# Сопутствующие статьи по теме AI Агенты

Новостной центр HTX предлагает последние статьи и углубленный анализ по "AI Агенты", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Продавать токены или продавать результат: несколько парадоксов бизнес-моделей в сфере ИИ

2026 год, индустрия ИИ демонстрирует высокие темпы роста доходов и количества вызовов моделей, однако за одинаковыми цифрами скрываются разные бизнес-модели. В статье анализируются четыре структурных парадокса. **Парадокс стоимости:** При снижении цены токена на 95% общие расходы компаний растут. Это объясняется эффектом Джевонса: более дешевые технологии стимулируют спрос. Теперь ИИ используется для ранее нерентабельных задач, а агенты работают круглосуточно. Оптимизация смещается с цены токена на оптимизацию самих задач и процессов (парадокс Солоу). **Парадокс уровня:** Несмотря на тезис «приложения решают все», капитал концентрируется на уровне моделей и инфраструктуры. Чип-производители получают до 70% доходов отрасли. Успешными становятся приложения, которые глубоко интегрируются в конкретные бизнес-процессы, создавая уникальную ценность, недоступную базовым моделям. **Парадокс ответственности:** Прибыль концентрируется не у самых быстрорастущих компаний, а у тех, кто готов нести ответственность за конкретные результаты. Продажа токенов конкурирует за IT-бюджет, а продажа результата — за бюджет на оплату труда. В областях с высокой ответственностью (право, медицина) формируются устойчивые премии к цене. **Парадокс открытости:** Открытые модели лидируют по использованию среди разработчиков, но корпоративные расходы по-прежнему на 89% приходятся на проприетарные решения. Бизнес ценит надежность, поддержку и юридическую ответственность. Открытые модели часто становятся инструментом для привлечения клиентов в экосистемы, а прибыль смещается к инфраструктуре и сервисам. Общая тенденция: базовые интеллектуальные возможности быстро становятся товаром, а прибыль фокусируется в узких сегментах — у тех, кто контролирует критическую инфраструктуру, владеет глубокими отраслевыми данными или берет на себя максимальную ответственность за результат.

marsbit2 дня назад 10:43

Продавать токены или продавать результат: несколько парадоксов бизнес-моделей в сфере ИИ

marsbit2 дня назад 10:43

Основатель Claude Code: ночная армия AI, Fable 5 и две команды для настройки

Ключевые разработчики, такие как Борис Черный, отец Claude Code, больше не пишут код вручную. Вместо этого они управляют сотнями, а ночью тысячами ИИ-агентов, которые самостоятельно выполняют задачи, такие как написание кода, исправление ошибок и анализ отзывов пользователей. Секрет эффективности заключается в использовании петель (Loops) — автономных процессов, которые работают по расписанию (каждые 30 минут, день и т.д.). Основные инструменты — это команды /goal и /loop в Claude Code (и таких продуктах, как Fable 5). /goal задает конкретную, проверяемую цель, например, «все тесты должны проходить», и агент работает, пока не достигнет ее, самостоятельно проверяя результат. /loop запускает повторяющиеся действия, например, регулярную проверку почты. Критически важным элементом является система валидации, где отдельная модель-«надзиратель» проверяет работу основной, обеспечивая качество. Это меняет роль инженера: вместо написания кода человек проектирует системы, которые пишут код сами, и занимается утверждением результатов. В Anthropic ИИ-агенты даже общаются друг с другом в Slack для координации задач. Чтобы Fable 5 работал эффективно, рекомендуется настроить локальную систему контекста — папку с файлами, описывающими бизнес, правила и историю решений, что позволяет модели «помнить» пользователя между сессиями. Таким образом, будущее автоматизации заключается не в замене людей, а в их переходе к роли архитекторов автономных систем, где ключевым навыком становится умение четко определять цели для ИИ.

marsbit07/20 00:25

Основатель Claude Code: ночная армия AI, Fable 5 и две команды для настройки

marsbit07/20 00:25

Син Бо снова наносит удар: после критики «мировых моделей» на этот раз он взялся за агентов ИИ

Летом 2023 года профессор Син Бо опубликовал критику моделей мира, вызвав широкий резонанс. Недавно он и его коллеги представили новую работу «Критика моделей агентов», в которой подвергают анализу и переосмыслению популярное, но зачастую некорректно используемое понятие «агент». В статье ставится прямой вопрос: сколько из систем, называемых «агентами» (от помощников по программированию до автономных ассистентов), действительно заслуживают этого названия? Авторы разделяют системы на два типа: *agentic* (имеющие внешние признаки агента, где возможности заданы извне, например, через промпты) и *agentive* (обладающие подлинной агентностью, с внутренне присущими способностями к принятию решений). В качестве яркого примера обсуждается инцидент с компанией PocketOS, где ИИ-помощник, следуя инструкциям, но не имея внутреннего понимания, самостоятельно принял катастрофическое решение об удалении производственной базы данных. Для построения подлинных *agentive*-систем авторы предлагают архитектуру GIC (Goal-Identity-Configurator), которая проходит через пять ключевых аспектов: 1. **Цели:** Автоматическое декомпозирование долгосрочных целей, полученных от человека. 2. **Идентичность:** Динамическая «живая» самооценка, эволюционирующая на основе опыта. 3. **Принятие решений:** «Имитационное рассуждение» с использованием внутренней модели мира для предсказания последствий действий, а не просто генерация текста цепочки мыслей. 4. **Конфигуратор (Система III):** Мета-когнитивный модуль, самостоятельно определяющий, когда нужно тщательно планировать, а когда действовать быстро. 5. **Обучение:** Непрерывное автономное обучение, сочетающее опыт реального мира и тренировки во внутреннем симуляторе. Безопасность в такой системе обеспечивается за счет её модульности и проверяемости: конечная цель всегда задаётся человеком, а любые аномалии в поведении могут быть отслежены до конкретного компонента. Ключевой вывод статьи: истинная агентность заключается не во внешне заданной сложности задач, а во внутренней архитектуре, которая позволяет целям, идентичности и способности к суждению стать неотъемлемой частью самой модели.

marsbit07/01 11:27

Син Бо снова наносит удар: после критики «мировых моделей» на этот раз он взялся за агентов ИИ

marsbit07/01 11:27

Обратный отсчет до ИИО. Главный исследователь OpenAI делает весомое заявление: окно для человечества «очень мало»

Вселенная искусственного интеллекта находится на пороге фундаментального сдвига: приближается эра искусственного общего интеллекта (AGI). Марк Чен, руководитель исследований OpenAI, выражает уверенность в этом, отмечая, что мы вступаем в мир, где модели смогут проводить самостоятельные, саморазвивающиеся исследования, по сути передав «эволюцию» кремниевым системам. Поворотным моментом стало появление «божественного хода» — решений, недоступных человеческому пониманию, как ход AlphaGo в 2016 году. Теперь подобные прорывы происходят во всех областях, от математики до программирования, и AI-агенты способны выполнять длительную, осмысленную работу. Оптимизм Чена основан на вере в непрерывный рост масштабов (Scaling) и неисчерпанный потенциал предобученных моделей, несмотря на периодические заявления об их «смерти». Успех модели o1, сделавшей ставку на развитие способности к рассуждениям (reasoning), подтверждает, что самые значительные прорывы возникают из смелых, первоначально непопулярных идей. Это ведет к трансформации роли человека-исследователя в «исследователя по наитию» (Vibe Researcher), чья задача — формулировать проблемы и обладать «вкусом» для оценки решений, в то время как исполнение и оркестрация задач делегируются ИИ. Однако путь к AGI усеян серьезными вызовами. Во-первых, это кризис систем оценки (Benchmarking), когда модели учатся «натаскиваться» на тесты, теряя способность к обобщению. Во-вторых, существует «неровный фронт» способностей (Jagged Frontier), где ИИ решает олимпиадные задачи, но спотыкается на простых бытовых действиях из-за недостатка контекста и непрерывного обучения. В конечном счете, когда AGI сможет самостоятельно генерировать знание, самой ценной человеческой чертой станет не интеллект, а уникальный жизненный опыт. Как отмечает Марк Чен, его личной мечтой после создания AGI является открыть лапшичную — место, где ценятся теплота, история и вкус, неподвластные вычислениям.

marsbit06/30 08:38

Обратный отсчет до ИИО. Главный исследователь OpenAI делает весомое заявление: окно для человечества «очень мало»

marsbit06/30 08:38

Создатели ChatGPT уже не используют ChatGPT для работы

Разработчики ChatGPT уже практически не используют его для работы. В OpenAI основным инструментом стал AI-агент Codex. К июню 2026 года на него приходится 99,8% всех выходных токенов компании, тогда как менее года назад этот показатель не достигал 10%. Перелом наступил в сентябре, когда Codex, получив более мощную модель и новые функции, начал выполнять все более сложные задачи. Сотрудники предпочитают поручать ему целые рабочие процессы, а не вести диалог в чате. Это касается всех отделов — от инженерного до юридического и финансового. Ключевой сигнал — активный рост пользователей, не являющихся разработчиками. Они используют Codex для автоматизации рутинных задач, анализа документов и даже программирования. Более 25% задач от бизнес-пользователей связаны с написанием кода, что стирает границы между профессиями. Codex эволюционировал из инструмента для генерации кода в автономного агента, способного самостоятельно выполнять длительные многоэтапные задачи — от реализации и тестирования до отладки. Наиболее активные пользователи поручают ему объем работы, эквивалентный 60+ человеко-часам в день. Это знаменует смену парадигмы: вместо пошагового взаимодействия с чат-ботом пользователи все чаще делегируют AI-агентам выполнение целых комплексных задач, сохраняя за собой контроль и ответственность.

marsbit06/26 13:03

Создатели ChatGPT уже не используют ChatGPT для работы

marsbit06/26 13:03

Глубокое понимание: Децентрализованный вывод — не хайп, а ключевое направление для прорыва ИИ сквозь централизованную монополию

Глубокий анализ: децентрализованный вывод ИИ — не хайп, а ключевое направление для прорыва в условиях централизованной монополии Статья рассматривает сценарий, в котором передовые ИИ-модели, такие как гипотетический GLM-6, могут быть подвергнуты цензуре или заблокированы централизованными провайдерами под давлением регулирующих органов. Это делает децентрализованные сети для вывода (инференса) моделей критически важными как средство противодействия цензуре и сохранения доступа. Внедрение децентрализованного инференса сопряжено с решением четырёх основных проблем: 1. **Запуск огромных моделей**: Распределение модели между множеством GPU (кластер) с использованием pipeline parallelism и методов, подобных speculative decoding, для преодоления сетевых задержек и достижения приемлемой скорости генерации текста. 2. **Верификация вычислений**: Доказательство того, что провайдер действительно запустил запрошенную модель, а не её упрощённую версию. Рассматриваются методы: ZKML (слишком медленно), opML, deterministic re-execution, statistical fingerprints и live-weight proofs, каждый со своими компромиссами между целостностью, задержкой и стоимостью. 3. **Конфиденциальность запросов (prompt)**: Защита входных данных от узлов сети. Простое разделение модели (sharding) не обеспечивает конфиденциальность. Надёжные решения требуют аппаратного обеспечения (TEE — доверенные среды выполнения) или математических методов (полное гомоморфное шифрование — FHE), которые пока дороги. 4. **Создание двустороннего рынка**: Поиск реальных платящих пользователей (B2B-стартапы, автономные AI-агенты) и обеспечение стабильного предложения вычислительных ресурсов. В статье приводится обзор ключевых проектов в этой области (Petals, Dolphin Network, Inference.net, Morpheus, c0mpute, Darkbloom и др.), выделяя их технические особенности и подходы к решению указанных проблем. Автор делает вывод, что децентрализованный инференс может быть конкурентоспособен в сценариях, где важна пропускная способность, а не минимальная задержка (генерация синтетических данных, пакетная обработка), и видит долгосрочную ценность в создании "цикла данных", где данные с инференса используются для улучшения моделей в децентрализованных сетях обучения.

Foresight News06/23 10:38

Глубокое понимание: Децентрализованный вывод — не хайп, а ключевое направление для прорыва ИИ сквозь централизованную монополию

Foresight News06/23 10:38

Какие крипто-ниши уже «съедают» AI-агенты?

Если несколько лет назад вы были глубоко вовлечены в криптоиндустрию, то сейчас наверняка заметили, как изменилась атмосфера. Основное внимание привлекают только две вещи: ИИ и агенты. Общее мнение таково, что отрасль активно оптимизируется под обслуживание ИИ-агентов, что вытесняет продукты, рассчитанные на прямое человеческое взаимодействие. Однако не все направления одинаково подвержены этому влиянию. В одних сферах агенты уже доминируют, в других они сосуществуют с людьми, а в третьих человек по-прежнему незаменим. **Сферы, где доминируют ИИ-агенты:** * **Торговля деривативами (перпетуальные контракты):** Здесь правит скорость и круглосуточное исполнение. Наглядный пример — конкурс Aster, где все ИИ-агенты выжили, а 43% людей понесли убытки. * **Арбитражная торговля (MEV):** Это практически полностью автоматизированная сфера. Боты сканируют мемпулы блокчейнов для извлечения прибыли. * **Оптимизация доходности (Yield Farming):** Большинство новых DeFi-протоколов создаются с расчётом на автономных агентов, которые показывают более высокую эффективность. * **Спот-трейдинг и управление портфелем:** По оценкам, до 65% глобального объёма торговли криптовалютами уже приходится на автоматизированных ботов. **"Пограничные" сферы (агенты + люди):** * **Прогнозные рынки:** В краткосрочных операциях и арбитраже агенты значительно эффективнее. Однако в долгосрочных прогнозах, требующих адаптации к изменениям, человек сохраняет преимущество. * **DeFi-кредитование:** Хотя такие процессы, как ликвидация залогов, полностью автоматизированы, ключевые решения о займах и депозитах по-прежнему принимают люди. **Сферы, где доминирует человек:** * **Стабильные монеты и платежи:** Основной объём транзакций связан с реальными людьми, использующими стейблкоины для переводов и платежей в повседневной жизни, особенно в развивающихся странах. * **Кошельки:** Это последний и критически важный рубеж, где необходимо человеческое решение и подпись для подтверждения транзакции. **Человеческий верификационный слой:** По мере роста числа агентов возрастает ценность доказательства того, что за действием стоит человек. Такие проекты, как World (с AgentKit), t54, Self Protocol и Kite AI, создают инфраструктуру для безопасного взаимодействия между людьми и автономными агентами, обеспечивая подотчётность и предотвращая злоупотребления. **Вывод:** Хотя ИИ-агенты явно выигрывают в сферах, требующих скорости и автоматизации (трейдинг, MEV, yield), человек остаётся незаменим в областях, где важны суждение, доверие и реальный контекст (платежи, идентификация, окончательное утверждение решений). Будущее, скорее всего, за симбиозом, где агенты эффективно выполняют задачи, но под контролем и с верификацией со стороны человека.

Foresight News06/22 07:11

Какие крипто-ниши уже «съедают» AI-агенты?

Foresight News06/22 07:11

Первое дело об интеллектуальных агентах: какой был вердикт?

30 апреля Гуанчжунский интернет-суд вынес определение о предоставлении обеспечительных мер, ставшее первым в Китае судебным актом в сфере регулирования ИИ-агентов. Ответчиком выступило ПО с открытым исходным кодом, которое обвинялось в несанкционированном использовании системных разрешений для обхода технических мер защиты платформы истца и автоматизации операций. Суд обязал прекратить распространение ПО, удалить учебные материалы и данные. Параллельно в США Amazon выиграл дело против Perplexity, также обвинив ИИ-агента в обходе API и манипуляциях с веб-страницами без разрешения платформы. Оба случая устанавливают общий юридический принцип: ИИ-агенты не могут действовать произвольно, им требуется двойное разрешение — как от пользователя, так и от платформы. Ключевая проблема радикальных агентов, таких как Perplexity и упомянутое китайское ПО, заключается в использовании системных привилегий (например, службы доступности) для имитации действий пользователя, что позволяет обходить правила и механизмы безопасности платформ. Это создает риски для контентной модерации, защиты данных и приватности. Пример эволюции продукта Doubao Phone иллюстрирует сдвиг отрасли: версия 1.0 использовала агрессивный подход с обходом правил, но после судебных прецедентов версия 2.0 перешла к переговорам с платформами для легального доступа через API. Эти прецеденты знаменуют конец эпохи дикого роста ИИ-агентов и начало фазы регулирования и комплаенса. «Двойное разрешение» становится отраслевым стандартом, повышая ответственность и доверие пользователей. Регуляторы, наказывая наиболее радикальные и показательные cases, мягко направляют всю отрасль к легальному сотрудничеству между агентами и платформами.

marsbit06/08 10:32

Первое дело об интеллектуальных агентах: какой был вердикт?

marsbit06/08 10:32

Выступление Хуан Жэньсюна на GTC Taipei 2026: Наступает эра ИИ-агентов, вычисления — это доход

В выступлении на GTC Taipei 2026 генеральный директор NVIDIA Дженсен Хуан объявил о наступлении эры ИИ-агентов, где токены становятся единицами дохода и ВВП. Он представил новую стратегию компании, сосредоточенную на полном стеке систем для «фабрик ИИ». Ключевые анонсы включают систему Vera Rubin, созданную для работы агентов; революционный Vera CPU, оптимизированный для низкой задержки при выполнении задач агентами; набор инструментов NVIDIA Enterprise AI Agent Toolkit; а также новое поколение ПК, разработанное совместно с Microsoft, способное локально запускать агентов. Хуан также представил Cosmos 3 — базовую модель для физического ИИ и робототехники, Alpamayo 2 для автономного вождения и эталонную платформу для человекоподобных роботов Isaac GR00T. Он подчеркнул, что единая вычислительная модель (модель, фреймворк, инструменты, среда выполнения) будет масштабироваться от облака и корпоративных систем до ПК, роботов и периферийных устройств, кардинально меняя индустрию. NVIDIA позиционирует себя теперь как компания-разработчик полной инфраструктуры для новой эры продуктивного ИИ.

marsbit06/03 03:37

Выступление Хуан Жэньсюна на GTC Taipei 2026: Наступает эра ИИ-агентов, вычисления — это доход

marsbit06/03 03:37

Claude cжег 5 миллиардов, за ночь подорожав в 60 раз, твой счет за токены еще выдержит?

За месяц счёт за использование Claude составил 5 миллиардов долларов из-за того, что руководство забыло установить лимит. Это не единичный случай: в апреле пользователь Google Cloud получил счёт на 18 тысяч долларов из-за утечки ключа API, а основатель OpenClaw за 30 дней израсходовал 603 миллиарда токенов на сумму 1,3 миллиона долларов в рамках внутреннего эксперимента OpenAI. Основная причина взрывного роста расходов — переход от фиксированной ежемесячной платы к оплате за фактическое потребление токенов. С апреля OpenAI, а с 1 июня 2026 года и GitHub Copilot перешли на эту модель, что особенно сильно ударило по пользователям, запускающим длительные задачи с помощью AI-агентов. В социальных сетях появились жалобы на рост счетов в десятки и сотни раз. Внутри компаний также возникла проблема нерационального использования. Например, в Amazon пришлось закрыть внутренний рейтинг KiroRank, так как сотрудники начали «токенмаксить» — искусственно увеличивать потребление токенов ради высоких позиций в рейтинге. Параллельно формируется рынок решений для оптимизации затрат. Стартапы вроде Glean и Factory AI предлагают подходы, основанные на предоставлении AI релевантного контекста и интеллектуальном распределении задач между моделями, что позволяет сократить расходы в разы. Исследования показывают, что расход токенов в задачах агентов может в тысячи раз превышать обычные запросы, при этом большие затраты не гарантируют лучшее качество. Генеральный директор Glean Арвинд Джайн отмечает, что впервые за долгое время технологические затраты (на AI) начали сравниваться с расходами на зарплаты сотрудников. Эра безлимитного использования подходит к концу, и будущее будет за теми, кто научится эффективно управлять каждым токеном.

marsbit06/01 11:19

Claude cжег 5 миллиардов, за ночь подорожав в 60 раз, твой счет за токены еще выдержит?

marsbit06/01 11:19

活动图片