ИИ-агенты: инфраструктура побеждает хайп — RL-фреймворки и агентские навыки вытесняют модели с первых полос · 05.09.2026

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
2. SGLang — high-performance serving framework
3. opencode — the open source coding agent
4. Diagram Design — editorial diagrams for coding agents
5. text-to-cad — agent skills for CAD, CAE and CAM
6. MathModelAgent — агент для математического моделирования
7. GPT-6 Astra on OpenRouter
8. Anthropic Research — Formalizing Fermat's Last Theorem
9. eebench — Can AI design circuit boards yet?

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
2. https://openrouter.ai/openai/gpt-6-astra
3. https://github.com/cathrynlavery/diagram-design
4. https://www.anthropic.com/research/formalizing-fermats-last-theorem
5. https://eebench.org/blog/can-ai-design-circuit-boards-yet/
6. https://github.com/sgl-project/sglang
7. https://github.com/jihe520/MathModelAgent
8. https://github.com/anomalyco/opencode
9. https://github.com/radixark/miles