ИИ и Энигма встретились в архиве: два давно нерасшифрованных сообщения немецкой шифровальной машины времен Второй мировой удалось прочитать с помощью frontier-моделей OpenAI и Anthropic. Для IT-аудитории это не просто красивая историческая сноска: кейс показывает, как LLM-агенты начинают выполнять работу исследователя, разработчика и криптоаналитика в одном процессе.
О результатах сообщает TechCrunch. Первый эпизод связан с разработчиком Картером Леффеном, который поручил новой модели OpenAI Astra найти в базе сообщений Enigma нерешенную задачу и попробовать расшифровать ее. По описанию участников, модель не ограничилась перебором вариантов: она провела собственный поиск по архивным материалам, нашла контекстные подсказки, построила симулятор машины Enigma и восстановила открытый текст сообщения, которое оставалось нерешенным с 2005 года.
Это важно не потому, что LLM внезапно «победила» криптографию. Enigma уже давно не является практической криптосистемой, а исторические сообщения часто не поддаются расшифровке не из-за математической стойкости, а из-за ошибок в исходных данных. Проблемы создают опечатки, неправильная транскрипция, сбои операторов, неполные архивные сведения и человеческий фактор, который пережил саму войну. В таких задачах ценны не только вычисления, но и умение собирать разрозненные факты в рабочую гипотезу.
Именно здесь история становится интересной для разработчиков. Astra, судя по опубликованному описанию, действовала как агентный пайплайн: постановка цели, поиск данных, построение инструмента, проверка результата, объяснение хода работы. Леффен затем использовал модель еще и для создания интерактивного сайта, который разбирает задачу и ее решение. Это уже знакомый паттерн для команд, экспериментирующих с AI-инструментами: модель не просто отвечает в чате, а помогает собрать исследовательскую среду вокруг проблемы.
Решение проверял Фроде Вейеруд, бывший инженер-электрик и давний исследователь криптологии. Он поддерживает сайт Crypto Cellar с материалами, записями и базой сообщений Enigma. На прошлой неделе Вейеруд подтвердил решение Леффена и описал результат как вызывающий изумление. По его оценке, Astra вела себя как профессиональный криптоаналитик и архивный исследователь, а работа, занявшая у модели около двух дней, у человека могла бы потребовать недель или месяцев.
В этой истории есть и менее удобная деталь. В логах Astra упоминались архивные сообщения из частной коллекции, которых нет у Вейеруда на сайте. Он не уверен, получила ли модель к ним прямой доступ, нашла ли следы через другой публичный источник или добралась до материалов немецких государственных архивов. Для бизнеса это знакомый вопрос в новой упаковке: если агент умеет сам искать данные, собирать контекст и делать выводы, нужно понимать, откуда именно он берет сведения и какие источники попадают в цепочку рассуждений.
Второй результат пришел 21 сентября. К Вейеруду обратился Джек Уиллис, руководитель в сфере кибербезопасности, и сообщил, что использовал Claude Opus 5 от Anthropic для расшифровки другого нерешенного сообщения. В отличие от опыта Леффена, здесь человек дал модели больше направляющих подсказок. Ключом стала известная подпись конкретного офицера: модель использовала ее как опору и смогла восстановить сообщение.
Разница между двумя подходами показательна. В одном случае модель получила широкую задачу и сама прошла значительную часть исследовательского маршрута. В другом человек выступил как опытный постановщик задачи, сузив пространство поиска и дав Claude Opus 5 правильный крючок. Для команд, которые внедряют LLM в разработку, безопасность, аналитику или R&D, это практичный урок: автономность впечатляет, но качество результата по-прежнему резко растет, когда эксперт умеет формулировать гипотезы и проверять промежуточные выводы.
ИИ и Энигма здесь работают как демонстрация более широкого тренда: frontier-модели становятся полезны в задачах, где нужно соединить код, поиск, исторический контекст и аккуратную проверку. Это ближе к работе младшего исследователя с очень высокой скоростью, чем к магической кнопке. Такой агент может написать симулятор, прогнать варианты, поднять архивные упоминания и оформить результат, но ответственность за валидацию остается у людей, которые понимают предметную область.
По словам Вейеруда, после двух новых расшифровок остаются семь неразгаданных сообщений Enigma и еще одно сообщение, где известен открытый текст, но не восстановлен сам шифр. Вероятно, следующий рубеж для ИИ будет не в том, чтобы красиво «прошел тест Тьюринга», а в том, чтобы надежно пройти куда менее эффектный тест: показать происхождение данных, объяснить цепочку решений и выдержать проверку специалиста, которому мало красивого ответа.