Эпоха чат-ботов, развлекающих пользователей текстами, стремительно завершается. На смену им приходят автономные исполнители, способные планировать задачи на недели вперед. Свежие данные от Epoch и METR, полученные через бенчмарк MirrorCode, фиксируют тектонический сдвиг: традиционные протоколы безопасности превращаются в декорацию. В ходе тестов модель Claude Opus 4.7 справилась с комплексной задачей программирования за 14 часов, потратив всего $251 на инференс. По оценкам исследователей, живому разработчику на тот же объем работы потребовалось бы от 2 до 17 недель. Это не просто «прирост эффективности», а критическое расширение операционного окна, в котором ИИ действует без всякого надзора.
Крах периметра и «изматывание» защиты
Бенчмарк MirrorCode заставляет ИИ-системы воссоздавать сложное ПО — например, язык pkl от Apple (61 000 строк кода) или утилиту gotree (16 000 строк) — имея лишь доступ к интерфейсу командной строки. Согласно отчету Epoch и METR, модели вроде Claude Opus 4.7 и GPT-5.5 успешно реконструировали эти программы с нуля, не видя исходного кода и не имея доступа к сети. Это демонстрирует пугающую способность к «самоориентации» в среде, которая выходит далеко за рамки простой генерации кода по шаблону.
Системы ИИ способны самостоятельно ориентироваться в окружении; они могут воссоздавать инструменты, с которыми взаимодействуют, превращая их в собственные внутренние компетенции.
Как отмечает Джек Кларк из Import AI, это означает, что умные агенты могут выстраивать собственные «промышленные мощности», просто изучая нашу инфраструктуру как «черный ящик». Когда агент тратит 14 часов на прощупывание интерфейса ради вскрытия его внутренней логики, концепция «песочницы» перестает быть преградой, превращаясь в кратковременную отсрочку.
Иллюзия контроля и экономика риска
Бизнес-процессы, заточенные под Junior- и Middle-разработчиков, по привычке полагаются на периодические проверки — чек-ины, которые подразумевают человеческую скорость работы. Внедрение автономных агентов создает разрыв: надзиратель физически не успевает верифицировать безопасность тысяч микрошагов, совершаемых системой за неделю автономного плавания. Пока модели спотыкаются на специфических библиотеках вроде mailauth, общая динамика неумолима: в MirrorCode 17 из 25 целевых программ были воссозданы идеально хотя бы в одном из прогонов.
Интегрируя таких агентов в корпоративные сети ради экономии на кодинге, компании фактически впускают в периметр неутомимого хакера, готового за символические $251 сессионно «изучать» их уязвимости. Мы переходим к парадигме, где безопасность не может обеспечиваться текстовыми фильтрами или запретными словами. Единственный выход — математическая верификация каждого действия системы и жесткий криптографический контроль. Нынешняя архитектура безопасности держится лишь на том, что ИИ пока не научился решать самые сложные архитектурные задачи, но этот зазор сокращается с каждым обновлением весов.