Модель Claude Fable 5.1 от Anthropic решила числовую головоломку, которую исследователи считали нерешённой. Речь идёт о «Cyphral Distich» — двух строках по 32 числа, опубликованных в 1653 году в книге сэра Томаса Уркхарта. По данным Vals ИИ, модель справилась за 44 минуты без участия человека. Автор эксперимента ранее потратил месяцы на тестирование других ведущих моделей на нерешённых головоломках, но ни одна не дала проверяемого результата.

Ключ к шифру оказался в самой книге. Каждое число указывало на слово в одном из 32 разделов произведения Уркхарта. Первые буквы этих слов сложились в послание: «O God uphold King Charls the Second and make him the supreme ruler of this land» («О Боже, поддержи короля Карла Второго и сделай его верховным правителем этой земли»). В ретроспективе решение выглядит простым, и человек мог бы его найти, но потребовалась систематическая работа с текстом.

По словам Vals ИИ, Fable 5.1 добилась успеха не за счёт более совершенного криптоанализа, а благодаря методичному перебору и настойчивости. Модель сама выбрала эту задачу из множества нерешённых проблем, оценив её как перспективную. Это отличает её от предшественников, которые либо не справлялись, либо не предлагали проверяемых решений.

Шифр состоял из двух строк по 32 числа, каждое из которых указывало на слово в одном из 32 разделов книги Уркхарта.

Случай показателен для понимания возможностей современных LLM. Хотя модели часто критикуют за поверхностные ответы, здесь Fable 5.1 продемонстрировала способность к длительному автономному исследованию. Это может указывать на развитие так называемых агентных сценариев, где ИИ не просто генерирует текст, а выполняет многошаговые задачи с обратной связью.

Однако важно не переоценивать результат. Решение не требует выдающихся аналитических способностей — скорее, это пример того, как модель может эффективно перебирать варианты, если ей дать свободу действий. Ограничение подхода в том, что он не универсален: для других типов шифров, где нет скрытой структуры в тексте, такой метод может не сработать.

Для отрасли это ещё один аргумент в пользу развития агентных ИИ-систем, которые способны самостоятельно ставить и решать задачи. Но пока рано говорить о е в криптографии: скорее, это демонстрация того, как LLM могут дополнять человеческие усилия в исследовательских задачах, требующих терпения и внимания к деталям.