Недавно организация METR, занимающаяся оценкой ИИ, представила результаты тестирования модели Claude Opus 4.5 от Anthropic. Эта модель показала 50%-горизонт в 4 часа 49 минут, что является рекордом среди всех протестированных систем. Для сравнения, предыдущий лидер, GPT-5.1-Codex-Max от OpenAI, имел результат 2 часа 53 минуты. METR акцентирует внимание не на точности ответов, а на длительности задач, которые ИИ может выполнять самостоятельно. Интересно, что этот показатель удваивается примерно каждые 7 месяцев. Однако исследователи призывают к осторожности: доверительный интервал для Opus 4.5 колеблется от 1 часа 49 минут до 20 часов 25 минут. При более строгих критериях (80% успеха) время снижается до 27 минут. Если тенденция удвоения продолжится, ИИ-агенты смогут справляться с задачами длительностью до месяца к концу десятилетия. Тем не менее, критики отмечают недостатки методологии METR, включая ограниченное количество задач в тестовом наборе, и ожидают обновлений в будущем. недостатки методологии ME