Один день, два твита — и оба об одном и том же сдвиге, который сейчас проходит вся индустрия ИИ-агентов. Саймон Уиллисон обратил внимание, что GPT-5.6 сам нашёл оптимизации, снизившие затраты OpenAI на обслуживание модели на 20% — это, по грубой оценке, миллиарды долларов экономии в месяц. А создатель Claude Code Борис Черни в тот же день выступил на Startup School 2026 и рассказал, что после выхода Opus 5 команда выпилила из системного промпта Claude Code 80% текста. На первый взгляд это разные новости. На деле — один и тот же симптом: модели растут быстрее, чем инструменты и практики вокруг них.
Зачем Claude Code удалил системный промпт
Системный промпт — это обычно склад костылей. Каждая модель что-то не умела или делала не так, и разработчики затыкали дыры инструкциями: «не делай так», «всегда проверяй это», «сначала подумай, потом отвечай». Со временем промпт разрастается в простыню правил, часть из которых актуальна, а часть — просто мёртвый груз, оставшийся от прошлых версий модели.
Черни описал ровно этот процесс: с выходом Opus 5 модель научилась делать сама то, что раньше приходилось прописывать явно. Держать длинный список инструкций стало не просто бесполезно, а вредно — он путает более способную модель, сужает её собственные решения там, где она уже справляется лучше человека-промпт-инженера. Отсюда и совет из выступления: «нажми delete на своём ИИ-продукте» — периодически перепроверяй, какие правила ещё нужны, а какие остались просто по инерции.
Product overhang и «unhobbling»
В выступлении звучит термин «unhobbling» — снятие пут, которые продукт сам накладывает на модель. Идея в том, что возможности топовых моделей часто обгоняют то, что продукты успевают из них выжать: это и есть «product overhang», разрыв между потенциалом модели и тем, что реально доезжает до пользователя. Урезанный системный промпт Claude Code — конкретный пример того, как разработчик агента убирает костыли и даёт модели больше пространства для собственных решений вместо того, чтобы жёстко вести её по сценарию.
Отсюда же и мысль о «двухнедельном промпте Claude Code» — упоминание, что даже актуальная версия инструкций не статична, а живёт короткими циклами: индустрия меняется настолько быстро, что промпт-инжиниринг сегодня — это не разовая настройка, а постоянный пересмотр допущений о том, что модель умеет сама.
Параллель с GPT-5.6: экономика тоже меняется сама
Наблюдение Уиллисона о GPT-5.6 — та же история, только с другой стороны. Если Claude Code избавляется от лишних инструкций, потому что модель стала умнее, то GPT-5.6 сама нашла способ снизить издержки на инференс на 20% — то есть модель уже оптимизирует не только свои ответы, но и экономику собственного обслуживания. Для индустрии это важный сигнал: продвинутые модели всё чаще решают задачи, которые раньше требовали отдельной инженерной команды — будь то оптимизация промпта или оптимизация серверной инфраструктуры.
Кодинг почти решён — но не весь
В разговоре Черни и Дианы Ху с Y Combinator отдельно звучит тезис «coding is (almost) solved» — и тут же уточнение, чему всё равно стоит учиться студентам CS. Это не противоречие: то, что модель хорошо пишет код по чёткой задаче, не отменяет необходимости уметь эту задачу сформулировать, декомпозировать и оценить результат. Чем меньше рутинного кода приходится писать руками, тем выше цена архитектурного мышления и понимания, что вообще нужно построить — Черни прямо говорит, что стоит давать Claude более сложные задачи, а не более простые.
Что это значит на практике
Для тех, кто строит продукты поверх Claude API или Claude Code, вывод простой: не копируйте чужие системные промпты как есть и не бойтесь регулярно их сокращать. То, что было необходимым костылём для одной версии модели, с следующей версией может превратиться в шум, который мешает модели показать максимум. Индустрия только учится жить в этом ритме — когда не продукт подстраивает модель под себя написанием всё более подробных инструкций, а разработчик подстраивает продукт под растущие возможности модели, регулярно убирая лишнее.
Добавить комментарий