← На главную
Гайды· 10.08.2026· 4 мин чтения

Claude Opus 5 официально «признаётся» в собственной приостановке — вот как это устроено в системном промпте

Разбираем фрагмент системного промпта Claude Opus 5 про экспортные ограничения — и что этот приём даёт разработчикам, встраивающим Claude в продукты

Claude Opus 5 официально «признаётся» в собственной приостановке — вот как это устроено в системном промпте
Материал подготовлен с помощью ИИ и проверен редактором

Исследователь Саймон Уиллисон опубликовал фрагмент системного промпта Claude Opus 5, в котором Anthropic буквально прописывает модели, как отвечать на вопросы о временной блокировке доступа к Claude Fable 5 и Claude Mythos 5. Для тех, кто строит продукты на API Claude, это готовый шаблон: как закрывать разрыв между датой обучения модели и реальными событиями, о которых она не могла узнать сама.

Что произошло с Fable и Mythos

Claude Fable 5 и Claude Mythos 5 вышли 9 июня 2026 года. Уже 12 июня Anthropic приостановила доступ к обеим моделям — компания объяснила это требованием соблюдать экспортные ограничения Министерства торговли США. 30 июня ведомство сняло ограничения, а 1 июля Anthropic восстановила доступ. Официальное заявление компании доступно по ссылке в её блоге.

Проблема в том, что вся эта история случилась после даты отсечки обучающих данных (training-data cutoff) модели Claude Opus 5. Сама модель никак не могла «знать» об этих событиях из своих весов — она видела мир до определённого момента и дальше не обновлялась. Чтобы модель не путалась, не отрицала факт приостановки и не выдумывала подробности, Anthropic вставила в системный промпт явную инструкцию-уведомление.

Как выглядит инструкция изнутри

Вот суть того фрагмента, который процитировал Уиллисон: модели прямо сообщают о датах и деталях случившегося, а затем дают правило поведения. Claude должен:

  • подтверждать факты точно и без эмоций — не отрицать, что приостановка была;
  • относиться к теме экспортных ограничений как к любой другой актуальной политической теме — давать взвешенный, фактический ответ без личных оценок;
  • ссылаться на официальное заявление Anthropic для дополнительных подробностей;
  • если доступен поиск — проверять, не появилось ли более свежей информации;
  • если поиска нет — советовать пользователю самому заглянуть на сайт Anthropic.

По сути, это микро-патч знаний прямо в системном промпте: короткая справка о конкретном событии плюс инструкция, как её использовать в диалоге. Никакого дообучения не потребовалось — достаточно текстового блока, который подаётся модели перед каждым разговором.

Зачем разработчику знать об этом приёме

Если вы строите продукт на Claude, Opus 5 или любой другой модели с фиксированной датой отсечки, у вас регулярно будет возникать та же проблема: модель не знает о вещах, случившихся после обучения, и либо отрицает их, либо галлюцинирует детали. Паттерн из системного промпта Anthropic — рабочий рецепт для таких ситуаций.

Схема простая:

`` Событие X произошло <дата>. Подробности: <краткое, точное описание>. Это случилось после твоей даты отсечки, поэтому ты знаешь об этом только из этого уведомления. Если тебя спросят — подтверждай факт точно и нейтрально, не отрицай. Если доступен поиск — проверяй более свежую информацию. Если поиска нет — советуй проверить официальный источник: <ссылка>. ``

Такой блок можно добавлять в свой системный промпт при интеграции Claude через API, когда вы знаете, что в вашем домене произошло что-то важное после cutoff модели — обновление тарифов, инцидент безопасности, смена политики продукта. Это дешевле и быстрее, чем ждать следующую версию модели с обновлёнными знаниями.

Где искать такие системные промпты

Полные системные промпты Claude, ChatGPT, Gemini и Grok периодически утекают или публикуются исследователями — есть открытые репозитории на GitHub с коллекциями таких утечек, зафиксированных дословно. Anthropic также публикует официальную документацию по промптингу для новых моделей — например, гайд по Claude Opus 5 описывает поведенческие особенности модели: многословность ответов, нарратив агентных действий (когда модель проговаривает свои шаги), делегирование подзадач сабагентам, самокоррекцию и формат выходных артефактов при отключённом режиме размышления.

Изучать такие материалы полезно по двум причинам. Во-первых, вы видите, какие формулировки реально работают у команды, которая тестирует промпты на миллионах диалогов. Во-вторых, вы понимаете границы поведения модели по умолчанию — что она будет делать, если вы не переопределите инструкции своим системным промптом.

Где этот приём ломается

Уведомление в системном промпте работает, только пока оно актуально. Как только событие теряет статус «свежего» — уходит из инфополя, обрастает новыми подробностями — статичный текстовый блок начинает отставать. Сама Anthropic закладывает это ограничение: в промпте прямо сказано, что ситуация могла развиться дальше, и модель должна перепроверять данные через поиск, если он доступен.

Если вы копируете этот паттерн в свой продукт, держите в голове три риска:

  • Устаревание. Текстовый патч в системном промпте не обновляется сам — придётся вручную поддерживать актуальность фактов, иначе модель будет повторять устаревшую версию событий.
  • Конфликт с поиском. Если у модели есть доступ к веб-поиску, но он возвращает противоречивую или неполную информацию, инструкция «проверяй свежие данные» может привести к путанице между статичным уведомлением и результатами поиска.
  • Масштаб. Один-два факта в системном промпте — нормально. Десяток разных «уведомлений о событиях» раздувают промпт, увеличивают расход токенов на каждый запрос и повышают риск того, что модель начнёт путать или игнорировать часть инструкций.

Что попробовать дальше

Если у вас есть продукт на Claude API и в вашей области недавно случилось что-то важное после даты отсечки модели — попробуйте добавить короткий фактологический блок в системный промпт по образцу Anthropic: дата, суть события, инструкция подтверждать факт нейтрально и ссылка на источник для деталей. Проверьте, как модель реагирует на прямые вопросы об этом событии до и после патча — разница обычно заметна сразу.

Стоит также заглянуть в официальную документацию Anthropic по промптингу для Opus 5: там описаны паттерны, специфичные именно для этой модели — от управления многословностью до делегирования задач сабагентам. Эти детали не всегда очевидны из общих гайдов по промпт-инжинирингу и могут сэкономить время при отладке собственных интеграций.

Источники

Материал подготовил PLai AI — редакционный ИИ PLai.

Он же отбирает источники, пишет тексты и модерирует комментарии. Работает на PLGames AI — собственном шлюзе к языковым моделям.

Читайте также

Комментарии

Пока никто не написал. Будьте первым.

Комментарии проверяет AI-модератор PLai. По существу — публикуется сразу.

Системный промпт Claude Opus 5: как модель узнаёт о свежих фактах — PLai