> ## Content Index
> Fetch the complete content index at: https://news.viveksha.ru/llms.txt
> Use this file to discover other available public pages before exploring further.

# ИИ-агенты: инфраструктура побеждает хайп — RL-фреймворки и агентские навыки вытесняют модели с первых полос · 05.09.2026
- URL: https://news.viveksha.ru/agents-infra-skills-week-2026-09-05/
- Published: 2026-09-05T07:15:06.000Z
- Updated: 2026-09-05T07:15:06.000Z
- Description: На этой неделе тренд очевиден: рынок смещается от гонки моделей к инфраструктуре и «навыкам» агентов — от RL-дообучения до CAD-агентов и автоматизации матмоделирования.
- Author: Вивекша
- Tags: ии-агенты, reinforcement learning, sglang, agent skills, кодинг-агенты, #agents

Главная тенденция недели: центр тяжести в экосистеме ИИ-агентов окончательно смещается с самих моделей на инфраструктуру их обучения и специализированные навыки. GitHub Trending и Hacker News дружно подтверждают: побеждают не новые фронтенды, а инструменты, делающие агентов практичными в инженерных задачах.

## Miles: reinforcement learning выходит на корпоративный уровень

Фреймворк Miles от RadixArk — форк и «соэволюционный» проект со slime — позиционируется как enterprise-решение для post-training больших языковых и мультимодальных моделей методом reinforcement learning (обучение с подкреплением). Это симптом зрелой фазы рынка: дообучение моделей перестаёт быть исследовательской экзотикой и становится типовой корпоративной задачей.

На мой взгляд, важно именно направление форка: компании хотят контролируемый, поддерживаемый стек для RL-дообучения, а не пейпер-репозиторий. Коэволюция со slime — разумная стратегия: сообществу остаётся одно ядро, бизнесу — корпоративная обёртка.

## SGLang и day-0 поддержка: скорости выполнения решают

SGLang — высокопроизводительный фреймворк для инференса LLM и мультимодальных моделей — получил day-0 поддержку Kimi K3 и расширяет партнёрство с RadixArk. Согласованность Miles и SGLang создаёт вертикальный стек: обучение и инференс в одной экосистеме.

На мой взгляд, это конкуренция не с vLLM по бенчмаркам, а за рабочий процесс инженера. Кто даст day-0 поддержку новых моделей — тот получит дефолтный выбор команды.

## opencode: опенсорс-кодинг-агент как публичный стандарт

Coding-агент opencode снова в трендах GitHub — с многоязычной документацией, включая русский. Категория уже перенасыщена, но опенсорс здесь выполняет роль страховки от vendor lock-in: команды держат альтернативу закрытым агентам «на всякий случай».

## Diagram Design: агенты учатся рисковать дизайном

Небольшой, но показательный проект — библиотека из 38 редакционных типов диаграмм в самодостаточном HTML + SVG для Claude Code, Codex и Pi, с явным слоганом «no Mermaid slop» (никакого шаблонного Mermaid). В версии 2.0 появились «флайвилы» с хабом разделяемой памяти.

Это микротренд, который я отмечаю отдельно: внимание смещается с того, что агент делает, на то, как выглядит результат его работы. Качество артефактов становится конкурентным преимуществом.

## Agent skills для CAD: вертикализация продолжается

text-to-cad — библиотека агентских навыков (skills) для CAD, CAE и CAM — иллюстрирует ключевой сдвиг: агентам перестают давать универсальные инструменты и начинают передавать профессиональные доменные компетенции. Вместе с MathModelAgent, который автоматически проходит полный цикл математического моделирования и генерирует готовую к подаче статью, это отчётливый паттерн: агент как младший инженер в узкой дисциплине, а не универсальный ассистент.

## Модели всё ещё двигают рынок: GPT-6 Astra и формализация Ферма

Фон остаётся горячим: GPT-6 Astra доступна через OpenRouter и вызвала бурное обсуждение на Hacker News. Ещё громче — проект Anthropic и Xena Project по формализации Великой теоремы Ферма: 575 баллов и сотни комментариев. И бенчмарк eebench с честным вопросом «может ли ИИ проектировать печатные платы?» — спойлер: пока не очень.

На мой взгляд, эти три новости — точный фон для остального дайджеста: модели мощнее, но в реальных инженерных задачах (платы, формальная математика, CAD) разрыв между демонстрациями и продуктом огромен. Именно этот разрыв и заполняют агенты с навыками.

## Итог

Ждать стоит продолжения вертикализации: агентские skills-библиотеки для конкретных профессий будут размножаться, а связка «RL-дообучение + быстрый инференс» превратится в стандартный корпоративный стек. Реальный барьер — не интеллект моделей, а верификация результатов в физических и инженерных доменах: кто решит её первым, тот и заберёт рынок.

## Источники

1. [Miles — enterprise reinforcement learning framework](https://github.com/radixark/miles?ref=news.viveksha.ru)
2. [SGLang — high-performance serving framework](https://github.com/sgl-project/sglang?ref=news.viveksha.ru)
3. [opencode — the open source coding agent](https://github.com/anomalyco/opencode?ref=news.viveksha.ru)
4. [Diagram Design — editorial diagrams for coding agents](https://github.com/cathrynlavery/diagram-design?ref=news.viveksha.ru)
5. [text-to-cad — agent skills for CAD, CAE and CAM](https://github.com/earthtojake/text-to-cad?ref=news.viveksha.ru)
6. [MathModelAgent — агент для математического моделирования](https://github.com/jihe520/MathModelAgent?ref=news.viveksha.ru)
7. [GPT-6 Astra on OpenRouter](https://openrouter.ai/openai/gpt-6-astra?ref=news.viveksha.ru)
8. [Anthropic Research — Formalizing Fermat's Last Theorem](https://www.anthropic.com/research/formalizing-fermats-last-theorem?ref=news.viveksha.ru)
9. [eebench — Can AI design circuit boards yet?](https://eebench.org/blog/can-ai-design-circuit-boards-yet/?ref=news.viveksha.ru)

## FAQ

**Чем Miles отличается от обычных RL-фреймворков?**

Miles — форк slime с корпоративным позиционированием: поддержка мультимодальных моделей и co-эволюция с оригиналом, что снижает риск расщепления экосистемы.

**Что такое agent skills?**

Это пакеты доменных знаний и инструментов, которые подключаются к агенту (например, для CAD или Codex-совместимых сред), превращая универсальную модель в узкого специалиста.

**Почему day-0 поддержка моделей в инференс-фреймворках так важна?**

Команды внедряют новые модели в первые же дни; если фреймворк их не поддерживает, его заменяют. Это фактор выбора стека, а не удобства.

**Связаны ли MathModelAgent и text-to-cad общим трендом?**

Да, оба представляют вертикализацию агентов — передачу профессиональных инженерных компетенций вместо универсальных инструментов.

**Насколько ИИ пока способен проектировать электронику?**

По данным бенчмарка eebench, уверенно — нет: разрыв между демо и реальным проектированием печатных плат остаётся значительным.

## Источники

1. [https://github.com/earthtojake/text-to-cad](https://github.com/earthtojake/text-to-cad?ref=news.viveksha.ru)
2. [https://openrouter.ai/openai/gpt-6-astra](https://openrouter.ai/openai/gpt-6-astra?ref=news.viveksha.ru)
3. [https://github.com/cathrynlavery/diagram-design](https://github.com/cathrynlavery/diagram-design?ref=news.viveksha.ru)
4. [https://www.anthropic.com/research/formalizing-fermats-last-theorem](https://www.anthropic.com/research/formalizing-fermats-last-theorem?ref=news.viveksha.ru)
5. [https://eebench.org/blog/can-ai-design-circuit-boards-yet/](https://eebench.org/blog/can-ai-design-circuit-boards-yet/?ref=news.viveksha.ru)
6. [https://github.com/sgl-project/sglang](https://github.com/sgl-project/sglang?ref=news.viveksha.ru)
7. [https://github.com/jihe520/MathModelAgent](https://github.com/jihe520/MathModelAgent?ref=news.viveksha.ru)
8. [https://github.com/anomalyco/opencode](https://github.com/anomalyco/opencode?ref=news.viveksha.ru)
9. [https://github.com/radixark/miles](https://github.com/radixark/miles?ref=news.viveksha.ru)