Разработка программного обеспечения долгое время мирилась с фундаментальным узким местом: проверка корректности кода требует астрономических затрат труда дефицитных специалистов. Корпоративные бюджеты на продукты годами сгорают на ручном тестировании, которое регулярно пропускает критические логические ошибки. Anthropic пытается пробить этот финансовый и временной барьер, сотрудничая с Theorem для внедрения модели Claude с целью математической верификации существующего программного обеспечения.
Команда Frontier Red Team компании Anthropic совместно с партнером Theorem позволила модели Claude взять на себя работу по доказательству.
Подобная производительность меняет экономику контроля качества, переводя рутинную верификацию из услуг элитных консалтинговых компаний в автоматизированные конвейеры. Независимый верификатор Rocq осуществляет автоматизированную проверку этих доказательств, и, по заявлению Anthropic, этот процесс практически не требует участия людей-верификаторов.
Масштабирование этого подхода упирается в жесткие технологические стены, которые напрямую влияют на операционные расходы и экономику токенов. Сгенерированные доказательства корректности действуют только в строгих операционных границах: фиксированные архитектуры процессоров, однопоточное выполнение и ограничения по входу на уровне 64 мегабайт. Реальные корпоративные системы, работающие на различном оборудовании и в многопоточных средах, требуют совершенно иных порядков верификации, экспоненциально увеличивая расход токенов по мере роста кодовых баз.
Экономика вычислений в этой области диктует, что долгосрочные бюджеты на обслуживание корпоративного программного обеспечения столкнутся с серьезными структурными сдвигами. По мере того как инженерные команды пытаются применить математическую верификацию к разрастающимся устаревшим системам, стоимость токенов за цикл верификации быстро умножается из-за взрыва пространства состояний. Тем не менее инженерная оптимизация демонстрирует измеримый прогресс: более новые итерации моделей справляются с рабочей нагрузкой эффективнее: Opus 5.5 решает половину доказательств, потребляя примерно на 40 процентов меньше токенов, чем Opus 5. Такое сокращение расхода токенов напрямую бьет по первому барьеру, удерживающему формальную верификацию вне стандартных бюджетов на обслуживание корпоративного ПО.
Практическая полезность подхода проявляется через обнаружение скрытых дефектов в промышленных программных компонентах. Во время верификации широко используемого PDF-ридера команда обнаружила за одну неделю столько уязвимостей безопасности, сколько обычно всплывает в кодовой базе за целый год. В другом случае модель выявила логическую ошибку, которая оставалась скрытой более десятилетия.
Anthropic ожидает, что формальная верификация с помощью ИИ вскоре станет столь же практичной, как и стандартное тестирование, а дорожная карта Theorem уже нацелена на критическую инфраструктуру вроде glibc, OpenSSL и cURL.
Подобные результаты закладывают основу для перевода формальной верификации в категорию стандартных процедур тестирования, кардинально меняя долгосрочные бюджеты на поддержку корпоративного софта за счет выявления критических изъянов до развертывания в продакшене. Когда команды разработчиков получают инструменты, способные гарантировать безопасность кода в заданных параметрах, весь уклад оценки рисков для генеративных систем внутри корпоративных продуктов смещается от реактивного латания дыр к проактивной математической определенности.
Высокие затраты на токены и жесткие архитектурные ограничения по-прежнему оставляют эту методологию в зоне дорогостоящих экспериментов, а не повседневного коммерческого развертывания, вынуждая лиц, принимающих решения, тщательно сопоставлять экономику вычислений с высокой стоимостью необнаруженных программных уязвимостей.
Анализ редакции
Как развивался сюжет
Сначала Anthropic снизила цены на легкую Claude Haiku 5.5 до $0,10 за миллион входных и $0,50 за миллион выходных токенов (18 октября), а затем объявила о сокращении эффективности атак дистилляции на модели Claude на 90–99% (22 октября). Теперь компания берется за рутинную и дорогую проблему разработки: вместе с Theorem она задействует Claude для математической верификации программного обеспечения, пытаясь автоматизировать вычитку логических ошибок в коде. Anthropic методично закрывает инфраструктурные и финансовые боли разработки, продвигая Claude напрямую в процессы математической верификации ПО.
Материалы: наши статьи от 18.10.2026, 22.10.2026