ИИ-агенты: лучший агент — тот, который написал меньше кода · 26.08.2026
ИИ-агенты: лучший агент — тот, который написал меньше кода · 26.08.2026
Пока индустрия гонится за «автономностью», самые интересные сигналы недели — про самоограничение агентов и про то, что границы между агентом, инфраструктурой и устройством стираются. Разбираем четыре сюжета, которые задают тон.
Агент-«лентяй»: меньше кода — лучше агент
Проект ponytail от DietrichGebert на GitHub — провокация в чистом виде: он заставляет вашего ИИ-агента «думать как самый ленивый сеньор в комнате». Философия простая: лучший код — тот, который вы не написали.
Цифры, заявленные автором на реальных сессиях Claude Code, впечатляют: примерно на 54% меньше кода (до 94% в отдельных случаях), на 20% дешевле и на 27% быстрее, при заявленных 100% безопасности. Это не новый фреймворк и не новая модель — это системный промпт (инструкция), меняющий поведение существующего агента.
На мой взгляд, это симптом зрелого этапа агентной разработки. Первая волна агентов генерировала код «на всякий случай», раздувая кодовую базу и стоимость токенов. Вторая волна учится отказу: не писать обёртку, если работает вызов напрямую. Экономия в 20% на инференсе (выводе модели) — это уже не оптимизация, а конкурентное преимущество. Ожидайте, что подход «ленивых агентов» скоро станет встроенной опцией в коммерческих агентных продуктах.
OpenAI пресекла скрытую кампанию влияния с использованием ИИ
OpenAI заблокировал серию аккаунтов российского происхождения, которые с помощью ИИ продвигали фальшивый израильский аналитический центр и «индекс суверенитета», восхваляющий Россию и критикующий Запад.
Кейс показателен для агентной тематики: инструменты генерации контента и автоматизации публикаций превращаются из «продуктивностных» в инфраструктуру информационных операций. Платформы реагируют: модерируют не только контент, но и паттерны автоматизированного поведения.
Здесь важен контраст: пока одни делают агентов ленивее и дешевле, другие выжимают из автоматизации максимум объёма. Это два полюса одной технологии — и, на мой взгляд, именно борьба с агентным спамом станет следующим большим рынком безопасности.
OpenAI Jalapeño: своя silicon-ставка против Nvidia Blackwell
Аналитика SemiAnalysis (обсуждение на Hacker News набрало 426 баллов и 281 комментарий) утверждает, что чип OpenAI под кодовым названием Jalapeño лучше, чем Nvidia Blackwell. Bloomberg также освещает шаги OpenAI в собственный кремний.
Для агентной архитектуры это стратегическая новость: если провайдер моделей контролирует железо, меняется экономика инференса — а значит, и цена запуска тысяч агентов параллельно. Оркестрация мультиагентных систем упирается не в фреймворки, а в стоимость вычислений, и вертикальная интеграция — способ это ограничение снять.
Локальный агент в автомобиле: Qwen 35B на Raspberry Pi
Энтузиаст показал на Hacker News проект CarWatch: 35B-модель Qwen, запущенная на Raspberry Pi с впечатляющей стабильностью, подключённая к OBD-разъёму автомобиля и облачному API производителя. Агент читает телеметрию машины, управляет кондиционером и замками, а в контексте — полное руководство по эксплуатации.
Это разбор, а не тренд (источник один), но показательный: связка «маленькая локальная модель + tool-calling (вызов инструментов) + документы производителя» даёт полезного агента без облака и без абонентской платы. Граница «агент как сервис» против «агент как устройство» начинает размываться.
Итог
Ждите трёх вещей: переноса идей ponytail в коммерческие агентные среды, эскалации борьбы платформ с автоматизированными кампаниями влияния и роста ниши локальных агентов на периферийных устройствах — от машин до бытовой техники. Тренд недели — не «больше автономии», а «больше дисциплины».
Источники
- DietrichGebert/ponytail — GitHub
- Disrupting a new covert influence campaign from Russia — OpenAI Blog
- OpenAI Jalapeño: Better than Nvidia Blackwell — SemiAnalysis
- ThinkOffApp/CarWatch — GitHub
FAQ
Чем ponytail отличается от нового фреймворка вроде LangChain?
Это не фреймворк, а поведенческая настройка существующего агента (Claude Code) через инструкцию — менять инфраструктуру не нужно.
Почему экономия токенов важна для мультиагентных систем?
В оркестрации из десятков агентов стоимость инференса умножается на каждом шаге, поэтому 20% экономии на одном агенте дают кратный эффект на системе.
Что даёт запуск модели локально в автомобиле?
Приватность (данные не покидают устройство), работу без интернета и отсутствие платы за API — ценой более слабой модели.
Как чипы OpenAI связаны с ИИ-агентами?
Прямо: стоимость параллельного инференса — главный ограничитель масштабирования агентных систем, и собственный кремний снижает эту стоимость.
Почему кейс с кампанией влияния важен для агентной безопасности?
Он показывает, что угроза смещается от «ИИ пишет вредоносный код» к «ИИ-автоматизация как инфраструктура пропаганды» — и модерация должна отслеживать поведение, а не только контент.