За последние два года компании активно внедряют ИИ-агентов в реальные рабочие процессы: от службы поддержки и бэк-офиса до финансов и комплаенса, где требуются сложные решения. По мере интеграции этих систем в бизнес-операции возникает новая проблема: агенты умеют извлекать информацию, но когда задачи становятся «грязными», многоэтапными или сопряженными с высокими рисками, они часто не могут обеспечить стабильный, объяснимый и воспроизводимый процесс рассуждений.
Сегодня открытая лаборатория ИИ Sentient официально запускает Arena — среду в реальном времени, готовую к промышленному использованию, предназначенную для тысяч разработчиков ИИ по всему миру для стресс-тестирования и соревновательного итерирования над самыми сложными корпоративными задачами на рассуждение. В начальной фазе Arena к ней присоединились Founders Fund, Pantera и Franklin Templeton (Франклин Темплтон) с активами под управлением более $1,5 трлн — это сигнализирует о растущем интересе институциональных игроков к «структурированной оценке ИИ-агентов перед развертыванием».
«Когда компании внедряют ИИ-агентов в исследования, операции и клиентские workflow, вопрос уже не в том, насколько эти системы мощны... а в том, насколько они надежны в реальных рабочих процессах», — заявил Джулиан Лав, управляющий партнер Franklin Templeton Digital Assets. Лав добавил, что такие структурированные среды, как Arena, помогут отрасли отделить «многообещающие идеи» от «реально пригодных для продакшена возможностей».
Соучредитель Sentient Химаншу Тьяги отметил: «ИИ-агенты внутри компаний больше не просто эксперимент; они проникают в критические процессы, затрагивающие клиентов, финансы и операционные результаты. Это меняет критерии оценки. Недостаточно, чтобы система выглядела впечатляюще в демо. Компаниям нужно знать: в продакшене, где цена ошибки высока, а доверие хрупко, может ли агент стабильно рассуждать. Им нужна сравнимость, воспроизводимость и метод, не зависящий от базовой модели или стека инструментов, для долгосрочного отслеживания улучшения надежности».
Arena моделирует реальный хаус корпоративных workflow: неполная информация, длинный контекст, нечеткие инструкции, противоречивые источники. Arena оценивает не только «правильность ответа», но и фиксирует полную цепочку рассуждений (reasoning trace), чтобы инженерные команды могли определить причину сбоев и долгосрочно проверять эффективность улучшений.
Это создает нейтральный, независимый от вендоров бенчмарк (vendor-agnostic benchmark) для оценки рассуждений across моделей и технологических стеков. Arena акцентирует производительность в продакшене, а не в демо, формируя проверяемые способности агентов для high-risk сценариев, которые компании могут переносить на свои приватные данные и внутренние инструменты.
В первом челлендже разработчики в Arena сосредоточатся на фундаментальной корпоративной проблеме: reasoning по документам. ИИ-агентам нужно будет рассуждать и вычислять на основе сложных неструктурированных данных — такая работа лежит в основе финансового анализа, расследования первопричин, написания инвестиционных меморандумов, клиентского сервиса и других сценариев.
Среди других участников начальной фазы — alphaXiv, Fireworks, OpenHands, OpenRouter; ожидается, что по мере расширения Arena по задачам, отраслям и интеграциям с моделями, к ним присоединятся и другие.
Недавние исследования также подчеркивают пробел, который пытается устранить Arena: 85% компаний хотят стать «агентными предприятиями (agentic enterprises)», почти три четверти планируют развертывать автономных агентов, но менее четверти имеют зрелые системы управления; многие компании struggle масштабировать пилоты до продакшена. В среднем компании уже запускают около дюжины агентов, часто в изолированных сценариях; многие считают, что без лучшей оркестрации и координации дальнейшее увеличение числа агентов лишь повысит сложность, снизив ценность.
«В OpenHands мы всегда стремились поддерживать разработчиков в использовании агентов для решения реальных, практических проблем», — сказал Грэм Нойбиг, главный научный сотрудник и соучредитель OpenHands. — «Мы также рады поддержать участников в использовании OpenHands Software Agent SDK для решения этих сложных задач».
Соучредитель и CEO OpenRouter Алекс Аталла заявил: «Arena — это именно тот проект, который двигает opensource AI вперед — он позволяет исследователям соревноваться, итерировать и innovать в открытой среде. Мы с нетерпением ждем углубления сотрудничества с Sentient и предоставления инфраструктуры, чтобы эксперименты были быстрее и легче масштабировались».
dir="ltr">Arena запускается глобально, приглашая тысячи разработчиков ИИ подать заявки на участие в первом ограниченном когорте, с очными мероприятиями в Сан-Франциско с марта 2026 года.Примечания для редакции:
-
Джулиан Лав, управляющий партнер Franklin Templeton Digital Assets: «Когда компании внедряют ИИ-агентов в исследования, операции и клиентские workflow, вопрос уже не в том, насколько эти системы мощны или могут ли они сгенерировать ответ, а в том, насколько они надежны в реальных рабочих процессах. Такие песочницы, как Arena, где агенты тестируются в реальных, сложных workflow с возможностью проверки их рассуждений, помогут экосистеме отделить перспективные идеи от производственно-внедряемых возможностей и укрепят уверенность в том, как эта технология интегрируется и масштабируется».
-
Алекс Аталла, соучредитель и CEO OpenRouter: «Arena — это именно тот тип инициатив, который продвигает opensource AI вперед — он позволяет исследователям соревноваться, итерировать и innovать на открытой арене. Мы с нетерпением ждем углубления сотрудничества с Sentient и предоставления инфраструктуры, чтобы эксперименты были быстрее и легче масштабировались!»
-
Грэм Нойбиг, главный научный сотрудник и соучредитель OpenHands: «В OpenHands мы всегда стремились поддерживать разработчиков в использовании агентов для решения реальных, практических проблем. Мы также рады поддержать участников в использовании OpenHands Software Agent SDK для решения этих сложных задач».
О Sentient Labs
Sentient Labs — ведущая организация технологических исследований и разработок, продвигающая развитие opensource AI. Как инновационный двигатель под эгидой Sentient Foundation, Sentient Labs проводит передовые исследования в области ИИ-рассуждений, alignment и коллаборации агентов. Sentient является ключевым разработчиком высокопроизводительных фреймворков, таких как ROMA, и opensource моделей, like Dobby. Миссия Sentient — превратить opensource AI из «эксперимента» в «необходимость». Предоставляя инфраструктуру для построения мощных, композable агентных систем, Sentient enables разработчиков коммерциализировать opensource инструменты и достигать корпоративного уровня готовности. Sentient стремится сделать opensource стандартом по умолчанию для глобальных критически важных AI-операций.
