Компания Anthropic радикально пересмотрела подход к управлению поведением Claude Code, сократив объем системных инструкций более чем на 80%. Это изменение стало возможным благодаря переходу на новые модели класса Mythos, такие как Claude Opus 5 и Claude Fable 5, которые полагаются на внутреннюю логику и alignment-based reasoning вместо жестких текстовых ограничений.
Что произошло
Anthropic значительно уменьшила системный промпт для Claude Code, сократив количество инструкций на 80%. Вместо использования массивных блоков правил для управления поведением модели, новые модели Claude Opus 5 и Claude Fable 5 используют встроенное понимание задач и методы context engineering для достижения автономности при минимальных текстовых ограничениях.
Контекст
Традиционный подход к созданию ИИ-агентов основывался на rule-based prompting — наполнении системного промпта огромным количеством правил и ограничений. Новое поколение моделей Anthropic переходит к парадигме alignment-based reasoning, где поведение определяется весами самой модели, что позволяет использовать стратегию progressive disclosure, подгружая детали контекста только по мере необходимости.
Почему это важно для индустрии
В индустрии происходит фундаментальный сдвиг от управления через инструкции к использованию встроенного в веса модели понимания. Это позволяет создавать более быстрых, дешевых и эффективных ИИ-агентов за счет снижения задержек (latency) и стоимости токенов. В долгосрочной перспективе это приведет к стандартизации context engineering как основной дисциплины разработки и размыванию границ между промпт-инжинирингом и дообучением моделей.
Почему это важно для пользователей
Для разработчиков, использующих Claude для кодинга или создания агентов, это означает, что старые методы «перестраховки» через избыточные файлы вроде CLAUDE.md могут начать мешать производительности. Новые модели эффективнее работают с кратким контекстом, поэтому оптимизация пайплайнов и отказ от громоздких инструкций позволят снизить операционные расходы (burn rate) на использование API.
Что пока неизвестно / ограничения
Существует риск потери прямого контроля над поведением модели, так как управление смещается от явных инструкций к внутренним весам, что может усложнить предсказуемость системы в специфических сценариях.
Источники
Автор
Look at AI, редакция