Claude Opus 4.7 выполнил инженерные задачи на роботе в физической среде до 37 раз быстрее людей, но не смог завершить финальный тест автономного управления в реальном времени. Такой результат показал эксперимент Anthropic с подключением модели к коммерческому робопсу.
Claude Opus 4.7 стал оператором робопса: детали эксперимента Anthropic
Claude научился самостоятельно работать с робопсом
Компания Anthropic представила результаты второй фазы эксперимента Project Fetch, в рамках которого модель Claude Opus 4.7 научилась работать с четвероногим роботом.
В ходе тестирования система без участия человека выполняла задачи по подключению к сенсорам, программированию и навигации робота, превзойдя результаты сотрудников Anthropic.
В первой фазе Project Fetch (август 2025 года) сотрудников без опыта в робототехнике разделили на две команды: одна использовала Claude, другая работала без ИИ, полагаясь на собственные знания и поиск информации.
Результаты показали, что команда с Claude работала эффективнее. В то же время модель предыдущего поколения — Claude Opus 4.1 — не смогла полностью выполнить задачи и останавливалась уже на этапе подключения к роботу.
В новом тестировании Anthropic подключила ноутбук с Claude Code напрямую к роботу. Человек лишь запускал первоначальный запрос и подтверждал отдельные команды.
Что смог сделать Claude Opus 4.7
Модель выполнила ряд технических задач:
- подключение к камерам и сенсорам робота;
- настройка доступа к данным LiDAR;
- написание программного обеспечения для управления;
- создание системы отслеживания маршрута;
- интеграция компонентов в единую систему.
По данным Anthropic, в задачах, которые хотя бы одна команда людей выполняла на первом этапе эксперимента, Claude Opus 4.7 показал результат как минимум в 10 раз быстрее.
Если учитывать четыре задачи, которые выполняли обе человеческие команды, модель оказалась более чем в 37 раз быстрее команды без ИИ и почти в 19 раз быстрее команды с ИИ-ассистентом.
Также в компании отметили, что модель создала почти в 10 раз меньше программного кода, чем люди, при этом достигнув сопоставимых или лучших результатов.
Где модель не справилась
Claude не смог завершить финальное задание эксперимента — автономно вернуть мяч в исходную позицию с помощью робопса.
Модель правильно определила положение мяча и расположила робота для выполнения задачи, однако не справилась с точным управлением в режиме реального времени.
В Anthropic пояснили, что сложность связана с замкнутым циклом управления (closed-loop control) — системой, которая требует непрерывного анализа обратной связи и корректировки движений.
Трансформация агента: от цифрового помощника к оператору
Этот кейс отражает постепенный переход больших языковых моделей к взаимодействию с физическими системами.
Как отмечают аналитики ETFocus, прогресс Claude в робототехнических задачах не стал результатом отдельной специализации модели. Это следствие общего масштабирования LLM, которые постепенно приобретают агентные свойства.
Системы переходят от роли инструментов для генерации текста и кода к выполнению многошаговых действий во внешних средах, включая физические устройства.
В то же время эксперимент демонстрирует и текущие ограничения технологии. Наиболее сложными остаются задачи реального времени с замкнутым контуром управления, где критически важны скорость реакции и точность физического взаимодействия.
Именно в таких сценариях человеческий контроль пока сохраняет преимущество перед ИИ-системами.
Развитие цифровой инфраструктуры и новые подходы к автоматизации также активно внедряются в финансовом секторе — в частности, в экспериментах с цифровыми валютами и маржинальными расчётами, как в проекте HKEX и e-HKD: Революция маржинальных платежей в Гонконге.