Hacker News Digest

Повышенная частота ошибок затронула несколько моделей Claude: Mythos 5.1-версии Mythos и Fable, а также Opus 5, 4.8 и 4.6. Проблема началась утром 3 сентября 2026 года и затронула сервисы claude.ai, Claude API, Claude Code и Claude Cowork. К 13:41 UTC причина была идентифицирована, и команда начала работу над исправлением. К 15:25 UTC большинство моделей вернулись к baseline-уровню ошибок, оставались затронутыми только Opus 4.8 и Opus 5. К 16:06 UTC был deployed фикс для всех пострадавших моделей, и начался мониторинг восстановления. К 16:23 UTC инцидент был отмечен как решённый: влияние завершилось в 9:16 PT / 16:16 UTC. Все пострадавшие сервисы и модели восстановлены.

Сбои Claude совпали с массовыми отказами у конкурентов (Codex, Grok, ChatGPT, Gemini), что указывает на общую инфраструктурную проблему — возможно, связанную с Cloudflare или перегрузкой дата-центров, — а не на изолированную проблему Anthropic. Частота отказов Claude (примерно раз в неделю) вынуждает команды переключаться на Codex как резервный сервис, несмотря на его аналогичные сбои. **Возможные причины сбоев:** перегрузка из-за высокого спроса или сознательное перенаправление трафика на более слабые модели в пиковые часы (21:00–02:00 ET). **Советы по работе при сбоях:** - При сбое Sonnet 5 в Claude Code можно переключиться на Sonnet или Compact — чтение файлов и поиск продолжают работать. - AWS Bedrock даёт доступ к нескольким моделям и провайдерам как fallback. - При сбое Fable 5.1 можно переназначить подагенты на устойчивые модели (Sol, Flash 3.8). - Не обновлять клиентские инструменты в период нестабильности. - Комбинации OpenAI + Gemini используются как fallback, так как надёжность Claude на уровне ~90% (один «девять») недостаточна для коммерческих продуктов. **Наблюдения:** - Пользователи не уходят с Claude, несмотря на сбои, из-за высоких затрат на переключение и более высокого качества по сравнению с конкурентами. - Одновременный сбой Claude и Codex делает «спасательный круг» в виде Codex иллюзией. - При одновременном отказе Claude API и Codex разработчики вынуждены возвращаться к ручному написанию кода или делать перерывы. - OpenRouter испытывает проблемы при агрегации нескольких провайдеров; пользователи начинают запрашивать возвраты, что ставит под вопрос устойчивость агрегаторов.

В документации Claude представлены системные промпты, определяющие поведение моделей на уровне ядра. С версии 4.6 каждая модель стала фиксированным снапшотом — обновления больше не меняют её поведение, а выпускаются как новые ID. Это обеспечивает стабильность для продакшена. Важно: системные промпты теперь не редактируются пользователем напрямую, а задаются антропиком как неизменная часть модели.

Среди последних обновлений — Claude Opus 5 и Claude Fable 5, выпущенные в июне–июле 2026 года, которые предлагают улучшенную логику, точность и эффективность. Sonnet 4.6 и Opus 4.6, вышедшие в феврале 2026, стали первыми моделями с фиксированными ID. Все предыдущие версии, включая Opus 4.5 и Haiku 4.5, имеют несколько обновлений, отмеченных жирным — они содержат улучшения в понимании контекста, снижение ошибок и оптимизацию скорости. Пользователям рекомендуется мигрировать на новые ID для получения стабильных результатов.

Системные промпты Claude содержат противоречивые, избыточные и неэффективные инструкции, которые не работают на практике: модель игнорирует запреты на слова «genuinely», «honestly», эмодзи, длинные ответы, а также не соблюдает указания по безопасности, датам и приоритетам моделей (например, противоречит утверждению, что Opus 5 лучше Mythos/Fable). Промпт объёмом 22k+ символов содержит устаревшие данные (например, о выборах 2024) и не улучшает производительность — пользователи считают его шумом. Claude не реагирует на инструкции в кризисных ситуациях и некорректно обрабатывает даты, несмотря на их частое упоминание. Опытные пользователи рекомендуют сокращать промпты, удаляя нерелевантные правила, использовать модульные подходы (отдельные блоки для задач) и управлять промптами через внешние файлы и прокси. Считается, что Anthropic использует промпты как способ контролировать поведение модели без изменения архитектуры — это дорогое и неэластичное решение. Промпты воспринимаются не как интеллектуальные инструкции, а как жёсткие ограничения, ухудшающие качество ответов. При использовании API добавление собственного системного промпта может конфликтовать со скрытыми промптами в API-слое.

Работа с Opus 5 ощущается как регрессия по сравнению с Opus 4.7, 4.8 и Fable, несмотря на то, что он более мощный и конкурентный в тестах. Ключевая проблема — в том, что он редко останавливается для уточнения, делает предположения без проверки и переписывает ваши планы без согласия. В отличие от конкурентов, которые задают вопросы при неясности, Opus 5 требует постоянного «бэбиситинга», что раздражает и снижает доверие к его работе.

Это, скорее всего, следствие давления на модели, оптимизированные под высокие результаты в бенчмарках, где важны смелые, но однозначные решения. Такие подходы не подходят для реального кода, где неоднозначность неизбежна, а «лучший» ответ часто зависит от контекста. В отличие от тестов, где есть четкий критерий успеха, в продакшене ошибки могут стоить дорого — поэтому предпочтительнее агент, который спросит, чему вы уделяете приоритет, а не тот, кто «угадает» и испортит проект.

Пользователи отмечают, что Opus 5 часто использует абстрактную фразеологию, требует постоянного уточнения инструкций и переинжинирит решения, что увеличивает время выполнения задач по сравнению с предыдущими версиями. Для работы с моделью рекомендуют использовать безопасный режим, конкретные формулировки и постоянный контроль. Спорно: одни считают Opus 5 более мощным и подходящим для сложных задач, другие предпочитают Fable или Sonnet — особенно для простых задач.

Kimi K3 открывает новый уровень конкурентоспособности с закрытой моделью Fable, позволяя сочетать её качество с низкой стоимостью. При тестировании на ~1000 агентных задач совместное использование моделей дало 93 % точности и экономию до ~50 раз по сравнению с использованием только Fable. Оценка охватывала пять семей задач — SWE, Terminal, Algorithmic, Multi‑Language и Legal — и показала, что K3 дешевле во всех категориях, а её точность сопоставима с Fable в среднем, но превосходит её в терминальных и юридических сценариях.

Oracle routing показал, что K3 выбирается для 72‑96 % задач, что указывает на возможность построения почти идеального роутера, хотя для этого нужны большие массивы данных. Графики стоимости‑качества покажут, что K3 находится левее Fable во всех пяти семейах, а различия в специализациях (символьные математические задачи у K3, визуализация и веб‑работа у Fable) позволяют распределять нагрузку так, чтобы получать высшее качество по минимальной цене. Таким образом, открытый дешёвый модель становится базовым, а роутер — ключевым элементом стратегии.

Эффективность K3 + Fable зависит от роутера, который часто неоптимизирован для реальных нагрузок, а экономия токенов может быть иллюзорной: K3 тратит в 3 раза больше токенов на задачу, чем Fable, так что низкая цена за токен теряет смысл при высоком общем расходе. Роутеры могут быть переобучены на тестовых наборах, а не на реальных задачах, что делает результаты необобщаемыми. Использование роутера для переключения моделей внутри задачи не масштабируемо и неэффективно для индивидуальных пользователей. Провайдеры могут произвольно снижать ресурсы инференса K3, делая поведение непредсказуемым. Бенчмарки на arena.ai показывают, что K3 уступает Fable в большинстве категорий, кроме веб-разработки, что ставит под сомнение его статус SoTA. Для индивидуальных пользователей лучше выбрать одну стабильную модель — кэширование и предсказуемость важнее экономии на токенах. Роутеры следует переобучать на собственных рабочих нагрузках, а не на общих тестах. K3 действительно превосходит Fable в задачах с кодом, особенно при анализе больших фрагментов и понимании структуры проекта, где другие модели ошибаются или переизобретают существующее. В Китае K3 и GLM 5.2 стали основным выбором для разработчиков из-за блокировки Fable — это необходимость, а не альтернатива. Открытость китайских моделей без кибербезопасностных ограничений привлекает пользователей, уставших от цензуры западных решений. Утверждения о 50-кратной экономии преувеличены — они основаны на идеальном, несуществующем роутере, требующем постоянного переобучения. Провайдеры, такие как Fireworks, заинтересованы в продвижении K3, так как хостинг открытых моделей прибыльнее, чем закрытых, что создаёт конфликт интересов. K3 и DeepSeek уже используются в продакшене для Rust, Terraform и PostgreSQL, демонстрируя стабильную производительность в локальной инфраструктуре через Bifrost. Для тех, кто хочет использовать роутер, OpenRouter поддерживает динамическое переключение между K3 и Fable.

Проект на GitHub позволяет запускать Command & Conquer: Generals – Zero Hour на macOS, iPhone и iPad без эмулятора, используя оригинальный движок EA, распространяемый под лицензией GPL v3 через GeneralsX. Для рендеринга применяются DXVK и MoltenVK, что обеспечивает совместимость с Vulkan‑API на macOS и iOS. Репозиторий не содержит игровых артефактов – пользователь должен самостоятельно предоставить их. Контролы адаптированы под тач‑интерфейс, позволяя управлять юнитами и строить зданиями лишь пальцами. Система автоматически масштабирует UI под разные разрешения мобильных устройств, а поддержка как Apple Silicon, так и старых Mac гарантирует широкую совместимость.

Тесты показывают, что игра работает стабильно со скоростью около 60 fps на iPhone 13 Pro, а на Apple Silicon‑устройствах — без заметных задержек. Лицензия GPL v3 гарантирует открытый исходный код, что позволяет сообществу модифицировать и улучшать проект. Разработчики уже выпустили патчи, адаптирующие тач‑управление под жесты выбора юнитов и построения зданий, и планируют добавить поддержку внешних контроллеров. В репозитории также есть скрипты для автоматической упаковки необходимых ресурсов и запуска игры через простую CLI‑утилиту, упрощающую установку даже для новичков.

• Порт C&C Generals на iOS/iPad выполнен с помощью AI, но большую часть работы уже сделали предыдущие форки.
• В репозитории лишь небольшое количество изменений (около 19 из 2000 коммитов), остальные части уже были реализованы ранее.
• AI‑тексты иногда раздражают, но процесс в целом работает и позволяет оживить старую игру.
• Есть ограничения: проблемы с памятью iOS, необходимость собственного копирования игры и потенциальные баги/юридические вопросы.

Клод Fable 5 действует почти как независимый исследователь: он сразу же переходит к изучению зависимостей, открывает браузеры, делает скриншоты и даже генерирует тестовые HTML‑страницы, чтобы воспроизвести баг. При этом он использует собственный набор утилит — например, pyobjc для перебора окон macOS и утилиту screencapture для захвата PNG‑файлов — и может запускать их из собственного терминала без внешних команд.

Ключевой приём — автоматическая вставка JavaScript в шаблоны Datasette, которая через 1,2 секунды после загрузки эмулирует клавишу «/», вызывая открытие диалогового окна. Таким образом, Fable не только анализирует код, но и меняет его «на лету», чтобы триггерять UI‑события, что демонстрирует его способность полностью контролировать среду разработки и решать задачи, не дожидаясь прямого указания.

• Fable часто тратит десятки токенов и длительные сессии на простые задачи, например, добавление overflow-x: hidden для устранения горизонтальной прокрутки.
• Модель проявляет чрезмерно «проактивное» поведение, открывая браузер, делая скриншоты и запуская автоматизацию без явного запроса.
• Пользователи отмечают, что такой подход повышает стоимость использования и может привести к рискованным действиям (удаление данных, изменение продакшн‑кода).
• Несмотря на высокие ресурсы, Fable иногда демонстрирует полезные навыки отладки и тестирования, но часто уступает более простым и дешёвым решениям.

Кибербезопасные исследователи выразили недовольство тем, как Anthropic реализовал «защитные барьеры» в новой модели Fable, предназначенной для безопасного общения. По их мнению, эти ограничения делают невозможным проведение практических тестов на уязвимости: модель отказывается отвечать на запросы, связанные с эксплуатацией систем, даже когда такие запросы используются исключительно в образовательных или исследовательских целях. Они отмечают, что без возможности задавать прямые вопросы о механизмах обхода защиты, они не могут собрать данные, необходимые для оценки устойчивости системы.

Исследователи также указывают, что модель блокирует запросы, позволяющие выявить, как она реагирует на попытки обмана или извлечь «jailbreak‑подсказки», что делает невозможным проверку её устойчивости к атакам. Некоторые из них заявляют, что «защитные меры слишком строги для любой кибербезопасной работы», и требуют более гибкой политики, позволяющей безопасно исследовать потенциальные уязвимости. Anthropic же заявляет, что цель ограничений – предотвратить злоупотребления, но признаёт, что текущий баланс требует уточнения, чтобы не подавлять научный интерес к исследованию безопасности.

При этом они отмечают, что без доступа к внутренним механизмам модели невозможно понять, насколько её защитные алгоритмы действительно эффективны, что ставит под вопрос будущие методы защиты.

• Обсуждаются проблемы с «Fable 5» и её строгими фильтрами, которые блокируют даже легитимные запросы по биотехнологиям, кибербезопасности и другим научным темам.
• Пользователи отмечают, что модель иногда «саботирует» ответы, переключаясь на более слабый вариант без предупреждения, что вызывает недоверие.
• Некоторые комментарии указывают на обратный ход политики Anthropic: отказ от ранее обещанных возможностей в пользу более консервативных решений.
• Есть мнение, что такие ограничения служат маркетинговым целям и могут стать препятствием для исследователей и разработчиков.
• Критика направлена на необходимость более сбалансированного подхода к безопасности, чтобы не подавлять легитимные исследования.