Skip to content

AI Radar

Anthropic заявила, что Claude Mythos за три дня перенёс её модель на GPU AMD

Anthropic рассказала инвесторам перед IPO, что модель Claude Mythos Preview примерно за три дня выполнила программную работу для запуска её AI на GPU AMD. Раньше, по словам компании, на это уходило от шести до двенадцати месяцев и требовались десятки инженеров. Речь о низкоуровневом коде, который привязывает модель к чипам конкретного производителя.

17 ноября 2026 г.2 мин чтенияИсточник: Tom's Hardware
00

Сравнение сроков привёл Том Браун, сооснователь Anthropic и её chief compute officer. По его словам, Mythos работал «практически без вмешательства человека» и портировал или написал «почти 100% kernels». Так называют низкоуровневые вычислительные процедуры, из которых собирается работа нейросети на конкретном ускорителе. Раньше ту же задачу решала команда из десятков инженеров.

У заявления узкие рамки. Три дня относятся к обработке промпта для одной модели Anthropic на ускорителях AMD MI355X, и результат описан как «полезный уровень производительности», а не паритет с другим железом. Все цифры исходят от самой компании и прозвучали в презентации для инвесторов, независимых замеров нет.

Anthropic уже запускает свои модели на чипах четырёх типов: GPU от Nvidia и AMD, Google TPU и AWS Trainium. Весь парк компания управляет как «единым взаимозаменяемым пулом вычислений», а раннее решение не привязываться к одному поставщику Браун назвал «нестандартной ставкой». Именно такой код годами считался частью защитного рва Nvidia вокруг CUDA: перенос на чужое железо стоил слишком много времени и людей. Google TPU, к слову, уже нативно запускают модели на PyTorch, и Meta использует их в продакшене.

Почему это важно

Позиция Nvidia держится во многом на том, что перенос софта на чужие чипы долог и дорог. Если модель делает его за дни, покупатели ускорителей получают рычаг в торге о цене, а AMD и создатели собственных чипов выходят на рынок, куда раньше не пускал программный барьер.

Мнение редакции

Модель сама пишет код, который отвязывает её от конкретного железа. Ров CUDA строился на человеко-годах, вложенных в библиотеки и оптимизации, а именно человеко-годы LLM удешевляют быстрее всего. Правда, три дня пока описывают инференс одной модели с «полезной» производительностью. Последние проценты скорости на новом чипе обычно самые дорогие, и за них Nvidia ещё поборется.

Первоисточники и подтверждения

Подборку проверяет редакция DSML. AI помогает дедуплицировать сигналы и готовить текст, но опубликованный выпуск остаётся редакционным продуктом, а не лентой отдельных каналов.