«Еще через 2-3 месяца Codex станет примитивным инструментом».
Эти слова прозвучали не от конкурентов, а от нынешнего генерального менеджера по продуктам и платформам OpenAI, отвечающего за ChatGPT и Codex, Тибо Соттьо, который сам это заявил.
В последнее время фреймворки типа Harness постепенно выходят за пределы узкого круга. От разработчиков до офисных работников — люди начинают использовать эти инструменты-агенты, наслаждаясь преимуществами автоматизации, которые дает ИИ. Среди них Codex от OpenAI — один из лучших.
Однако на этом этапе руководство OpenAI уже заглядывает дальше. Следующим шагом для интеллектуальных агентов (Agent), возможно, станет эволюция парадигмы — от автономных инструментов на одном устройстве к «облачной нативной инфраструктуре».
Фраза Тибо Соттьо «ноутбука уже недостаточно» означает четко одно: мы используем локальный Harness для управления моделями следующего поколения, обладающими способностями к длительным рассуждениям и высокой автономии. Этот режим «маленькой ноги в большой обуви» скоро станет неприемлемым.
Как известно, под Harness подразумевается набор инструментов, построенных вокруг больших языковых моделей: управление контекстом, вызов инструментов, сохранение состояния, изоляция среды и восстановление после сбоев. В настоящее время многие разработчики выполняют задачи, запуская агентов на своих ноутбуках (например, через CLI, Cursor, Claude Code или простую логику агента).
Конечно, все больше разработчиков склоняются к использованию нескольких инструментов и моделей одновременно: например, используют Fable 5 в Claude Code для написания документации проекта, а затем переходят в Codex, чтобы выполнить задачу другой моделью.
Но при работе с передовыми моделями следующего поколения это столкнется с тремя основными физическими ограничениями:
Ограничения по вычислительной мощности и памяти: когда агенту требуется параллельно выполнить 20 подзадач (например, одновременно запускать тесты, собирать данные и компилировать крупный проект), ресурсы памяти, процессора и параллельных песочниц (Docker/VM) на локальном ноутбуке мгновенно исчерпываются.
Долгие задачи требуют непрерывной работы: сложные задачи агента могут выполняться несколько часов или даже дней, что требует, чтобы ноутбук пользователя не выключался, не терял интернет-соединение и не закрывался. С инженерной точки зрения это очень неудобно.
Взрывной рост параллелизма контекста и цепочек инструментов: модели следующего поколения определенно будут поддерживать очень длинный контекст и высокую степень параллельных рассуждений. Локальным легковесным решениям Harness будет очень сложно обрабатывать сжатие контекста, синхронизацию состояния и централизованное отслеживание логов между множеством параллельных агентов.
Перед лицом этих вызовов признаки перехода инструментов-агентов к тяжелой инфраструктуре и системному дизайну на самом деле уже стали проявляться в течение последних нескольких месяцев.
Например, Codex от OpenAI уже предоставляет поддержку асинхронного выполнения в облаке. После того как пользователь отдает команду в терминале, задача отправляется в изолированный контейнер (Sandbox Container) в облаке для автономного выполнения, а телефон или ноутбук выполняют лишь роль пульта управления.
В то же время набирают популярность облачные нативные микропесочницы: такие инфраструктуры сверхбыстрых облачных песочниц, специально разработанные для ИИ-агентов, как E2B, Daytona, Fly.io, Modal, позволяют агенту при выполнении задачи динамически запускать сотни независимых контейнерных сред для параллельного выполнения кода и проверки результатов.
Среди ведущих команд в области ИИ, включая OpenAI, Anthropic, Cognition, инженеры начинают смещать фокус разработки с оптимизации промптов на «создание системного уровня Harness».
В феврале этого года команда Anthropic продемонстрировала случай, когда 16 экземпляров Claude, работая параллельно в 2000 облачных сессиях, написали компилятор на языке C. Это веха в движении генеративного ИИ в области программной инженерии к совместной работе множества агентов. Разные экземпляры Claude играли разные роли: 1 агент-архитектор отвечал за проектирование абстрактного синтаксического дерева (AST), 4 агента-кодера отвечали за разные модули, два агента-тестировщика писали модульные тесты, 1 агент-аудитор отвечал за проверку потока кода и безопасности.
Ведущий исследователь Николас Карлини отметил: «Большая часть усилий ушла на создание среды для модели, инфраструктуры тестового цикла и обратной связи».
В ближайшие два-три месяца такие рабочие процессы интеллектуальных агентов могут стать для нас обычным делом.
В соответствии с прогнозом Тибо Соттьо, «локальное легкое управление, облачное тяжелое выполнение» станет стандартом, а интерфейсы разработчика (такие как IDE, терминал, веб-интерфейс) полностью превратятся в панели управления. Настоящие задачи, требующие интенсивных вычислений, такие как рефакторинг кода, прогон тестов, автоматизированное симуляция браузера, будут полностью параллельно обрабатываться в динамических облачных кластерах, а конечные различия (Diff) и логи будут потоково передаваться обратно на локальную машину.
Глубокая интеграция модели и Harness, возможно, сместит конкуренцию с «сравнения, чьи модели сильнее в рассуждениях» на «сравнение, чей потенциал модели раскрывается полнее». Те фреймворки агентов, которые полагаются лишь на запуск Python-скриптов и простые вызовы API на локальном компьютере, скоро полностью достигнут своего потолка.
Статья из официального аккаунта WeChat «Машинное сердце» (ID:almosthuman2014), автор: Цзэнань.
