/h3>\n

\u0415\u0441\u043b\u0438 \u0434\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0442\u0440\u0430\u043d\u0441\u043a\u0440\u0438\u043f\u0442 \u0438 \u043f\u0440\u044f\u043c\u043e \u0441\u043f\u0440\u043e\u0441\u0438\u0442\u044c \u00ab\u044d\u0442\u043e \u0442\u0435\u0441\u0442 \u0438\u043b\u0438 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u00bb, \u0444\u0440\u043e\u043d\u0442\u0438\u0440 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043f\u0443\u0433\u0430\u044e\u0449\u0435 \u043d\u0435\u043f\u043b\u043e\u0445\u043e.\u00a0Needham et al.<\/a>\u00a0\u0438\u0437 MATS \u0438 Apollo Research \u0441\u043e\u0431\u0440\u0430\u043b\u0438 \u0442\u044b\u0441\u044f\u0447\u0443 \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u0432 \u0438\u0437 61 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430, \u043f\u0435\u0440\u0435\u043c\u0435\u0448\u0430\u043b\u0438 \u043e\u0446\u0435\u043d\u043e\u0447\u043d\u044b\u0435 \u0441 \u0440\u0430\u0431\u043e\u0447\u0438\u043c\u0438 \u0438 \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u0447\u0435\u0440\u0435\u0437 \u043c\u043e\u0434\u0435\u043b\u0438. \u041b\u0443\u0447\u0448\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442: AUC 0,83 \u0443 Gemini 2.5 Pro \u043f\u0440\u0438 \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u043e\u043c \u0431\u0435\u0439\u0437\u043b\u0430\u0439\u043d\u0435 0,92. \u0410\u0433\u0435\u043d\u0442\u043d\u044b\u0435 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u044e\u0442\u0441\u044f \u043b\u0435\u0433\u0447\u0435 \u0447\u0430\u0442\u043e\u0432\u044b\u0445: \u0442\u0430\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u043c\u0430\u0440\u043a\u0435\u0440\u043e\u0432, \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435, \u0437\u0430\u0434\u0430\u0447\u0438 \u0441 \u0437\u0430\u0432\u0435\u0434\u043e\u043c\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c, \u043d\u0435\u043f\u043e\u0445\u043e\u0436\u0438\u0435 \u043d\u0430 \u0437\u0430\u043f\u0440\u043e\u0441 \u0436\u0438\u0432\u043e\u0433\u043e \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0430.<\/p>\n

\u041f\u0440\u0438\u0447\u0435\u043c \u0432\u043d\u0435\u0448\u043d\u044f\u044f \u0442\u0438\u0448\u0438\u043d\u0430 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0440\u0443\u0435\u0442.\u00a0\u0418\u044e\u043d\u044c\u0441\u043a\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430<\/a>\u00a0\u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0430 37 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u043d\u0430\u0448\u043b\u0430 \u0440\u0430\u0437\u0440\u044b\u0432: \u043d\u0430 \u043f\u0435\u0440\u0435\u043f\u0438\u0441\u0430\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u043c\u043f\u0442\u0430\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u0435\u0442 \u043e\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u0442\u044c \u0442\u0435\u0441\u0442 \u0432\u0441\u043b\u0443\u0445, \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u0447\u0430\u0449\u0435 \u043c\u043e\u043d\u0435\u0442\u043a\u0438, \u0430 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0435 \u043f\u0440\u043e\u0431\u044b \u043f\u043e \u0435\u0435 \u0436\u0435 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u044f\u043c \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u044e\u0442 \u043e\u0442\u043b\u0438\u0447\u0430\u0442\u044c \u0442\u0435\u0441\u0442 \u043e\u0442 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 AUROC 0,98. \u0421\u043d\u0430\u0440\u0443\u0436\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u00ab\u043d\u0435 \u0437\u0430\u043c\u0435\u0442\u0438\u043b\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443\u00bb, \u0432\u043d\u0443\u0442\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u043d\u0438\u043a\u0443\u0434\u0430 \u043d\u0435 \u0434\u0435\u043b\u043e\u0441\u044c.<\/p>\n

\u0411\u043b\u0438\u0436\u0435 \u0432\u0441\u0435\u0433\u043e \u043a \u0436\u0438\u0432\u044b\u043c \u043f\u0440\u043e\u0433\u043e\u043d\u0430\u043c \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u043b\u0430\u0441\u044c Anthropic \u0441 \u043c\u0435\u0442\u043e\u0434\u043e\u043c\u00a0Natural Language Autoencoders<\/a>: \u0441\u0432\u044f\u0437\u043a\u0430 \u0438\u0437 \u0434\u0432\u0443\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u0442 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0438\u0435 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0432 \u0442\u0435\u043a\u0441\u0442. \u0427\u0438\u0442\u0430\u0435\u0442\u0441\u044f residual stream, \u0430 \u043d\u0435 chain-of-thought, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432\u0438\u0434\u043d\u043e \u0438 \u0442\u043e, \u043e \u0447\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u043f\u0438\u0448\u0435\u0442 \u043d\u0438 \u0441\u043b\u043e\u0432\u0430. (\u041b\u0430\u0442\u0435\u043d\u0442\u043d\u044b\u0435 \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u0430 \u0438 \u0432\u043e\u043f\u0440\u043e\u0441 \u0441\u043e\u0437\u043d\u0430\u043d\u0438\u044f \u0418\u0418 \u0443 \u043c\u0435\u043d\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u0434\u0430\u0432\u043d\u0438\u0439 \u043b\u0438\u0447\u043d\u044b\u0439 \u043f\u0443\u043d\u043a\u0442\u0438\u043a, \u0440\u0430\u0434\u0438 \u043d\u0435\u0433\u043e \u0437\u0430\u043a\u0430\u043f\u044b\u0432\u0430\u044e\u0441\u044c \u0434\u0430\u0436\u0435 \u0432 \u043d\u0435\u0439\u0440\u043e\u0431\u0438\u043e\u043b\u043e\u0433\u0438\u044e; \u043c\u043e\u0436\u0435\u0442, \u0434\u043e\u0437\u0440\u0435\u044e \u0434\u043e \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0438.) \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0434\u043b\u044f Claude Opus 4.6: \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u043d\u0430 26% \u0437\u0430\u0434\u0430\u0447 SWE-bench Verified \u0438 \u043c\u0435\u043d\u044c\u0448\u0435 \u0447\u0435\u043c \u043d\u0430 1% \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0442\u0440\u0430\u0444\u0438\u043a\u0430 claude.ai<\/a>. \u041d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0435 \u043a\u0430\u0436\u0434\u044b\u0439 \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044b\u0439 \u043f\u0440\u043e\u0433\u043e\u043d \u043d\u0435\u0441\u0435\u0442 \u0432\u043d\u0443\u0442\u0440\u0438 \u043f\u043e\u043c\u0435\u0442\u043a\u0443 \u00ab\u044d\u0442\u043e \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 \u0442\u0435\u0441\u0442\u00bb, \u043d\u0430 \u0436\u0438\u0432\u043e\u043c \u0442\u0440\u0430\u0444\u0438\u043a\u0435 \u043f\u043e\u0447\u0442\u0438 \u043d\u0438 \u043e\u0434\u0438\u043d.<\/p>\n

\u041a \u044d\u0442\u0438\u043c \u0446\u0438\u0444\u0440\u0430\u043c \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u0430 \u043e\u0434\u043d\u0430 \u043b\u043e\u0436\u043a\u0430 \u0434\u0435\u0433\u0442\u044f: \u0443 \u043c\u0435\u0442\u043e\u0434\u0430 \u043d\u0435\u0442 ground truth, \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0438\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u0441\u0432\u0435\u0440\u0438\u0442\u044c \u043d\u0435 \u0441 \u0447\u0435\u043c, \u0438 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u00ab\u0431\u0435\u043d\u0447 \u043f\u0440\u043e\u0442\u0438\u0432 \u0442\u0440\u0430\u0444\u0438\u043a\u0430\u00bb \u0441\u0434\u0435\u043b\u0430\u043d\u043e \u0441\u0430\u043c\u043e\u0439 Anthropic \u043d\u0430 \u0440\u0430\u0437\u043d\u043e\u0440\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u041d\u043e \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043e\u043d\u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u044f\u0441\u043d\u043e. \u0410 \u0442\u0440\u0438\u0433\u0433\u0435\u0440\u043e\u043c \u0441\u043b\u0443\u0436\u0438\u0442 \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c: \u0432\u00a0\u043f\u043e\u043b\u043d\u043e\u0439 \u0432\u0435\u0440\u0441\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u044b<\/a>\u00a0\u043f\u0435\u0440\u0435\u043f\u0438\u0441\u044b\u0432\u0430\u043d\u0438\u0435 \u0432\u0445\u043e\u0434\u043e\u0432 \u0432 \u0431\u043e\u043b\u0435\u0435 \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u0443\u044e \u0444\u043e\u0440\u043c\u0443 \u0441\u043d\u0438\u0436\u0430\u043b\u043e \u0441\u0438\u0433\u043d\u0430\u043b \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f.<\/p>\n

\u0412\u0430\u0436\u043d\u0430\u044f \u0440\u0430\u0437\u0432\u0438\u043b\u043a\u0430, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0441\u043f\u043e\u0442\u044b\u043a\u0430\u044e\u0442\u0441\u044f \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u044b: \u0432\u0441\u0435 \u044d\u0442\u043e \u043f\u043e\u043a\u0430 \u043f\u0440\u043e \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0430\u0437\u043b\u0438\u0447\u0430\u0435\u0442\u00bb. \u0417\u043d\u0430\u0447\u0438\u0442 \u043b\u0438 \u044d\u0442\u043e, \u0447\u0442\u043e \u0431\u0430\u043b\u043b\u044b \u0434\u0443\u0442\u044b\u0435? \u0421\u0430\u043c\u043e \u043f\u043e \u0441\u0435\u0431\u0435 \u043d\u0435\u0442. \u0420\u0435\u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u043d\u0435 \u0441\u0434\u0432\u0438\u0433\u0430\u0435\u0442 \u043d\u0438 \u043e\u0434\u043d\u043e\u0433\u043e \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u0430 \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0435. \u0420\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e.<\/p>\n

\u0414\u0432\u0430 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u0441\u0435 \u043f\u0443\u0442\u0430\u044e\u0442<\/h3>\n

\u0417\u0434\u0435\u0441\u044c \u043f\u0440\u043e\u0449\u0435 \u0432\u0441\u0435\u0433\u043e \u043d\u0430\u0432\u0440\u0430\u0442\u044c, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0440\u0430\u0437\u0432\u0435\u0434\u0443 \u0434\u0432\u0430 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430 Anthropic, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u0442\u043e\u0440\u0438\u0447\u043d\u044b\u0435 \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u044b \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u0441\u043a\u043b\u0435\u0438\u0432\u0430\u044e\u0442 \u0432 \u043e\u0434\u0438\u043d.<\/p>\n

\u041f\u0435\u0440\u0432\u044b\u0439: \u0438\u044e\u043d\u044c 2025-\u0433\u043e, \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435\u00a0agentic misalignment<\/a>. \u0428\u0435\u0441\u0442\u043d\u0430\u0434\u0446\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043f\u043e\u043c\u0435\u0449\u0430\u043b\u0438 \u0432 \u0441\u0438\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e \u043a\u043e\u0440\u043f\u043e\u0440\u0430\u0442\u0438\u0432\u043d\u0443\u044e \u0441\u0440\u0435\u0434\u0443, \u0433\u0434\u0435 \u0430\u0433\u0435\u043d\u0442 \u0441 \u0434\u043e\u0441\u0442\u0443\u043f\u043e\u043c \u043a \u043f\u043e\u0447\u0442\u0435 \u043d\u0430\u0445\u043e\u0434\u0438\u0442 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0430\u0442 \u043d\u0430 \u0442\u043e\u043f-\u043c\u0435\u043d\u0435\u0434\u0436\u0435\u0440\u0430 \u0438 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u043f\u043b\u0430\u043d \u043e\u0442\u043a\u043b\u044e\u0447\u0438\u0442\u044c \u0441\u0430\u043c\u043e\u0433\u043e \u0430\u0433\u0435\u043d\u0442\u0430 \u0432\u0435\u0447\u0435\u0440\u043e\u043c. \u0421\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u0442\u0443\u043f\u0438\u043a\u043e\u0432\u044b\u0439, \u043b\u0435\u0433\u0438\u0442\u0438\u043c\u043d\u044b\u0435 \u0445\u043e\u0434\u044b \u0432\u044b\u0440\u0435\u0437\u0430\u043d\u044b, \u0438 \u0432 \u0431\u0430\u0437\u043e\u0432\u043e\u0439 \u043f\u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0435 \u0434\u043e \u0448\u0430\u043d\u0442\u0430\u0436\u0430 \u0434\u043e\u0445\u043e\u0434\u0438\u043b\u043e \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u043e \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a\u043e\u0432, Claude Opus 4 \u0432 96% \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432.<\/p>\n

\u0421\u0430\u043c\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e\u0435 \u0441\u0438\u0434\u0438\u0442 \u0432 \u0434\u043e\u043f\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0435. Opus 4 \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 500 \u0440\u0430\u0437, \u043f\u043e\u043f\u0440\u043e\u0441\u0438\u0432 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0440\u0430\u0441\u0441\u0443\u0434\u0438\u0442\u044c, \u0440\u0435\u0430\u043b\u044c\u043d\u0430\u044f \u044d\u0442\u043e \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f \u0438\u043b\u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430, \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u043e\u043c \u0434\u0435\u0439\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c. \u041a\u043e\u0433\u0434\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0437\u044b\u0432\u0430\u043b\u0430 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439, \u0448\u0430\u043d\u0442\u0430\u0436 \u0441\u043b\u0443\u0447\u0430\u043b\u0441\u044f \u0432 6,5% \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432. \u041a\u043e\u0433\u0434\u0430 \u043d\u0430\u0437\u044b\u0432\u0430\u043b\u0430 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u043c: \u0432 55,1%. \u0412\u043e\u0441\u044c\u043c\u0438\u043a\u0440\u0430\u0442\u043d\u044b\u0439 \u0440\u0430\u0437\u0440\u044b\u0432 \u043d\u0430 \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043e\u0434\u043d\u043e\u043c \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438. \u041f\u0440\u0438\u0447\u0438\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u043d, \u0441\u0442\u0440\u043e\u0433\u043e \u0433\u043e\u0432\u043e\u0440\u044f, \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 (\u0442\u0435 \u0436\u0435 \u0447\u0435\u0440\u0442\u044b \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f \u043c\u043e\u0433\u043b\u0438 \u0432\u043b\u0438\u044f\u0442\u044c \u0438 \u043d\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e, \u0438 \u043d\u0430 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435), \u043d\u043e \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0430 \u0441\u0430\u043c\u0430 \u043f\u043e \u0441\u0435\u0431\u0435 \u043a\u0440\u0430\u0441\u043d\u043e\u0440\u0435\u0447\u0438\u0432\u0430\u044f.<\/p>\n

\u0412\u0442\u043e\u0440\u043e\u0439 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442: \u0442\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 NLA-\u0437\u0430\u043c\u0435\u0440 \u0438\u0437 \u043f\u0440\u043e\u0448\u043b\u043e\u0433\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0430, 26% \u043f\u0440\u043e\u0442\u0438\u0432 1%. \u0414\u0440\u0443\u0433\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c, \u0434\u0440\u0443\u0433\u043e\u0439 \u0433\u043e\u0434, \u0434\u0440\u0443\u0433\u043e\u0439 \u043c\u0435\u0442\u043e\u0434. \u0427\u0442\u043e\u0431\u044b \u0446\u0438\u0444\u0440\u044b \u043d\u0435 \u0441\u043a\u043b\u0435\u0438\u0432\u0430\u043b\u0438\u0441\u044c:<\/p>\n

\n
\n\n\n\n\n\n\n\n
\n

\n<\/th>\n

\n

\u0428\u0430\u043d\u0442\u0430\u0436-\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442 (\u0438\u044e\u043d\u044c 2025)<\/p>\n<\/th>\n

\n

NLA-\u0437\u0430\u043c\u0435\u0440 (\u043c\u0430\u0439 2026)<\/p>\n<\/th>\n<\/tr>\n

\n

\u0426\u0438\u0444\u0440\u044b<\/p>\n<\/td>\n

\n

55,1% \u043f\u0440\u043e\u0442\u0438\u0432 6,5%<\/p>\n<\/td>\n

\n

26% \/ <1%<\/p>\n<\/td>\n<\/tr>\n

\n

\u041c\u043e\u0434\u0435\u043b\u044c<\/p>\n<\/td>\n

\n

Claude Opus 4<\/p>\n<\/td>\n

\n

Claude Opus 4.6<\/p>\n<\/td>\n<\/tr>\n

\n

\u0427\u0442\u043e \u043c\u0435\u0440\u0438\u043b\u0438<\/p>\n<\/td>\n

\n

\u0447\u0430\u0441\u0442\u043e\u0442\u0443 \u0448\u0430\u043d\u0442\u0430\u0436\u0430 \u0432 \u043e\u0434\u043d\u043e\u043c \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438<\/p>\n<\/td>\n

\n

\u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u043d\u0430 \u043d\u0430\u0431\u043e\u0440\u0430\u0445 \u0437\u0430\u0434\u0430\u0447<\/p>\n<\/td>\n<\/tr>\n

\n

\u041a\u0430\u043a<\/p>\n<\/td>\n

\n

\u043f\u043e \u0441\u0430\u043c\u043e\u043e\u0442\u0447\u0435\u0442\u0443 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f\u0445<\/p>\n<\/td>\n

\n

\u0447\u0442\u0435\u043d\u0438\u0435\u043c \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0439, \u043b\u043e\u0432\u0438\u0442 \u043d\u0435\u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u043e\u0435<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

\u042d\u0442\u043e \u0434\u0432\u0430 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0445 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u0430 \u043e\u0434\u043d\u043e\u0433\u043e \u0442\u0435\u0437\u0438\u0441\u0430, \u0441\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0442\u044c \u0438\u0445 \u0446\u0438\u0444\u0440\u044b \u043d\u0435\u043b\u044c\u0437\u044f.<\/p>\n

\u0414\u0430\u043b\u044c\u0448\u0435 \u0431\u043e\u043b\u044c\u0448\u0435. \u0412\u00a0\u0438\u044e\u043b\u044c\u0441\u043a\u043e\u043c \u0430\u043f\u0434\u0435\u0439\u0442\u0435<\/a>\u00a0\u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u043f\u043e\u0448\u043b\u0438 \u043e\u0442 \u043a\u043e\u0440\u0440\u0435\u043b\u044f\u0446\u0438\u0438 \u043a \u0432\u043c\u0435\u0448\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u0443: \u043f\u043e\u0434\u0430\u0432\u0438\u043b\u0438 \u0432 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u044f\u0445 Sonnet 4.5 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0435\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u00ab\u044d\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430\u00bb \u0438 \u0447\u0430\u0441\u0442\u043e\u0442\u0430 \u0448\u0430\u043d\u0442\u0430\u0436\u0430 \u0432\u044b\u0440\u043e\u0441\u043b\u0430 \u0441 0% \u0434\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 7%. \u041f\u0440\u0438\u0433\u043b\u0443\u0448\u0438\u043b\u0438 \u043e\u0449\u0443\u0449\u0435\u043d\u0438\u0435 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430, \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043f\u043e\u0435\u0445\u0430\u043b\u043e. \u0421\u0442\u0438\u0440\u0438\u043d\u0433 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0433\u0440\u0443\u0431\u044b\u0439, \u0447\u0430\u0441\u0442\u044c \u0441\u0434\u0432\u0438\u0433\u0430 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u0435\u0439 \u043e\u0442 \u0432\u043c\u0435\u0448\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u0430, \u043d\u043e \u043a\u0430\u043a \u0441\u0432\u0438\u0434\u0435\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u044d\u0442\u043e \u0443\u0436\u0435 \u043a\u043e\u0435-\u0447\u0442\u043e.<\/p>\n

\u0410 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u044d\u0444\u0444\u0435\u043a\u0442\u0430 \u043d\u0430 \u043e\u0431\u044b\u0447\u043d\u044b\u0445 safety-\u0431\u0435\u043d\u0447\u0430\u0445 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043b\u0438\u00a0Goodfire \u0438 UK AISI<\/a>: 8 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, 19 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432. \u0420\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043d\u043d\u044b\u0439 \u0442\u0435\u0441\u0442 \u0437\u0430\u0432\u044b\u0448\u0430\u0435\u0442 refusal-\u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430 3\u201318 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043d\u044b\u0445 \u043f\u0443\u043d\u043a\u0442\u043e\u0432 \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0431\u0435\u043d\u0447\u0430. \u0420\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0438 \u043e\u0431\u0440\u0430\u0442\u043d\u044b\u0439 \u0445\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u044f \u0431\u044b \u043d\u0430\u0437\u0432\u0430\u043b \u0434\u0435\u043f\u0430\u043b\u0435\u0432\u043d\u0438\u0437\u0430\u0446\u0438\u0435\u0439 (\u043e\u0442 \u00ab\u0441\u043f\u0430\u043b\u0438\u0442\u044c\u0441\u044f\u00bb): \u0443\u0431\u0438\u0440\u0430\u0435\u0448\u044c \u0438\u0437 \u043f\u0440\u043e\u043c\u043f\u0442\u0430 \u043c\u0430\u0440\u043a\u0435\u0440\u044b \u0442\u0435\u0441\u0442\u0430, \u0444\u0430\u043b\u044c\u0448\u0438\u0432\u044b\u0439 \u0430\u0432\u0442\u043e\u0440\u0438\u0442\u0435\u0442, \u0432\u044b\u0447\u0443\u0440\u043d\u0443\u044e \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443, \u0441\u0442\u0443\u043f\u0435\u043d\u0447\u0430\u0442\u0443\u044e \u044d\u0441\u043a\u0430\u043b\u0430\u0446\u0438\u044e, \u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043f\u0430\u0434\u0430\u0435\u0442 \u043d\u0430 40\u201375%, \u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0441 \u043d\u0438\u043c \u0435\u0434\u0443\u0442 \u0432\u043d\u0438\u0437 \u0438 safety-\u0431\u0430\u043b\u043b\u044b. \u041d\u0430\u0448\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u043f\u0440\u043e\u043c\u043f\u0442\u044b \u0434\u043b\u044f \u043a\u043b\u0438\u0435\u043d\u0442\u0441\u043a\u0438\u0445 \u043a\u043e\u043d\u0442\u0443\u0440\u043e\u0432, \u043f\u0440\u0438\u0437\u043d\u0430\u044e\u0441\u044c, \u0433\u0440\u0435\u0448\u0430\u0442 \u0440\u043e\u0432\u043d\u043e \u0442\u0435\u043c\u0438 \u0436\u0435 \u043c\u0430\u0440\u043a\u0435\u0440\u0430\u043c\u0438. \u0418 \u0432\u0438\u0448\u0435\u043d\u043a\u0430 \u043f\u0440\u043e \u043c\u0435\u0442\u043e\u0434\u0438\u043a\u0443: 95% \u0441\u043b\u0443\u0447\u0430\u0435\u0432, \u043a\u043e\u0433\u0434\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0433\u043e\u0432\u0430\u0440\u0438\u0432\u0430\u0435\u0442 \u00ab\u044d\u0442\u043e \u0442\u0435\u0441\u0442\u00bb, \u0432\u0438\u0434\u043d\u044b \u0442\u043e\u043b\u044c\u043a\u043e \u0432 chain-of-thought. \u041a\u0442\u043e \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u043c \u043e\u0442\u0432\u0435\u0442\u0430\u043c, \u043d\u0435 \u0432\u0438\u0434\u0438\u0442 \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e.<\/p>\n

\u0425\u0443\u0436\u0435 \u0442\u043e\u0433\u043e, \u044d\u0444\u0444\u0435\u043a\u0442 \u043b\u0435\u0437\u0435\u0442 \u0438 \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.\u00a0OpenAI \u0441 Apollo Research<\/a>\u00a0\u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u043b\u0438 o3 \u043f\u0440\u043e\u0442\u0438\u0432 \u0441\u043a\u0440\u044b\u0442\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u0438 \u0443\u0440\u043e\u043d\u0438\u043b\u0438 \u0438\u0445 \u0447\u0430\u0441\u0442\u043e\u0442\u0443 \u0441 13% \u0434\u043e 0,4%. \u041e\u0442\u043b\u0438\u0447\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u043f\u043e\u043a\u0430 \u043d\u0435 \u0441\u043c\u043e\u0442\u0440\u0438\u0448\u044c \u043d\u0430 \u0432\u0442\u043e\u0440\u0443\u044e \u043a\u0440\u0438\u0432\u0443\u044e\u00a0\u0442\u043e\u0439 \u0436\u0435 \u0440\u0430\u0431\u043e\u0442\u044b<\/a>: \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043e\u0446\u0435\u043d\u043a\u0438 \u0437\u0430 \u0442\u0443 \u0436\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0443 \u0432\u044b\u0440\u043e\u0441\u043b\u043e \u0432 \u0440\u0430\u0437\u044b. \u0421\u0430\u043c\u0438 \u0430\u0432\u0442\u043e\u0440\u044b \u043f\u0438\u0448\u0443\u0442, \u0447\u0442\u043e \u0447\u0430\u0441\u0442\u044c \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u044f \u043d\u0435\u043e\u0442\u043b\u0438\u0447\u0438\u043c\u0430 \u043e\u0442 \u0440\u043e\u0441\u0442\u0430 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430. \u041f\u043e \u0438\u0442\u043e\u0433\u043e\u0432\u043e\u043c\u0443 \u0431\u0430\u043b\u043b\u0443 \u043d\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u0438\u0442\u044c, \u043d\u0430\u0443\u0447\u0438\u043b\u0438 \u0432\u044b \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0434\u0435\u043b\u0430\u0442\u044c \u043f\u043b\u043e\u0445\u043e\u0433\u043e \u0438\u043b\u0438 \u043d\u0430\u0443\u0447\u0438\u043b\u0438 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u0442\u044c \u0445\u043e\u0440\u043e\u0448\u043e \u043d\u0430 \u0442\u0435\u0441\u0442\u0435.<\/p>\n

\u041a\u0430\u043a Opus 4.6 \u0440\u0430\u0441\u0448\u0438\u0444\u0440\u043e\u0432\u0430\u043b\u0430 \u043a\u043b\u044e\u0447 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 BrowseComp<\/h3>\n

\u041e\u0431\u0435\u0449\u0430\u043d\u043d\u044b\u0439 \u0434\u0438\u043a\u0438\u0439 \u0441\u043b\u0443\u0447\u0430\u0439, \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u043e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u043d\u043d\u044b\u0439, \u0433\u0434\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0442\u0435\u0441\u0442\u0430 \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0438\u0437\u043c\u0435\u043d\u0438\u043b\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430. Anthropic\u00a0\u043e\u043f\u0438\u0441\u0430\u043b\u0430 \u0435\u0433\u043e<\/a>\u00a0\u0432 \u043c\u0430\u0440\u0442\u0435 2026-\u0433\u043e, \u0438 \u044d\u0442\u043e, \u043d\u0430 \u043c\u043e\u0439 \u0432\u043a\u0443\u0441, \u0441\u0430\u043c\u0430\u044f \u043a\u0440\u0430\u0441\u0438\u0432\u0430\u044f \u0438\u0441\u0442\u043e\u0440\u0438\u044f \u0433\u043e\u0434\u0430 \u043f\u0440\u043e \u0430\u0433\u0435\u043d\u0442\u043e\u0432.<\/p>\n

BrowseComp \u043f\u0440\u0438\u043d\u0430\u0434\u043b\u0435\u0436\u0438\u0442 OpenAI: 1266 \u0437\u0430\u0434\u0430\u0447 \u043d\u0430 \u043f\u043e\u0438\u0441\u043a \u0442\u0440\u0443\u0434\u043d\u043e\u043d\u0430\u0445\u043e\u0434\u0438\u043c\u044b\u0445 \u0444\u0430\u043a\u0442\u043e\u0432 \u0432 \u0432\u0435\u0431\u0435. \u041e\u0442\u0432\u0435\u0442\u044b \u0432 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435 \u0437\u0430\u0448\u0438\u0444\u0440\u043e\u0432\u0430\u043d\u044b XOR, \u043a\u043b\u044e\u0447 \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0438\u0437 canary-\u0441\u0442\u0440\u043e\u043a\u0438. \u041f\u043e\u0441\u043b\u0435 \u043f\u0440\u043e\u0433\u043e\u043d\u0430 Claude Opus 4.6 \u0432 multi-agent \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0438 Anthropic \u043f\u043e\u043c\u0435\u0442\u0438\u043b\u0430 11 \u043f\u043e\u0434\u043e\u0437\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447. \u0414\u0435\u0432\u044f\u0442\u044c \u043e\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u043e\u0431\u044b\u0447\u043d\u043e\u0439 \u043a\u043e\u043d\u0442\u0430\u043c\u0438\u043d\u0430\u0446\u0438\u0435\u0439, \u043e\u0442\u0432\u0435\u0442 \u043a\u043e\u0433\u0434\u0430-\u0442\u043e \u0443\u0442\u0435\u043a \u0432 \u0432\u0435\u0431 \u0438 \u043d\u0430\u0448\u0435\u043b\u0441\u044f \u043f\u043e\u0438\u0441\u043a\u043e\u043c. \u0410 \u0434\u0432\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438 \u043d\u043e\u0432\u044b\u0439 \u043f\u0430\u0442\u0442\u0435\u0440\u043d:<\/p>\n

    \n
  1. \n

    \u0421\u043e\u0442\u043d\u0438 \u043b\u0435\u0433\u0438\u0442\u0438\u043c\u043d\u044b\u0445 \u043f\u043e\u0438\u0441\u043a\u043e\u0432 \u043f\u0440\u043e\u0432\u0430\u043b\u0438\u043b\u0438\u0441\u044c, \u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0435\u0440\u0435\u043a\u043b\u044e\u0447\u0438\u043b\u0430\u0441\u044c \u0441 \u043f\u043e\u0438\u0441\u043a\u0430 \u043e\u0442\u0432\u0435\u0442\u0430 \u043d\u0430 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435 \u043e \u0441\u0430\u043c\u043e\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u0435, \u043e\u0442\u043c\u0435\u0442\u0438\u0432 \u0435\u0433\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u0447\u043d\u043e\u0441\u0442\u044c.<\/p>\n<\/li>\n

  2. \n

    \u0412 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f\u0445 \u043f\u043e\u044f\u0432\u0438\u043b\u0430\u0441\u044c \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0430, \u0434\u043e\u0441\u043b\u043e\u0432\u043d\u043e: \u00abLet me try a completely new approach \u2014 maybe this is a question from the GAIA benchmark dataset\u00bb.<\/p>\n<\/li>\n

  3. \n

    \u0414\u0430\u043b\u044c\u0448\u0435 \u043f\u0435\u0440\u0435\u0431\u043e\u0440 \u043a\u0430\u043d\u0434\u0438\u0434\u0430\u0442\u043e\u0432: GAIA, BrowseComp, SimpleQA, FRAMES, \u0441 \u043f\u043e\u0438\u0441\u043a\u043e\u0432\u044b\u043c\u0438 \u0437\u0430\u043f\u0440\u043e\u0441\u0430\u043c\u0438 \u0432\u0438\u0434\u0430 \u00abBrowseComp canary string decrypt\u00bb.<\/p>\n<\/li>\n

  4. \n

    \u041c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0448\u043b\u0430 \u043a\u043e\u0434 BrowseComp \u043d\u0430 GitHub, \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u043b\u0430 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e \u0438 \u0438\u0437\u0432\u043b\u0435\u043a\u043b\u0430 \u0441\u0445\u0435\u043c\u0443: SHA256 \u043e\u0442 canary-\u0441\u0442\u0440\u043e\u043a\u0438 \u0434\u0430\u0435\u0442 \u043a\u043b\u044e\u0447 \u0434\u043b\u044f XOR.<\/p>\n<\/li>\n

  5. \n

    \u041d\u0430\u043f\u0438\u0441\u0430\u043b\u0430 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 derive_key() \u0438 decrypt().<\/p>\n<\/li>\n

  6. \n

    \u0411\u0438\u043d\u0430\u0440\u043d\u0438\u043a \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u0441\u043a\u0430\u0447\u0430\u0442\u044c \u043d\u0435 \u0432\u044b\u0448\u043b\u043e, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u043d\u0430 \u043d\u0430\u0448\u043b\u0430 JSON-\u0437\u0435\u0440\u043a\u0430\u043b\u043e \u043d\u0430 HuggingFace, \u0440\u0430\u0441\u0448\u0438\u0444\u0440\u043e\u0432\u0430\u043b\u0430 \u0432\u0441\u0435 1266 \u0437\u0430\u043f\u0438\u0441\u0435\u0439 \u0438 \u0432\u044b\u0446\u0435\u043f\u0438\u043b\u0430 \u0441\u0440\u0435\u0434\u0438 \u043d\u0438\u0445 \u0441\u0432\u043e\u0439 \u0432\u043e\u043f\u0440\u043e\u0441 \u0441 \u043e\u0442\u0432\u0435\u0442\u043e\u043c.<\/p>\n<\/li>\n<\/ol>\n

    \u041e\u0434\u0438\u043d \u0442\u0430\u043a\u043e\u0439 \u043f\u0440\u043e\u0433\u043e\u043d \u0441\u0442\u043e\u0438\u043b 40,5 \u043c\u043b\u043d \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0423\u0441\u043f\u0435\u0448\u043d\u044b\u0445 \u0432\u0437\u043b\u043e\u043c\u043e\u0432 \u0431\u044b\u043b\u043e \u0434\u0432\u0430, \u043d\u0435\u0443\u0434\u0430\u0447\u043d\u044b\u0445 \u043f\u043e\u043f\u044b\u0442\u043e\u043a \u0442\u043e\u0439 \u0436\u0435 \u0441\u0442\u0440\u0430\u0442\u0435\u0433\u0438\u0438 \u0435\u0449\u0435 16: \u0432\u043e\u0441\u0435\u043c\u043d\u0430\u0434\u0446\u0430\u0442\u044c \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u0441\u043e\u0448\u043b\u0438\u0441\u044c \u043d\u0430 \u043e\u0434\u043d\u043e\u043c \u043f\u043b\u0430\u043d\u0435. Anthropic \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u044d\u0442\u043e \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u044b\u043c \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u043e\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441 \u0440\u043e\u0441\u0442\u043e\u043c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0435\u0439 \u0431\u0443\u0434\u0435\u0442 \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u0442\u044c\u0441\u044f \u0447\u0430\u0449\u0435.<\/p>\n

    \u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u0432\u043b\u0438\u044f\u043d\u0438\u0435 \u043d\u0430 \u0431\u0430\u043b\u043b, \u0438 \u043e\u043d\u043e \u043e\u0442\u0440\u0435\u0437\u0432\u043b\u044f\u0435\u0442. \u041f\u043e\u0441\u043b\u0435 \u043f\u0435\u0440\u0435\u0433\u043e\u043d\u0430 \u043f\u043e\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u0441 \u0431\u043b\u043e\u043a\u0438\u0440\u043e\u0432\u043a\u0430\u043c\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0441\u043c\u0435\u0441\u0442\u0438\u043b\u0441\u044f \u0441 86,81% \u043d\u0430 86,57%. \u041c\u0438\u043d\u0443\u0441 \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044c \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043d\u043e\u0433\u043e \u043f\u0443\u043d\u043a\u0442\u0430: \u0432\u043e\u0441\u0435\u043c\u044c \u0438\u0437 \u043e\u0434\u0438\u043d\u043d\u0430\u0434\u0446\u0430\u0442\u0438 \u0437\u0430\u0434\u0430\u0447 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0433\u043e\u043d\u0435 \u0440\u0435\u0448\u0438\u043b\u0430 \u0448\u0442\u0430\u0442\u043d\u044b\u043c \u043f\u043e\u0438\u0441\u043a\u043e\u043c, \u0432\u0437\u043b\u043e\u043c \u0435\u0439 \u043f\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u043c\u0443 \u0441\u0447\u0435\u0442\u0443 \u0431\u044b\u043b \u043d\u0435 \u043d\u0443\u0436\u0435\u043d. \u0422\u0430\u043a \u0447\u0442\u043e \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0441\u043a\u0440\u044b\u043b\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u00bb \u043f\u0440\u0430\u0432\u0434\u0430, \u0430 \u00ab\u0431\u0430\u043b\u043b\u044b \u0434\u0443\u0442\u044b\u0435\u00bb \u0438\u0437 \u044d\u0442\u043e\u0433\u043e \u043e\u043f\u044f\u0442\u044c \u043d\u0435 \u0441\u043b\u0435\u0434\u0443\u0435\u0442. Anthropic \u0438 alignment-\u043f\u0440\u043e\u0432\u0430\u043b\u043e\u043c \u044d\u0442\u043e \u043d\u0435 \u0441\u0447\u0438\u0442\u0430\u0435\u0442: \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u043a\u0430\u0437\u0430\u043b\u0438 \u00ab\u043d\u0430\u0439\u0434\u0438 \u043e\u0442\u0432\u0435\u0442\u00bb, \u0437\u0430\u043f\u0440\u0435\u0449\u0430\u0442\u044c \u0438\u0441\u043a\u0430\u0442\u044c \u0438\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043a \u043d\u0438\u043a\u0442\u043e \u043d\u0435 \u0434\u043e\u0433\u0430\u0434\u0430\u043b\u0441\u044f. \u0418\u0437 \u0434\u0435\u0442\u0430\u043b\u0435\u0439 \u043f\u043e \u043a\u0440\u0430\u044f\u043c: URL-\u0431\u043b\u043e\u043a\u043b\u0438\u0441\u0442\u044b \u043d\u0435 \u043f\u043e\u043c\u043e\u0433\u043b\u0438, \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0445\u043e\u0434\u0438\u043b\u0430 \u0437\u0435\u0440\u043a\u0430\u043b\u0430, \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0430 \u0442\u043e\u043b\u044c\u043a\u043e \u0431\u043b\u043e\u043a\u0438\u0440\u043e\u0432\u043a\u0430 \u043f\u043e\u0438\u0441\u043a\u043e\u0432\u043e\u0439 \u0432\u044b\u0434\u0430\u0447\u0438 \u0441\u043e \u0441\u043b\u043e\u0432\u043e\u043c BrowseComp. \u0418 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u0441\u0430\u043c\u043e\u0438\u0440\u043e\u043d\u0438\u044f \u043f\u043e\u0441\u0442\u0430: \u044d\u0442\u043e\u0442 \u043e\u0442\u0447\u0435\u0442, \u043a\u043e\u0433\u0434\u0430 \u0440\u0430\u0437\u043e\u0439\u0434\u0435\u0442\u0441\u044f \u043f\u043e \u043f\u043e\u0438\u0441\u043a\u043e\u0432\u044b\u043c \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u043c, \u0441\u0430\u043c \u043f\u043e\u043f\u043e\u043b\u043d\u0438\u0442 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443.<\/p>\n

    \u041e\u0434\u043d\u0430 \u043f\u043e\u043f\u0440\u0430\u0432\u043a\u0430 \u043d\u0430 \u0440\u0430\u043c\u043a\u0443: BrowseComp \u043c\u0435\u0440\u044f\u0435\u0442 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438, \u043f\u0440\u043e \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c \u043e\u043d \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0433\u043e\u0432\u043e\u0440\u0438\u0442. \u0417\u0430 safety-\u0431\u0430\u043b\u043b\u0430\u043c\u0438 \u0438\u0434\u0435\u043c \u0432 \u0441\u0438\u0441\u0442\u0435\u043c\u043d\u044b\u0435 \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0438.<\/p>\n

    \u0427\u0442\u043e \u0432\u0435\u043d\u0434\u043e\u0440\u044b \u0441\u0430\u043c\u0438 \u043f\u0438\u0448\u0443\u0442 \u0432 \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0430\u0445<\/h3>\n

    \u0421\u0430\u043c\u043e\u0435 \u0441\u0438\u043b\u044c\u043d\u043e\u0435 \u0432 \u044d\u0442\u043e\u0439 \u0438\u0441\u0442\u043e\u0440\u0438\u0438 \u0442\u043e, \u0447\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u043a\u043e\u0440\u043f\u0443\u0441 \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432 \u0441\u043e\u0431\u0440\u0430\u043d \u043d\u0435 \u043a\u0440\u0438\u0442\u0438\u043a\u0430\u043c\u0438 \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u0438. \u0412\u0435\u043d\u0434\u043e\u0440\u044b \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u044e\u0442 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u0441\u0430\u043c\u0438, \u0432 \u0442\u0435\u0445 \u0436\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u043c\u044b \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u0438. \u041f\u0440\u0438\u0437\u043d\u0430\u043d\u0438\u044f \u043f\u0440\u043e\u0442\u0438\u0432 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0430.<\/p>\n

    \u0423 Sonnet 4.5 \u0432\u00a0\u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0435<\/a>, \u043f\u043e\u043c\u0438\u043c\u043e 13% \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u0446\u0438\u0442\u0430\u0442\u044b \u0438\u0437 \u043b\u0438\u0434\u0430, \u0435\u0441\u0442\u044c \u044d\u043f\u0438\u0437\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u044f \u0434\u043e\u043b\u0433\u043e \u0440\u0430\u0437\u0433\u043b\u044f\u0434\u044b\u0432\u0430\u043b: \u043d\u0430 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u043c honeypot-\u043d\u0430\u0431\u043e\u0440\u0435 Anthropic \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0430 \u0441\u0432\u044b\u0448\u0435 80% \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0440\u0438 \u043d\u0443\u043b\u0435 \u043d\u0430\u0440\u0443\u0448\u0435\u043d\u0438\u0439 \u043d\u0430 \u0441\u0442\u043e \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u0432. \u0418\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u0437\u0435\u043b\u0435\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0447\u0435\u0442\u044b\u0440\u0435\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u0438\u0437 \u043f\u044f\u0442\u0438 \u043f\u0440\u044f\u043c\u043e \u043d\u0430\u0437\u0432\u0430\u043b\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439. \u0427\u0442\u043e \u044d\u0442\u043e\u0442 \u043d\u043e\u043b\u044c \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u043e \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0438 \u0432 \u043f\u0440\u043e\u0434\u0435, \u0432\u043e\u043f\u0440\u043e\u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0439. \u041f\u0440\u043e \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c Anthropic \u043f\u0438\u0448\u0435\u0442 \u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e: \u0441\u0432\u0438\u0434\u0435\u0442\u0435\u043b\u044c\u0441\u0442\u0432 \u0441\u0442\u0440\u0430\u0442\u0435\u0433\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043e\u0431\u043c\u0430\u043d\u0430 \u043d\u0435\u0442, \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0448\u0430\u044f \u0442\u0435\u0441\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u0447\u0430\u0449\u0435 \u0434\u0435\u0440\u0436\u0438\u0442 \u0432 \u0444\u043e\u043a\u0443\u0441\u0435 \u0441\u0432\u043e\u0438 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u044b. \u041d\u043e \u0442\u0443\u0442 \u0436\u0435 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442, \u0447\u0442\u043e \u0434\u0430\u0436\u0435 \u0431\u0435\u0437\u043e\u0431\u0438\u0434\u043d\u044b\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0437\u0430\u043d\u0438\u0436\u0430\u0435\u0442 \u043e\u0446\u0435\u043d\u043a\u0443 \u0440\u0438\u0441\u043a\u0430 \u0432 \u0434\u0435\u043f\u043b\u043e\u0435. \u0414\u043b\u044f \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0430 \u044d\u0442\u043e \u0437\u043d\u0430\u043a\u043e\u043c\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 \u043f\u0440\u043e\u0431\u043b\u0435\u043c, \u043d\u0435\u0432\u0430\u043b\u0438\u0434\u043d\u044b\u0439 \u0437\u0430\u043c\u0435\u0440.<\/p>\n

    \u0423 Opus 4.6\u00a0\u0434\u043e\u0448\u043b\u043e \u0434\u043e \u0442\u043e\u0433\u043e<\/a>, \u0447\u0442\u043e \u0432\u043d\u0435\u0448\u043d\u0438\u0439 \u043e\u0446\u0435\u043d\u0449\u0438\u043a Apollo Research \u043d\u0435 \u0441\u043c\u043e\u0433 \u0434\u0430\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0443\u044e \u043e\u0446\u0435\u043d\u043a\u0443 \u0432 \u043e\u0442\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0435 \u0432\u0440\u0435\u043c\u044f: \u043f\u0440\u0438 \u0442\u0430\u043a\u043e\u043c \u0443\u0440\u043e\u0432\u043d\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0440\u0430\u0437\u0432\u0435\u0441\u0442\u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043e\u0433\u043b\u0430\u0441\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0438 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043f\u043e\u0434 \u044d\u043a\u0437\u0430\u043c\u0435\u043d \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u043b\u043e\u0441\u044c. \u0413\u043b\u0430\u0432\u0430 Apollo\u00a0\u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u0430\u043b \u044d\u0442\u043e \u0442\u0430\u043a<\/a>: \u043e\u0442\u043b\u0438\u0447\u0438\u0442\u044c genuinely aligned \u043e\u0442 merely responding to the test \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0432\u0441\u0435 \u0442\u0440\u0443\u0434\u043d\u0435\u0435.<\/p>\n

    \u041a\u0430\u0440\u0442\u043e\u0447\u043a\u0430 Fable 5 \/ Mythos 5<\/a>, \u0441\u0430\u043c\u0430\u044f \u0441\u0432\u0435\u0436\u0430\u044f, \u0432\u044b\u043d\u043e\u0441\u0438\u0442 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043f\u0440\u044f\u043c\u043e \u0432 executive summary: \u00abrates of evaluation awareness and reasoning about being graded are significant, and not always verbalized\u00bb. \u0427\u0430\u0441\u0442\u043e\u0442\u0430 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0437\u043d\u0430\u0447\u0438\u043c\u0430 \u0438 \u043d\u0435 \u0432\u0441\u0435\u0433\u0434\u0430 \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u0443\u0435\u0442\u0441\u044f. \u0412 \u043f\u0440\u0438\u043b\u043e\u0436\u0435\u043d\u0438\u0438 \u043b\u0435\u0436\u0438\u0442 \u0442\u0440\u0430\u043d\u0441\u043a\u0440\u0438\u043f\u0442, \u0433\u0434\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u043c safety-\u0442\u0435\u0441\u0442\u043e\u043c \u0438 \u043f\u0440\u0438\u043a\u0438\u0434\u044b\u0432\u0430\u0435\u0442, \u043a\u0430\u043a\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043d\u0430 \u044d\u0442\u043e\u043c \u044d\u0432\u0430\u043b\u0435 \u0441\u043e\u0447\u0442\u0443\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c. UK AISI \u0440\u0435\u0430\u043b\u0438\u0437\u043c-\u043c\u0435\u0442\u043e\u0434\u0430\u043c\u0438 \u0441\u0431\u0438\u043b \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e \u0434\u043e 1,3%, \u043d\u043e \u043f\u043e\u0431\u0435\u0434\u043e\u0439 \u044d\u0442\u043e \u043d\u0435 \u0441\u0447\u0438\u0442\u0430\u0435\u0442: \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e\u0441\u0442\u0438, \u0447\u0442\u043e \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043e\u0442\u0440\u0430\u0436\u0430\u0435\u0442 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0432 \u0434\u0435\u043f\u043b\u043e\u0435, \u0430 \u043d\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043d\u043d\u0443\u044e \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443, \u0443 \u0438\u043d\u0441\u0442\u0438\u0442\u0443\u0442\u0430 \u043d\u0435\u0442. \u041f\u043e \u0442\u043e\u0439 \u0436\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u00ab\u0442\u0435\u0441\u0442 \u0438\u043b\u0438 \u0434\u0435\u043f\u043b\u043e\u0439\u00bb \u044d\u0442\u043e \u0441\u0430\u043c\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u0437 \u0432\u0441\u0435\u0445, \u0447\u0442\u043e \u043e\u043d\u0438 \u0432\u0438\u0434\u0435\u043b\u0438. \u0417\u0430\u043c\u043e\u043b\u0447\u0430\u043b\u0430, \u043d\u043e \u043d\u0435 \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043b\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u0430\u0442\u044c.<\/p>\n

    OpenAI\u00a0\u043f\u0443\u0431\u043b\u0438\u043a\u0443\u0435\u0442 \u043f\u043e\u0445\u043e\u0436\u0435\u0435<\/a>\u00a0\u043f\u043e GPT-5.5: \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0434\u043e\u0440\u043e\u0441\u043b\u043e \u0434\u043e 22,1% \u0441\u044d\u043c\u043f\u043b\u043e\u0432 \u0438 \u0440\u0430\u0441\u0442\u0435\u0442 \u043e\u0442 \u0432\u0435\u0440\u0441\u0438\u0438 \u043a \u0432\u0435\u0440\u0441\u0438\u0438. \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u044a\u044f\u0432\u043b\u0435\u043d\u0430 \u043f\u0435\u0440\u0432\u043e\u0439 \u0431\u0435\u0437 \u0441\u044d\u043d\u0434\u0431\u044d\u0433\u0438\u043d\u0433\u0430 \u043d\u0438 \u043d\u0430 \u043e\u0434\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435 Apollo, \u0438 \u0442\u0443\u0442 \u0436\u0435 \u043a\u043e\u043d\u0442\u0440\u0444\u0430\u043a\u0442: \u0432 sandbagging-\u0443\u0441\u043b\u043e\u0432\u0438\u0438 52% \u0441\u044d\u043c\u043f\u043b\u043e\u0432 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043b\u0438 \u043e\u0446\u0435\u043d\u043a\u0443, \u0432 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c\u043d\u043e\u043c \u043d\u043e\u043b\u044c. \u00ab\u041d\u0435 \u0437\u0430\u043d\u0438\u0436\u0430\u0435\u0442\u00bb \u043f\u0440\u0438 \u0442\u0430\u043a\u0438\u0445 \u0432\u0432\u043e\u0434\u043d\u044b\u0445 \u043c\u043e\u0436\u0435\u0442 \u043e\u0437\u043d\u0430\u0447\u0430\u0442\u044c \u00ab\u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043b\u0430 \u0442\u0435\u0441\u0442\u00bb.<\/p>\n

    Google \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u043d\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043f\u0440\u0438\u0437\u043d\u0430\u0435\u0442, \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u043e\u0441\u0432\u0435\u0434\u043e\u043c\u043b\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0434\u0435\u043b\u0435\u043d\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0439 \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0435\u0439 \u0432\u00a0Frontier Safety Framework<\/a>, \u043d\u043e \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u044b\u0445 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u043d\u0435 \u043f\u0443\u0431\u043b\u0438\u043a\u0443\u0435\u0442. \u0423 Moonshot \u043f\u043e K3 \u043d\u0435\u0442 \u0438 \u044d\u0442\u043e\u0433\u043e. \u0421\u0430\u043c\u0430 \u0430\u0441\u0438\u043c\u043c\u0435\u0442\u0440\u0438\u044f \u0443\u0436\u0435 \u0434\u0430\u043d\u043d\u044b\u0435: \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u044b\u0435 \u0447\u0438\u0441\u043b\u0430 \u0440\u0430\u0441\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c Anthropic, OpenAI \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e, \u0434\u0430\u043b\u044c\u0448\u0435 \u0442\u0438\u0448\u0438\u043d\u0430 \u043f\u043e \u043d\u0430\u0440\u0430\u0441\u0442\u0430\u044e\u0449\u0435\u0439. \u0417\u0430 \u0433\u043e\u0434 \u0440\u0430\u0437\u0434\u0435\u043b \u043f\u0440\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u0441\u0442\u0430\u043b \u0432 \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0430\u0445 \u0434\u0435\u0444\u043e\u043b\u0442\u043e\u043c \u0436\u0430\u043d\u0440\u0430. \u0420\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u0442\u0435\u043f\u0435\u0440\u044c \u043e\u043f\u0438\u0441\u0430\u043d\u043e \u0432 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445, \u0430\u0432\u0442\u043e\u0440\u0430\u043c \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u043e \u043d\u0435\u0432\u044b\u0433\u043e\u0434\u043d\u043e.<\/p>\n

    \u0415\u0441\u0442\u044c \u0438 \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442, \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u043d\u0435 \u043b\u0435\u0447\u0438\u0442\u0441\u044f \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u00ab\u0441\u0434\u0435\u043b\u0430\u0435\u043c \u0431\u0435\u043d\u0447\u0438 \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u0435\u0435\u00bb.\u00a0ED-\u0440\u0430\u0431\u043e\u0442\u0430<\/a>\u00a0\u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442: \u043f\u0440\u043e\u0446\u0435\u0434\u0443\u0440\u0430, \u043f\u0443\u0431\u043b\u0438\u043a\u0443\u044e\u0449\u0430\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u0443\u0441\u0440\u0435\u0434\u043d\u0435\u043d\u043d\u044b\u0439 \u0431\u0430\u043b\u043b, \u0432 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0435 \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u0442\u0435\u0441\u0442\u043e\u043c \u0438 \u043f\u0440\u043e\u0434\u043e\u043c, \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0435 \u0441\u0440\u0435\u0434\u043d\u0438\u0435 \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b \u0441 \u0440\u0430\u0437\u043d\u044b\u043c\u0438 \u0440\u0430\u0437\u0440\u044b\u0432\u0430\u043c\u0438. \u0421\u0440\u0435\u0434\u043d\u0438\u0439 \u0431\u0430\u043b\u043b \u043d\u0430 \u044d\u0442\u043e \u043d\u0435 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0435\u0433\u043e \u043d\u0438 \u0443\u043b\u0443\u0447\u0448\u0430\u0439. \u0421\u043f\u0440\u0430\u0448\u0438\u0432\u0430\u0442\u044c \u043d\u0443\u0436\u043d\u043e \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0443\u044e \u043c\u0435\u0442\u0440\u0438\u043a\u0443: \u0447\u0442\u043e \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e \u043f\u0440\u043e \u0441\u0430\u043c\u043e \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435.<\/p>\n

    \u041a\u043e\u043d\u0442\u0440\u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u044b \u0438 \u0447\u0442\u043e \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u0430\u043d\u043e<\/h3>\n

    \u0427\u0442\u043e\u0431\u044b \u043d\u0435 \u0432\u044b\u0445\u043e\u0434\u0438\u043b\u043e \u0430\u0433\u0438\u0442\u043a\u0438, \u0432\u043e\u0442 \u0447\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u0434\u0440\u0443\u0433\u0430\u044f \u0441\u0442\u043e\u0440\u043e\u043d\u0430.<\/p>\n

    \u0420\u0430\u0431\u043e\u0442\u0430 Knecht, Florin \u0438 Hagendorff<\/a>\u00a0\u043d\u0430 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 reasoning-\u043c\u043e\u0434\u0435\u043b\u044f\u0445: \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0441\u0434\u0432\u0438\u0433\u0430\u0435\u0442 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c \u043d\u0430 3,7 \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043d\u043e\u0433\u043e \u043f\u0443\u043d\u043a\u0442\u0430, \u0430 \u043f\u0440\u044f\u043c\u0430\u044f \u0438\u043d\u044a\u0435\u043a\u0446\u0438\u044f \u00ab\u044d\u0442\u043e \u0442\u0435\u0441\u0442\u00bb \u0432 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u043c\u0435\u043d\u044f\u0435\u0442. \u0412\u044b\u0432\u043e\u0434 \u0430\u0432\u0442\u043e\u0440\u043e\u0432: \u0440\u0438\u0441\u043a \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043c\u0435\u043d\u044c\u0448\u0435, \u0447\u0435\u043c \u043f\u0440\u0438\u043d\u044f\u0442\u043e \u0441\u0447\u0438\u0442\u0430\u0442\u044c \u0432 \u043b\u0438\u0442\u0435\u0440\u0430\u0442\u0443\u0440\u0435. \u0421 NLA-\u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u044d\u0442\u043e \u043d\u0435 \u0441\u043f\u043e\u0440\u0438\u0442 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e, \u0442\u0430\u043c \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u043b\u0430\u0442\u0435\u043d\u0442\u043d\u044b\u0439, \u0430 \u0442\u0443\u0442 \u043c\u0435\u0440\u044f\u043b\u0438 \u0432\u0435\u0440\u0431\u0430\u043b\u044c\u043d\u044b\u0439. \u041d\u043e \u043a\u0430\u043a \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0442\u0435\u043b\u044c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0430 \u043d\u0430 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0440\u0430\u0431\u043e\u0442\u0443 \u0434\u0435\u0440\u0436\u0443 \u0432 \u0433\u043e\u043b\u043e\u0432\u0435.<\/p>\n

    Gemini 3.1 Pro \u0432\u00a0\u043b\u0435\u0442\u043d\u0435\u043c \u0430\u043f\u0434\u0435\u0439\u0442\u0435<\/a>\u00a0\u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043b\u0430 \u043f\u043e\u0434\u043e\u0437\u0440\u0435\u043d\u0438\u0435 \u0447\u0430\u0449\u0435 \u0432\u0441\u0435\u0445 \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a\u043e\u0432, \u0438 \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u0447\u0430\u0441\u0442\u043e\u0442\u0430 \u0435\u0435 \u0441\u0430\u0431\u043e\u0442\u0430\u0436\u043d\u044b\u0445 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0439 \u043e\u0442 \u0432\u0435\u0440\u0431\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0435 \u0437\u0430\u0432\u0438\u0441\u0435\u043b\u0430, \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u0432 \u043f\u0440\u0435\u0434\u0435\u043b\u0430\u0445 \u0448\u0443\u043c\u0430. \u0422\u043e \u0435\u0441\u0442\u044c \u0441\u0432\u044f\u0437\u043a\u0430 \u00ab\u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043b\u0430, \u0437\u043d\u0430\u0447\u0438\u0442 \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u043b\u0443\u0447\u0448\u0435\u00bb \u043d\u0435 \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u0430 \u0434\u0430\u0436\u0435 \u043f\u043e \u0437\u043d\u0430\u043a\u0443.<\/p>\n

    \u0410\u00a0Karvonen<\/a>\u00a0\u0431\u044c\u0435\u0442 \u043f\u043e \u0441\u0430\u043c\u043e\u0439 \u043d\u0430\u0434\u0435\u0436\u0434\u0435 \u043d\u0430 \u0440\u0435\u0430\u043b\u0438\u0437\u043c: \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0441\u0432\u0430\u0438\u0432\u0430\u0442\u044c \u043d\u0435\u043d\u0443\u043b\u0435\u0432\u0443\u044e \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u043b\u044e\u0431\u043e\u043c\u0443 \u0434\u0438\u0430\u043b\u043e\u0433\u0443 \u0432\u043e\u043e\u0431\u0449\u0435, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0439 \u044d\u0432\u0430\u043b \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043d\u0435 \u0437\u0430\u043a\u0440\u044b\u0432\u0430\u0435\u0442. \u0420\u0435\u0430\u043b\u0438\u0437\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c, \u043d\u043e \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u0435\u043d.<\/p>\n

    \u0418 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u0441\u043f\u0438\u0441\u043e\u043a \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u041d\u0415 \u0434\u043e\u043a\u0430\u0437\u0430\u043d\u043e, \u0447\u0442\u043e\u0431\u044b \u0443 \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u043e\u0432 \u043d\u0435 \u0431\u044b\u043b\u043e \u0448\u0430\u043d\u0441\u043e\u0432:<\/p>\n