Anthropic показала, почему агенту нельзя помнить всё подряд
AI-агент может испортить себе работу не только плохим ответом, но и слишком хорошей памятью. Если он складывает в заметки каждый шаг, устаревшие детали начинают конкурировать с полезными правилами. Anthropic показала это на длинных задачах: более компактная память позволила Claude Fable 5 продвинуться дальше, чем модели, которая записывала почти всё.
В разборе от 6 ноября компания предлагает относиться к памяти агента как к отдельному рабочему циклу. Во время сессии модель сохраняет события и заметки, а между задачами может пересматривать журнал, исправлять ошибки, объединять дубли и готовить контекст для следующего запуска. Этот этап Anthropic называет «dreaming» — не генерацию фантазий, а фоновую организацию накопленного опыта.
Не архив, а краткая рабочая карта
Проблему хорошо показывает тест в Pokémon. После примерно 10 000 шагов Claude Sonnet 3.7 создал 413 файлов в 225 папках — почти 978 тысяч символов. Он фиксировал встречи, предметы и бои настолько подробно, что часть записей быстро устаревала. В итоге модель получила одну игровую награду.
Claude Fable 5 в одном сопоставимом запуске оставил девять файлов в двух папках и один главный файл: всего 10 файлов и около 43 тысяч символов. В памяти остались текущая цель, план прохождения, правила навигации и проверенные тактики — то есть сведения, которых игра не показывает на каждом шаге. Эта версия получила четыре награды. Это единичное сравнение, а не универсальный рейтинг моделей, но оно наглядно показывает цену бесконтрольного журнала.
График: Anthropic.
Память должна помогать следующему действию
Для разработчиков агентов вывод практический: не стоит мерить память количеством сохранённых токенов или файлов. Полезнее хранить подтверждённые правила, незакрытые вопросы и следующий шаг, а факты, которые можно снова получить из интерфейса или инструмента, не дублировать.
Anthropic также описывает тесты, где память улучшала результат на задачах с последовательными вопросами, но не называет это гарантией для любых сценариев. Значит, «долгая память» в продукте нужно проверять так же строго, как поиск или инструменты: по тому, уменьшает ли она ошибки и время работы на реальных длинных задачах.
Полный разбор и схемы организации памяти опубликованы Anthropic.
