Anthropic раскрыла, как собирает Claude руками Claude: мозг отдельно от рук

Anthropic подала S-1, и в тот же день Latent Space выпустил разговор с Кателин Лессе (инженерия) и Анджелой Цзян (продукт) о том, как компания выпускает Claude с помощью Claude. Фон у беседы показательный. По данным, которые приводит ведущий, 12-месячная выручка на сотрудника выросла с $1,4 млн до $6,6 млн, то есть почти в пять раз. Компания перешла от убытка около −126% выручки к прибыли по GAAP в 19%. IPO, по словам ведущего, ожидается примерно через две недели, оценка называется в $2 трлн.

За эффективность, как следует из S-1, отвечают два контура. Улучшение: Claude делает модели лучше, лучшие модели открывают больше сценариев, сценарии дают обратную связь. Инвестиции: выручка от роста внедрения превращается в вычисления и новые возможности. Разговор показывает, как это выглядит на уровне API и рантайма агентов.

Мозг и руки: как разрезали агента

Главная архитектурная идея эпизода связана с Managed Agents. Anthropic отделила лог сессии и harness от песочницы, где исполняется код. Harness живёт долго, а среда исполнения создаётся по требованию. Если песочница упала, агентская сессия продолжается.

Раньше всё устроено было иначе: весь кодовый агент целиком жил в песочнице за API. Это давало две проблемы:

• перед первым ответом приходилось поднимать и окружение, и самого агента, что добавляло задержку;
• исчезала песочница, и вместе с ней исчезал работающий агент.

Разделение дало побочный эффект для безопасности. Если сгенерированный код исполняется в песочнице, куда сервисные учётные данные не попадают, читать там нечего. Креденшалы хранятся отдельно и подставляются через прокси, а трафик песочницы ограничен по направлениям. Для Anthropic это вопрос и защиты, и производительности.

Запуск модели как запуск API

Opus 5.5, который, по оценке ведущего, месяц держится в статусе лучшей LLM в мире, делали с упором на качество и стоимость. Предыдущие Opus критиковали за многословность, поэтому важна была интеллектуальная отдача на доллар. Anthropic заявляет, что новая модель дешевле в работе, чем предшественница. Точная экономия зависит от нагрузки и доли кэшированного контекста.

Обратная сторона касается интеграций. Чтобы затруднить извлечение рассуждений для дистилляции, нужно сохранять thinking blocks между ходами диалога. Но новое требование может сломать существующий harness клиента. Поэтому программы раннего доступа важны: клиенты прогоняют модель в собственных обвязках и находят поведение, которого нет в продуктах Anthropic.

Среди других тем эпизода:

• Dreaming. Реализовано просто: один агент изучает прежнюю работу другого и записывает воспоминания обратно. Это пример высокоуровневого поведения, собранного из тех же примитивов Managed Agents.
• Приоритеты. Память и обучение остаются важными, но внимание команды смещается к безопасности, потому что выпуск моделей усложнился. Решения о доступе к моделям стали отдельной задачей.
• Базовый harness. Его стараются держать простым. Верификаторы, параллельные агенты и другие стратегии разработчики достраивают сверху. Всё, что упомянуто как будущие возможности платформы, остаётся планами.
• Инфраструктура. В программе эпизода есть ограничения по CPU при масштабировании и переписывание Messages API на Rust. При таком росте даже расход процессора на запрос становится стратегическим выбором.

Claude Platform как основа всего

По S-1, Claude Platform названа комплексной средой разработки агентов. Более 50% клиентов с выручкой от $100 тыс. в годовом выражении ею пользуются. Claude Code и Cowork построены на тех же примитивах, что открыты внешним разработчикам. Anthropic выглядит уже не только как лаборатория, но и как платформа, близкая по роли к гиперскейлеру. Агентов в IPO-нарративе компания называет «виртуальными коллегами»: они владеют целью и работают рядом с человеком, а не внутри одного приложения.

Практические выводы для тех, кто строит свой агентный рантайм, сводятся к трём вопросам:

1. Какие части системы должны пережить сбой? Лог и harness нужно выносить из среды исполнения. 2. Где исполняется недоверенный код? Он должен жить в изолированной песочнице с ограниченной сетью. 3. Какие секреты действительно должны быть там, где выполняется код? Чаще всего никакие: достаточно прокси.

Отдельно стоит вложиться в evals. Harness можно считать приложением, но улучшение его похоже на исследование: цель, измерение, разбор ошибок, итерация. Модели помогают строить и анализировать оценки, а решать, отражает ли тест реальную работу пользователя, должен человек. Если ваш harness ломается из-за сохранения thinking blocks, лучше выяснить это на раннем доступе, а не в день релиза.