GPT-5.6 и Fable 5: почему ограничили и как работать с ИИ голосом

За две недели июня случилось то, чего в индустрии ИИ ещё не было: правительство США ограничило доступ сразу к двум самым сильным моделям. Anthropic пришлось отключить только что вышедший Claude Fable 5, а OpenAI выпустила GPT-5.6 лишь узким превью для горстки партнёров. В лентах это быстро свернулось в одну фразу — «ИИ уперся в потолок, поэтому его и закрывают». Я каждый день работаю с этими моделями через голос и, разобравшись в первоисточниках, скажу прямо: причина ровно противоположная, и из неё для обычного пользователя следует кое-что практичное.

Сразу про мой интерес: я делаю Диктуй — голосовой ввод для Windows и macOS, и ближе к концу будет один раздел про голос. Но сама новость к моему продукту отношения не имеет, поэтому большую часть текста разбираю факты как есть, со ссылками, и отделяю подтверждённое от того, что осталось на уровне сообщений.

Что произошло в июне — два ограничения подряд

Claude Fable 5 — экспортный контроль. Anthropic выпустила Fable 5 и Mythos 5 (класс Mythos, ступень выше Opus 4.8) 9 июня. Через три дня, 12 июня, Министерство торговли США по линии экспортного контроля предписало заблокировать доступ к обеим моделям для всех иностранных граждан. Отфильтровать пользователей по гражданству в реальном времени через все облака (AWS Bedrock, Google Cloud и прочие) технически невозможно, поэтому Anthropic отключила обе модели для всех. Причиной называли найденный способ обойти защиты Fable 5, которые прикрывают киберспособности Mythos. На 28 июня Fable 5 всё ещё была офлайн; Mythos 5 26 июня частично вернули для ограниченного списка одобренных организаций в США. Anthropic назвала всё это недопониманием. Обновление 2 июля: 30 июня Минторг снял ограничения полностью, и 1 июля Fable 5 вернулась для всех — условия возвращения и новый защитный классификатор я разобрал в отдельной статье.

GPT-5.6 — ограниченное превью. 26 июня OpenAI представила серию GPT-5.6 — модели Sol, Terra и Luna — но не в ChatGPT, а только через API и Codex, для небольшой группы примерно из 20 доверенных партнёров. Компания прямо написала, что делает это по просьбе правительства США, и пообещала широкий доступ в ближайшие недели.

Под обоими событиями лежит указ от 2 июня 2026 года о добровольном обзоре «covered frontier models» — компании могут давать правительству ранний доступ к модели на срок до 30 дней перед релизом. Здесь важна точность, которую в пересказах теряют: указ прямо запрещает создавать обязательное лицензирование или разрешительный режим. То есть формула «теперь государство решает, кому можно ИИ» — преувеличение. Это добровольная рамка, в которую OpenAI согласилась войти, причём публично заявив, что не считает такой порядок доступа правильной нормой.

Почему это происходит — простыми словами

Если убрать политику и взять только факты, картина простая: модели ограничили не потому, что они уперлись в потолок, а потому что стали слишком мощными. По Fable 5 триггером были именно киберспособности и обнаруженный обход защит. Сама Anthropic за дни до релиза предупреждала, что ИИ становится опаснее и приближается к самоулучшению. Это прямая противоположность «застоя».

Спор про «потолок» действительно существует, но это отдельная история про экономику, а не про эти ограничения. По данным Omdia, рост числа параметров у frontier-моделей замедлился примерно до 5% в год — индустрия ушла от грубого наращивания размера в сторону компактных MoE-моделей и дополнительных вычислений на этапе ответа. Но это спорный тезис об отдаче от масштабирования, а не доказанный факт, и склеивать его с государственными ограничениями нельзя: одно говорит «прогресс замедляется», другое — «слишком мощно, надо притормозить выдачу». Это разные и, по сути, противоречащие друг другу сюжеты.

Та же мощность означает: модели можно поручить целый проект

Вот практический вывод, который теряется за новостным шумом. Если модели стали достаточно сильны, чтобы их выдачу регулировали на уровне национальной безопасности, то и для обычной работы их возможности выросли соответственно. Сегодня агент — Claude Code, Cursor, Codex для кода, ChatGPT или Claude для текста — это не «ответь на вопрос», а цепочка: прочитать контекст, составить план, внести изменения, проверить себя. В июле 2026 обе лаборатории оформили это в отдельные рабочие продукты — ChatGPT Work и Claude Cowork, которые ведут задачу целиком и отдают готовый результат.

На практике это значит, что вы описываете словами целую задачу — а агент собирает результат. Простой пример: «возьми вот эту таблицу, сделай выгрузку в CSV с фильтром по дате, обработай пустые ячейки и добавь тест» — раньше это полчаса-час ручной работы, теперь один наговорённый бриф, и агент приносит готовый код вместе с планом. Сложнее — «сделай раздел с такой логикой, в стиле вот этого файла, не ломая существующие контракты, с обработкой краевых случаев». Принцип один: чем точнее описание, тем меньше переделок. Роль человека сместилась с исполнителя на постановщика задачи.

Узкое место теперь — контекст, а не модель

И здесь начинается главное. Когда модель сама по себе сильна, качество результата упирается уже не в неё, а в то, насколько полно и точно вы описали задачу. Неполный бриф на мощной и дорогой модели обходится дороже, чем кажется: агент выдаёт правдоподобный, но не тот результат, и вы тратите время на переделки.

Это ровно то, что в индустрии назвали переходом от промпт-инжиниринга к контекст-инжинирингу: важнее не «волшебная формулировка», а собранный пакет контекста — цель, ограничения, примеры стиля, краевые случаи, что нельзя ломать. Почему этот сдвиг произошёл и как собирать такой пакет, я подробно разбирал в статье про контекст-инжиниринг. Короткий смысл: на сильной модели выигрывает не тот, у кого подписка дороже, а тот, кто полнее объяснил задачу.

Почему контекст удобнее наговорить голосом

Полный бриф для агента — это длинный текст на естественном языке. А длинный естественный текст быстрее проговорить, чем напечатать: речь идёт со скоростью около 130–150 слов в минуту, печать — порядка 40. Бриф на 250–300 слов голосом занимает полторы-две минуты против пяти-семи минут печатью. И дело не только в скорости: проговаривая задачу вслух, легче удержать ход мысли, оговорки и нюансы, которые при печати отсекаешь ради экономии.

Именно поэтому связка «голос плюс агент» так удобна для постановки задач. Технически это работает через системную диктовку — инструмент, который вставляет распознанный текст в любое активное поле: окно Cursor, терминал с Claude Code, веб-чат, поле задачи в трекере. Встроенные Win+H на Windows и Apple Dictation на macOS бесплатны, но заметно проседают на смеси русского с английскими терминами (endpoint, deploy, названия библиотек). Для такой речи нужен инструмент на модели Whisper Large-v3-turbo, обученной на многих языках сразу — из российских вариантов с рублёвой оплатой это мой Диктуй: Windows и macOS, текст в любое поле по горячей клавише, от 299 ₽/мес, 30 бесплатных минут на тест без карты.

Важная оговорка: голос окупается на описаниях задач, а не на самом коде — имена переменных и синтаксис любое распознавание читает хуже, и печатать их быстрее. Диктуете бриф и контекст, пишете код руками.

Коротко

Новость июня — не про «потолок ИИ», а про обратное: две модели ограничили, потому что они стали слишком мощными. У этого роста два следствия. Одно — государства начали регулировать доступ к frontier-моделям (Fable 5 по экспортному контролю, GPT-5.6 поэтапным запуском). Второе, гораздо ближе к повседневной работе, — этим моделям уже можно поручать целые проекты на естественном языке. И как только исполнителем становится агент, узкое место смещается на то, насколько хорошо вы опишете задачу. Контекст важнее модели, а богатый контекст быстрее и полнее передать голосом.

Если хотите проверить это на себе — возьмите одну реальную задачу, наговорите агенту полный бриф со всем контекстом вместо короткого запроса и сравните результат. Разница обычно видна с первого раза.

Михаил Воинский — основатель Диктуй. Если вы ставите задачи ИИ-агентам голосом — какие брифы отрабатываются с одного захода, где контекста не хватает, окупается ли диктовка длинного ТЗ — напишите на support@diktuy.ru или в @diktuy_help. Соберу из реальных кейсов разбор «как описать проект агенту, чтобы переделок было меньше» отдельной публикацией.