Возможности моделей быстро движутся в этом направлении. В своем отчете Frontier Risk Report за февраль-март 2026 года METR оценил, сколько времени может занять выполнение программной задачи, прежде чем вероятность ее успешного завершения с помощью передовой модели упадет до 50%. Claude Opus 4.6 достиг примерно 17,8 часов для более простых задач, но только 6,4 часа для более сложных, связанных с меняющимися условиями, ограниченными ресурсами, дорогостоящей обратной связью или ошибками, которые нельзя было легко исправить.Эта разница предполагает, что одна только продолжительность задачи не является главной проблемой. Длительная работа также требует от системы сохранения прогресса, адаптации при изменении условий и восстановления, когда прежние предположения перестают быть верными.