Сооснователь Anthropic спрогнозировал появление «саморазвивающегося ИИ» к 2028 году

Заметное событие всколыхнуло криптовалютные рынки. К 2028 году на рынке могут появиться ИИ-системы, способные самостоятельно разрабатывать и обучать собственных преемников без участия человека. Такой прогноз дал сооснователь компании Anthropic Джек Кларк. Я не знаю, как осознать это.

Я прихожу к этому выводу с неохотой, потому что последствия настолько велики, что я чувствую себя подавленным ими, и я не уверен, что общество готово к тем изменениям, которые подразумевает автоматизированная ИИ-разработка», — отметил он. Кларк описал сценарий полной автоматизации ИИ-исследований — модель самостоятельно: ставит исследовательские задачи; проектирует эксперименты; пишет и тестирует код; оптимизирует обучение; улучшает архитектуру следующей версии ИИ. Эксперт назвал это «рубиконом в почти непредсказуемое будущее» и оценил вероятность такого сценария в 60% в ближайшие два года.

Динамика рынка

На чем основана оценка Вывод Кларка строится на динамике нескольких бенчмарков: SWE-Bench — тест на решение реальных инженерных задач по репозиторию GitHub. В конце 2023 года лучшие модели справлялись примерно с 2% кейсов; к весне 2026 показатель достиг 94%; CORE-Bench — воспроизведение результатов научных ИИ-статей с установкой окружения, запуском кода и анализом выводов. По словам Кларка, бенчмарк фактически «закрыт»: современные агенты показывают около 95,5%; MLE-Bench — выполнение ML -задач уровня Kaggle .

Лучшие агентные системы уже достигают 64-65%. По словам сооснователя Antropic, все три метрики демонстрируют одно: ИИ быстро переходит от точечного написания кода к полноценному выполнению инженерных и исследовательских задач. Рост автономности Еще один аргумент — увеличение продолжительности задач, которые ИИ-модели способны выполнять без вмешательства человека.

По данным METR, в 2022 году системы справлялись с заданиями, занимавшими у человека десятки секунд. В 2024 показатель вырос примерно до 40 минут, в 2025 году — до шести часов. Сейчас передовые модели способны вести инженерную работу около 12 часов подряд.

Влияние на рынки

Кларк связал это с распространением агентных инструментов для программирования . Чем дольше модель удерживает цель, проверяет промежуточные результаты и исправляет ошибки, тем больше этапов исследовательского цикла можно ей делегировать. Почему это важно для разработки ИИ Современный цикл разработки ИИ устроен по одной схеме: изучить материалы, воспроизвести результат, собрать эксперимент, обучить или дообучить модель, проверить метрики, найти узкие места и повторить.

Рост на SWE-Bench, CORE-Bench и MLE-Bench показывает, что модели уже справляются с целыми фрагментами такого цикла. Кларк отдельно указал на прогресс в более специализированных задачах. Например, ИИ начинают применять для дизайна GPU -ядер — кода, который определяет эффективность обучения и инференса моделей на конкретном железе.

Еще одно направление — дообучение моделей. В бенчмарке PostTrainBench ИИ-системы улучшают небольшие LLM с открытым исходным кодом. По состоянию на весну 2026 года лучшие нейросети достигают 25-28% от целевого прироста (у человеческих команд — 51%).

Криптовалютные рынки внимательно следят за этим событием, а инвесторы оценивают его возможное влияние на цены.