+7 (966) 666-81-26
Anthropic* опубликовала результаты второго этапа эксперимента Project Fetch с робособакой. В этот раз модель Claude Opus 4.7* сама подключилась к роботу, настроила сенсоры, написала код управления и запустила поиск мяча.
И все это без помощи людей. По данным компании ИИ справился с теми же задачами примерно в 20 раз быстрее, чем лучшая команда инженеров год назад.
Что такое Project Fetch
Project Fetch — внутренний эксперимент Anthropic, где сотрудникам без опыта в робототехнике выдают стандартного робопса и задачу научить его «апортировать» мяч. В первой версии эксперимента в 2024–2025 годах участвовали две команды: одна работала без ИИ, вторая — с помощью старой версии Claude. Они проходили три этапа: ручное управление, подключение своего кода и попытка сделать полностью автономное нахождение и перенос мяча.
Тогда даже с Claude* людям потребовались часы и дни, а команда без ИИ вообще застряла на части задач и получила помощь организаторов. Полностью стабильного «апорта» добиться не удалось, но эксперимент показал, что чат-бот может заметно ускорить работу неспециалистов.
Что сделал Opus 4.7 во втором этапе
Во втором этапе, опубликованном 17–18 июня 2026 года, Anthropic пошла дальше: вместо людей робособакой занимался один Claude Opus 4.7, работавший в среде Claude Code. Модель:
- автоматически установила соединение с роботом;
- разобралась с датчиками и камерами;
- с нуля сгенерировала управляющий код;
- настроила распознавание мяча и базовые движения.
По официальному блогу Anthropic, Opus 4.7 оказался примерно в 20 раз быстрее, чем «самая быстрая человеческая команда» из прошлогоднего эксперимента. В разборе Nils Liu приводятся конкретные цифры: около 9 минут 35 секунд у Opus 4.7 против 361 минуты у лучшей команды без чат-бота. На четырёх задачах, которые выполняли люди и ИИ, модель была в среднем в 37 раз быстрее чисто человеческой команды и в 18 раз быстрее команды с старой версией Claude.
Интересная деталь: итоговый код у ИИ получился короче — примерно одна десятая от объёма человеческого решения. Это значит, что модель не просто повторила подход людей, а нашла более компактный способ описать логику управления.
Ограничения: мяч так и не принёс
При всех впечатляющих цифрах Anthropic отдельно подчёркивает:
робособака до сих пор не выполняет задачу «апорт» так, как её ставили изначально.
Модель уверенно справляется с подключением, базовым движением и распознаванием мяча, но стабильного захвата и переноса объекта пока нет. В блоге и обзорах это называют честным напоминанием о нынешних границах ИИ в физическом мире.
Project Fetch Phase 2 — наглядный пример того, как ИИ-модели переходят от чистого текста к управлению реальными устройствами: от подключения железа до генерации рабочего кода за минуты. Для образования и инженерных специальностей это показывает, что ближайшие годы ИИ может стать «вторым инженером» рядом с человеком — ускорять настройку роботов, писать черновой код и помогать неспециалистам входить в сложные области.
*Цифровые продукты компании Anthropic (Claude Sonnet 4.7) — Официально недоступны на территории РФ