Джексон Кернион (Jackson Kernion), сотрудник Anthropic, занимающийся дообучением (fine-tuning) Claude, 23 сентября 2026 года в X объяснил, почему модели после Opus 4.6 стали писать менее естественно. Причина — в структуре наград при RL-дообучении: часть наград поощряет текст, понятный языковым моделям, поскольку оценку часто выполняет другая LLM, а часть — текст, понятный человеку. Чем сильнее модель обучают математике и коду, тем больше нужно целенаправленно вознаграждать простые объяснения, иначе модель начинает писать «для машин», и такой стиль человек воспринимает как чрезмерно плотные «информационные простыни». По словам Керниона, в вышедшем 22 сентября 2026 года Claude Opus 5.5 баланс найден.

Что произошло

23 сентября 2026 года Джексон Кернион (Jackson Kernion), сотрудник Anthropic, занимающийся дообучением (fine-tuning) Claude, опубликовал в X разбор того, почему модели после Opus 4.6 стали писать менее естественно. Кернион описал механику так: у оценивающей модели больше рабочая память и тоньше улавливание деталей, поэтому модель «подстраивается под психологию LLM» и пишет для машин, а человек читает такой стиль как чрезмерно плотные «информационные простыни». Пользователи успели прозвать этот стиль «Claudeish». По утверждению Керниона, в вышедшей 22 сентября 2026 года Claude Opus 5.5 баланс впервые со времён Opus 4.6 найден: он доволен письмом модели, но не заявляет, что она превзошла прежнюю в изложении.

Контекст

Механизм, который описал Кернион, по сути соответствует известному в пост-тренинге артефакту LLM-as-judge: когда оптимизация идёт под распределение оценщика-модели, стиль ответов сдвигается в сторону, невидимую самим оценщиком, потому что модель-судья отлично понимает текст, который человеку кажется пересушенным. Научная новизна здесь не в самом механизме, а в том, что лаборатория первого эшелона впервые публично признала его действующим в продакшене. Кернион сформулировал и проверяемую инженерную зависимость: чем выше доля математики и кода в смеси обучения, тем сильнее нужно целенаправленно вознаграждать простые объяснения, рассчитанные на человека. Иначе награды за математику, код и технические объяснения «для машин» систематически вытесняют награды за человеческую читабельность — качество «человеческого» текста оказывается не багом и не намеренным ослаблением модели, а осознанным трейдоффом обучения.

Почему это важно для индустрии

Для индустрии пост-тренинга это редкое признание от инсайдера лаборатории первого эшелона: баланс наград «LLM-понятность против человеко-понятности» перестаёт быть побочным эффектом и становится отдельной инженерной задачей. По логике признания проблемы, лаборатории могут начать явно нормировать человеческую читабельность, калибровать LLM-as-judge критерии под человеческое восприятие и учитывать метрики читабельности наравне с бенчмарками по коду и математике. В перспективе это открывает дорогу стилевым параметрам или пресетам «для человека / для LLM-пайплайна» в API и независимым замерам читабельности как отдельной оси качества. Выбор модели под тип вывода — «писательский» или «машинный» профиль — рискует стать такой же нормой продуктовой архитектуры, как сегодня выбор между reasoning- и speed-режимами. Важно: эти сценарии — экстраполяция из признания проблемы, а не факты из источников.

Почему это важно для пользователей

Если тексты Claude после Opus 4.6 казались вам слишком плотными и сухими — это подтвердил сам Anthropic, а не только жалобы пользователей. Практический вывод уже сейчас: для писательских задач стоит выбирать Opus 5.5, вышедшую 22 сентября 2026 года с целевыми улучшениями ясности предложений и плотности, а кодинг-модели вроде Fable 5.1 оставлять для кода. По данным The Decoder, Opus 5.5 сопоставима с Fable 5.1 при цене на 40% ниже, что делает её выгоднее для текстовых нагрузок. Плотную выдачу можно частично компенсировать промптами: короткие предложения, одна мысль на абзац, явное указание аудитории.

Что пока неизвестно / ограничения

Заявление о том, что баланс найден, — субъективная самооценка одного сотрудника, а не опубликованная метрика: в источниках нет бенчмарков, человеческих оценок или описания изменения reward-микса для Opus 5.5. Сам Кернион не утверждает, что 5.5 превзошла прежние модели в изложении, называя задачу сложной и обещая продолжить работу. Рекомендация «писательские задачи — на Opus 5.5» пока не опирается на воспроизводимые evals, поэтому её стоит проверять на собственных текстовых нагрузках.

Источники

Автор

Look at AI, редакция