Китай идут на IPO 1-ми в мире с коммерческим нейроинтерфейсом

Вы посмотрите с какой скоростью Китай дает темп на развитие BCI. Ниже даем подробную информацию.

Напомним, что в феврале Китай стал первопроходцем, выдав компании Neuracle разрешение на продажу своих изделий.

Мы делали пост о том, что реально за этим стоит и брали комментарий у профессора Лебедева, который нам рассказал об их продуктах.

Сегодня Neuracle подала заявку на IPO на бирже STAR Market. Компания планирует привлечь 2,5 млрд юаней. Из этой суммы 1,54 млрд юаней направляется на исследования, 410 млн - на создание производственных мощностей и 550 млн - на оборотный капитал.

Вот какие финансовые показатели были в 2025г:
- Выручка 108 млн юаней
- чистый убыток 230 млн юаней.

Что интересно, их инвазивный имплантат, о котором трубили все мировые СМИ, за отчётный период не принёс ни юаня.

Скорость, с которой разворачивались события вокруг компании после одобрения, заслуживает пристального внимания.

Через 2 дня после того, как NMPA выдало разрешение их нейроинтерфейсу NEO-ONE SCI, Национальное управление медицинского страхования Китая (NHSA) связалось с Neuracle и уже 22 марта ведомство присвоило продукту код медицинской страховки. А 23 марта муниципальная страховая служба Шанхая включила устройство в каталог расходных материалов. А 24 марта продукт прошёл листинг для закупок, что сделало его доступным для приобретения больницами.

Меньше 12 дней потребовалось от получения разрешения регулятора до присвоения страхового кода и включения в закупочные перечни. NHSA подготовило почву за год до этого, установив в марте 2025 года ценовые категории для процедур с инвазивными мозговыми имплантатами, ещё до того, как на рынке появился хоть один такой продукт.

Провинциальные власти последовали этому примеру.

Пекин классифицировал процедуры с инвазивными мозговыми имплантатами как страховые случаи класса А в четырёх назначенных больницах. Чжэцзян добавил покрытие. Хубэй опубликовал первый в Китае ценовой стандарт для мозговых имплантатов. Инфраструктура ждала продукта, а не наоборот.

Если они применят свой маркетинг фирменный, то мир заполнит легальным, но не эффективным продуктом, который с точки зрения регулятора имеет все разрешения для продажи и эксплуатации.

Теперь даже у ИИ-агента есть лицензия SEC, позволяющая работать инвест советником

Одна из крупных в мире крипто бирж Coinbase зарегистрировала своего ИИ-агента Coinbase Advisor в SEC.

Он анализирует портфель в онлайне, даёт персональные рекомендации, в том числе по налогам и тд. Всё в чате внутри приложения Coinbase.

Напомним, что у Coinbase есть свой маркетплейс агентов.

Xiaomi представила HarnessX - фабрику harness’ов

Вместо того, чтобы вручную подбирать промпты, память, инструменты и логику под каждую новую модель, агент сам эволюционирует свою обвязку (harness).

2026 год - это уже не про модели, а про то, как мы их «одеваем».

Команда Darwin Agent Team из Xiaomi представила HarnessX - фабрику harness’ов, которая
умеет:

• Compose - собирает harness как Lego из 9 независимых «процессоров» (промпты, память, контроль потока, инструменты и т.д.)

• Adapt - движок AEGIS смотрит на трассы выполнения и автоматически подбирает лучшую конфигурацию

• Evolve - каждый запуск агента даёт размеченные данные для улучшения и harness’а, и самой модели

В результате: +14.5% в среднем на пяти сложных бенчмарках (ALFWorld, GAIA, WebShop, T³-Bench, SWE-bench). Максимум +44%. Особенно сильно помогает там, где обычные агенты совсем слабо работают.

Один и тот же небольшой Qwen с HarnessX показывает прирост, который раньше требовал более мощной модели.

ИИ-агент = модель + Harness.

А вот 1-й в мире ИИ-агент для инфлюенсеров

Расскажите ему, что вы хотите продвигать, и он найдет блогеров, свяжется с ними, будет управлять рекламными и пиар-кампаниями, обрабатывать платежи и выводить контент в эфир.

NVIDIA показала, что ИИ-агенты могут сами вести робототехнические исследования в онлайне

ENPIRE - система, которая позволяет агентам самостоятельно вести полноценные исследования робототехники на реальном железе.

NVIDIA дали 8 агентам на базе OpenAI целый флот реальных роботов, а ещё много GPU и большой бюджет на токены.

Они получили одну простую цель: решить задачу как можно быстрее, держать роботов занятыми, но безопасно, не тратить зря вычисления.
И всё, дальше человек отошёл в сторону, и агенты сами работали.

Ключевое научное открытие - Physical Scaling Laws.
8 роботов, работающих параллельно, учатся значительно быстрее, чем 2–4.

Чем больше параллельных экспериментов в физическом мире, тем круче прогресс. Это прямой аналог scaling laws в LLM, но в реальной физике.

Раньше ИИ- агенты круто работали в софте и симуляции.
Теперь они напрямую управляют лабораторией в физическом мире и самостоятельно проводят исследования.

Это открывает дорогу к самоулучшающимся роботам и автономным робототехническим лабораториям, которые будут развиваться быстрее людей.

Проект скоро выложат в open-source.

Теперь на G7 главные - СЕО ИИ-компаний, а не президенты стран

Сегодня в Эвиане собрались за одним столом главы Google DeepMind, Anthropic, OpenAI, а также ещё 10 человек из индустрии и президенты стран, входящие в G7.

Формальная тема встречи была: "Обеспечение безопасного и эффективного внедрения AI".

А реальная - это, что делать с тем, что США на прошлой неделе запретили иностранцам доступ к Fable 5 и Mythos 5 и фактически отрезали от самых мощных моделей в мире.

Макрон предложил решение этой проблемы - создать систему доверенных партнёров, где страны проходят проверку на нацбезопасность и получают доступ к передовым ИИ-моделям.

А Амодей и Альтман говорили об открытости и сотрудничестве.

Пока шла эта встреча, внутри команды Трампа возникли противоречия.

Ещё до введения экспортных ограничений против Anthropic, администрация Трампа обсуждала, как структурировать государственные доли в ИИ-компаниях. Ранее мы писали, что Сэм Альтман предложил администрации Трампа получить доли в ИИ-компаниях.

И вот сейчас выясняется, что внутри команды Трампа есть противоречия, например, министр финансов выступает за то, чтобы направить госдоли в ИИ-компаниях в Trump Accounts (детские инвестиционные счета), тогда как министр торговли предлагает создать суверенный фонд.

Это история не про безопасность ИИ, а про власть, контроль и монетизацию ИИ.

Произошел кошмар для Google - легенда ИИ Ноам Шазир перешел в OpenAI внезапно

Google снова потеряли легенду, уже 3-й раз Ноам уходит из Google. Последний раз он в 2021 ушел, потому что компания отказалась выпускать его чат-бот Meena/LaMDA, тогда он основал стартап Character.AI.

В 2024 Google вернул его за $2.7 млрд и дал ему позицию co-lead Gemini.

Если в прошлый раз в 2024 году его выкупали со стартапом, то сейчас Шазир сделал очень странный выбор и перешел в OpenAI, где станет новым руководителем исследований в области архитектуры ИИ.

Отметим, что Ноам непростой в коммуникации с людьми человек, вот тут мы писали подробно, в том числе его роль в создании Gemini.

Каждый раз он возвращался в Google потому, что к нему мог найти подход его друг и другая легенда Джефф Дин.

Самый крутой запуск - Midjourney выпустили ультразвуковой сканер тела, который за 1 мин выдает результат

Компания, которая в начале генеративного ИИ первая начала генерировать картинки, теперь сканирует все тело человека за 60 секунд.

Midjourney Scanner - ультразвуковой томограф, который работает так:
человек ложится в ванну с водой. Кольцо с тысячами маленьких ультразвуковых трансдьюсеров посылает звуковые волны со всех сторон.
Система собирает до 17 ГБ данных в секунду, обрабатывает их мощным компьютером и строит детальную 3D-модель тела (разрешение ~0.5 мм).

Процедура длится около 60 секунд, говорят безопаснее МРТ и КТ, можно делать часто.

В итоге человек получает детальную 3D-модель своих органов, мышц, жира, костей и сосудов.

Качество на уровне МРТ, но процедура проходит, как поход в спа.

Также команда открывает свое спа в Сан-Франциско с горячими ваннами, саунами и 10 сканерами.

Это один из самых крутых разворотов ИИ-компании. В итоге все идут в биотех.

Отличная работа о том, как тренировать MoE-модели в эпоху ИИ-агентов, которые сами пишут код

PithTrain - новый фреймворк для обучения MoE-моделей, который обучает так же быстро, как промышленные гиганты (Megatron-LM, DeepSpeed), но написан так, чтобы с ним было легко работать ИИ-агентам типа Claude Code.

Авторы предлагают новую метрику для будущего: фреймворки должны быть удобны не только для GPU, но и для ИИ-агентов, которые будут этими фреймворками пользоваться.

Он экономит до 64% GPU-времени и 62% "диалогов" при выполнении задач.

Обучающая скорость PithTrain отстаёт от промышленных гигантов на 1.4%, но при этом работать с ним агенту в разы дешевле.

EPFL выпустили новую ИИ-модель, имитирующую мозг человека

Topo-Omni - это топографическая мультимодальная ИИ-модель, которая имитирует пространственную организацию человеческого мозга.

Модель берёт предобученную мультимодальную основу Qwen2.5-Omni и проецирует их на одну общую двумерную «кортикальную карту».

Во время файн-тюнинга добавляется spatial smoothness loss.

Никаких данных мозга, меток категорий или явного надзора не используется.

В результате модель самоорганизуется и формирует кластеры, очень похожие на реальные функциональные области человеческого кортекса от сенсорных до когнитивных.

Anthropic показали эксперимент, как Opus 4.7 без человека оказался ~ в 20 раз быстрее самой быстрой команды разработчиков, программируя робота-собаку.

Если конкретнее, на четырёх задачах, которые выполняли обе команды людей, Opus 4.7 был в среднем в 37 раз быстрее команды без Claude и более чем в 18 раз быстрее команды с Claude.

При этом интересная деталь по качеству кода: Opus 4.7 был более успешен, чем обе команды людей, при этом написав почти в 10 раз меньше кода, чем Team Claude.

Claude испытывал трудности с тонким управлением, когда надо было точно подтолкнуть мяч обратно на базу. Люди справлялись с этим вручную, задействуя замкнутый цикл восприятия и коррекции, в котором люди преуспевают.

Наблюдается паттерн, который выглядит так: сначала модели помогают людям, потом люди помогают моделям, наконец модели в основном справляются сами.

Это все Project Fetch - это серия экспериментов с роботом-собакой.

Google и Китай одновременно показывают, где настоящая гонка за квантовые технологии

Google Quantum AI сократили время дизайна кубита с 21 часа до 3-х минут, а Китай опубликовал рамку для всей отрасли

Одновременно 16 июня опубликовали и Китай и Google свои работы, вот они.

Команда Purdue вместе с Google Quantum AI смогла сократить время электромагнитной симуляции одного кубита с 21 часа на 800 процессорах до 196 секунд на 16 процессорах. Получается ускорение примерно в 19 500 раз по CPU-часам.

А китайские учёные выпустили Quantum Chip Paradigm Framework, в котором говорят, что сверхпроводящие кубиты переходят из лабораторий в промышленную эру.

Они пишут, что квантовые чипы нуждаются в собственном SPICE - стандартном языке проектирования, как в классической микроэлектронике 1970-х.
SPICE в своё время превратил полупроводники из лабораторного феномена в индустрию.

Именно инфраструктура дизайна, а не физика сделала возможным современный чип.

Сейчас то же самое происходит с квантом.
Тот, кто первым выстроит полный цикл: симуляция, параметризованные ячейки, производственный инструментарий, замкнутый цикл от дизайна до измерения, тот получит не просто лучший чип, а темп, который важнее.

Google уже строит инструменты.

WeChat Pay запустил кошелёк для ИИ-агентов,изолированный от основного счёта WeChat Pay

У карты свой баланс, пользователь переводит туда деньги из основного WeChat Wallet, а агент не имеет доступа к главному счёту и банковским картам. Но агенты могут обрабатывать и оплачивать покупки пользователя.

В Китае сейчас разворачивается гонка за контроль над тем, как ИИ-агенты общаются с суперприложениями.

Раньше WeChat с 1,4 млрд пользователей блокировал чужих ИИ-агентов как угрозу. А теперь открывает дверь только избранным, с кем есть соглашения: Huawei, Honor, Xiaomi, OPPO и Vivo.

WeChat строит контролируемый A2A-шлюз, который не является открытым как Agent2Agent протоколом от Google/Linux Foundation.

У них получается собственная закрытая архитектура Tencent, где они решают, кто получает доступ и к чему.

Теперь агент может отправлять запросы в WeChat, но все действия выполняются внутри самого WeChat, а данные наружу не передаются.

Надо отметить, что у Tencent слабое собственное ИИ-приложение (Yuanbao), но оно делает WeChat незаменимым входом для всех остальных ИИ-агентов. Хочешь, чтобы твой помощник мог писать в WeChat? Играй по правилам Tencent.

В итоге в Китае суперприложения, а не операционные системы, определяют, как будут ИИ-агенты жить и работать.

Какая-то грустная ситуация складывается вокруг Google, теперь от них ушел глава проекта AlphaFold в Anthropic

После 9 лет работы в Google DeepMind Джон Джампер покидает компанию и переходит в Anthropic. Он работал с Демисом Хассабисом, это большая потеря.

Напомним, что вчера из команды Gemini ушел легендарный Ноам Шазир, он работал вместе с Джеффом Дином. Google теряет ценные кадры, причём они идут к конкурентам.

Кстати, мы тут узнали инсайды из Anthropic. А именно какая индустрия для них вторая по степени важности после программирования. Речь идёт о таких же крупных изменениях, как они сделали с Claude Code, но уже в другой сфере.

Итоги уходящей недели - то, что имеет значение

Бизнес ИИ- компаний

Большая гонка в ИИ индустрии сместилась с моделей на контекст. Подробный разбор тут.

Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь.

2 сильных ИИ-агента для медицины уже выпущены.

Инсайд из Китая от первого лица о том, как там создают AI-native продукты.

WeChat Pay запустил кошелёк для ИИ-агентов

Опубликован список и анализ самых влиятельных китайских инвесторов в ИИ.

Свежий отчет на реальных данных, как ИИ-агенты меняют инфраструктуру интернета.

Разбор AI-native компаний: как внедрять ИИ и формировать культуру обучения вместе с ним.

ИИ модели и инфраструктура

OpenRouter Fusion - новая модель, которая хочет конкурировать с Fable 5 от Anthropic.

Google DeepMind опубликовал доклад от AGI к ASI.

EPFL выпустили ИИ-модель, имитирующую работу человеческого мозга.

PithTrain - фреймворк для обучения MoE-моделей.

Ant Ling обновили архитектуру 1T-модели: 10T токенов дообучения, упор на агентные задачи и эффективность рассуждений.

Google DeepMind: оказывается, многие ключевые поведения Gemini закладываются ещё на этапе SFT, а не в RL.

ИИ-агенты и автоматизация

Xiaomi представила HarnessX.

Anthropic показали, как Opus 4.7 без участия человека запрограммировал робота-собаку в ~20 раз быстрее лучшей команды разработчиков.

Anthropic поделились кейсами: как команды выводят агентов в продакшн на Claude Managed Agents.

NVIDIA представила ENPIRE - система, позволяющая агентам самостоятельно проводить исследования в робототехнике.

Sakana AI запустила Marlin - виртуального директора по исследованиям для бизнеса, заточенного на долгосрочное рассуждение.

Blueberry - ИИ-агент по продажам.

Coinbase зарегистрировала своего ИИ-агента в SEC.

Запущен первый ИИ-агент специально для инфлюенсеров.

autoresearch для arXiv - ИИ- агент сам разворачивает среду, воспроизводит эксперимент и считает стоимость репликации.

Claude Code на Team и Enterprise теперь позволяет деплоить HTML-сайты и делиться ими с командой.

Воплощённый ИИ

Alibaba выпустила 3 фундаментальные модели для робототехники.

PhysX-Omni - единая система генерации объектов для симуляций.

Нейротех и биотех

Джефф Безос вложил $100 млн в нейротех-стартап Flourish.

Midjourney выпустили ультразвуковой сканер тела.

Китай выводит на IPO первый в мире коммерческий нейроинтерфейс от Neuracle.

Впервые создана единая карта мозга и спинного мозга плодовой мушки.

Perplexity представила Brain - непрерывно обучающаяся система памяти для Computer.

Квантовые технологии и физика

Google Quantum AI сократили время проектирования кубита с 21 часа до 3 минут. А Китай опубликовал отраслевую рамку для квантовых вычислений.

Создан самый яркий непрерывный лазер в мире, в 100 млн раз ярче поверхности Солнца.

Геополитика ИИ
G7: главная тема - что делать с тем, что США закрыли иностранцам доступ к Fable 5 и Mythos 5.

Китай сокращает гуманитарные науки, иностранные языки, искусство и менеджмент в университетах.

Перестановки кадров в индустрии

Ноам Шазир, легенда ИИ, покинул Google и неожиданно перешёл в OpenAI.
Джон Джампер, со-автор AlphaFold, ушёл из Google DeepMind и переходит в Anthropic.

Наука и исследования

Google DeepMind опубликовал 2 документа: дорожную карту безопасности агентных систем и руководство для регуляторов по защите мультиагентных сред.

ATLAS от Google - пайплайн, который генерирует интерпретируемые механистические модели из данных и сам планирует эксперименты для их проверки.

Присоединяйтесь к нам на Patreon, чтобы узнать все об экономике ИИ-агентов, и другие полезные инсайды https://www.patreon.com/Blockchainrf?utm_campaign=creatorshare_creator

Sakana выпустила систему оркестрации на уровне Fable 5 и Mythos от Anthropic

Fugu - это мультиагентная система оркестрации, которая подаётся как единая модель через один OpenAI-совместимый API.

А Fugu Ultra - топ-версия для сложных задач, она показывает результаты на уровне закрытых Fable 5 и Mythos Preview от Anthropic.

Команда заявляет, что с этим инструментом нет экспортных ограничений. Fugu не зависит от одного вендора, если один провайдер отвалится, она просто переключается на другие модели из пула.

Напомним, что OpenRouter на прошлой неделе выпустили свою систему оркестрации.

Все теперь говорят о Loops, что это? Давайте разбираться

Создатель Claude Code Борис Черный недавно сказал: «Переход от агентов к loops - это такой же большой скачок, как раньше от обычного кода к агентам».

Если в конце 2025 и в начале 2026 все говорили про agent harness, и даже DeepSeek создает отдельную команду под это, то теперь все говорят про loops. В чём разница и почему все об этом говорят?

Напомним, что harness - это вся инфраструктура вокруг модели: инструменты, память, правила, верификация, состояние, и тд.

По сути, рабочий стол и набор инструментов для агента. Без хорошего harness даже очень умная модель ведёт себя непредсказуемо: забывает, зацикливается или делает глупые ошибки.

А loop - это двигатель harness. Loop - целая автономная система, которая работает по принципу пока все не готово:

• Берёт цель
• Планирует, что делать
• Действует (пишет код, анализирует данные, создаёт файлы)
• Проверяет результат
• Если плохо, исправляет и повторяет.

Пока не достигнет настоящего успеха (тесты зелёные, документ идеальный, задача закрыта). Человек при этом почти не вмешивается.

То есть как говорит Борис Черный, ты больше не должен промптить, теперь человек - автор Loop. Пишешь правила игры один раз, и система сама работает.

Самые популярные рабочие loops сейчас:

• Build-Test-Fix (два агента кидают работу друг другу, пока код чистый)
• 5-minute repository maintainer (постоянная мелкая поддержка проекта)
• Overnight PR routine (ночью чинит пулл-реквесты)
• Verifier loop (отдельный «судья», который критикует результат, чтобы агент не обманывал себя)
• Anti-spin protection (защита от бесконечного круга и пустой траты денег).

Главные фишки успешного loop’а:
1. Хорошая проверка, без неё loop будет уверенно ошибаться.
2. Память - каждый запуск делает систему умнее.
3. Ограничения - лимит итераций, бюджет на токены, правило «хватит, если нет прогресса».
4. Durable state - loop помнит, на чём остановился, даже после перезапуска.

Что это меняет?

Человек становится архитектором ИИ-команд. Хорошо настроенный loop может делать работу junior/middle-разработчика, исследователя или аналитика и со временем становится только лучше.

Google заходит в кино и инвестирует в создателя культовых сериалов для внедрения своего ИИ

Речь идёт о A24 - одна из самых влиятельных независимых киностудий, которая снимала «Лунный свет», «Наследники», «Всё везде и сразу», «Джокер» и т.д.

Google через DeepMind инвестировал в A24 $75 млн. Это первое прямое вложение Google в голливудскую студию.

Цель - вместе разрабатывать новые инструменты и рабочие процессы для создателей фильмов, чтобы технологии будущего создавались с учётом реальных нужд художников, а не только инженеров.

A24 будут напрямую влиять на разработку ИИ-инструментов, тестировать их и давать обратную связь.

Основной акцент на исследованиях и совместной работе, а не на быстром внедрении готового ИИ.

Напомним, что месяц назад DeepMind стали партнерами с игровой студией Fenris Creations (бывшая CCP Games -создатели EVE Online). DeepMind взяли миноритарную долю в студии.

Экономисты - сингулярность через 6 лет:когда ИИ начнёт сам себя улучшать, то прогресс может стать взрывным

4 экономиста построили формальную макромодель, когда автоматизация ИИ-исследований порождает взрывной рост.

Кстати, недавно Anthropic показали свои данные, которые говорят о самосовершенствовании ИИ, также есть работа Google, стартап Recursive показал свои результаты.

В экономической модели 2 петли взаимодополняемые:

1. Технологическая - улучшения в софте ускоряют прогресс в железе, железо ускоряет ИИ, и всё по кругу. Например, AlphaChip от Google DeepMind уже используется при проектировании каждого нового поколения TPU Google.

2. Экономическая - больше продукции = больше денег на исследования = ещё быстрее прогресс. Автоматизация заменяет труд капиталом. Капитал масштабируется с ростом ВВП. Труд - нет. Это создаёт петлю там, где её раньше не существовало.

Где самый чувствительный момент?

Оказалось в аппаратном обеспечении. Затухающая отдача в разработке чипов (β = 0.2) в 5 раз меньше, чем в разработке ПО, и в 15 раз меньше, чем в общей экономике.

Практический вывод авторов: 20% автоматизации разработки чипов достаточно, чтобы пересечь порог взрыва в одиночку.

Полная автоматизация разработки ПО на грани, ещё 5% в остальных секторах, в итоге сингулярность через ~6 лет по базовой симуляции.

Мы не считаем, что сингулярность наступит ровно через 6 лет. Симуляция чувствительна к начальным условиям, а авторы этой работы сами называют её «стилизованной».
Но важен не таймлайн, а логика: система с такой архитектурой петель не движется линейно. Она движется скачками и скачок может произойти раньше, чем консенсус успеет его осознать.

Китай занял 1-е место со своим суперкомпьютером, а РФ - 101-250-е места

Китайский суперкомпьютер LineShine (LingKun, Huawei LX2) неожиданно занял 1-е место в мире с результатом 2.198 EFlop/s.

Топ-10 суперкомпьютеров мира:
1. LineShine - Китай, 2.198 EF (CPU ARM LX2)
2. El Capitan - США, 1.809 EF (AMD + MI300A)
3. Frontier - США, 1.353 EF (AMD + MI250X)
4. Aurora - США, 1.012 EF (Intel + GPU)
5. JUPITER Booster - Германия, 1.000 EF (NVIDIA Grace Hopper)
6. HPC7 - Италия, 0.572 EF (AMD + MI300A)
7. Eagle - Microsoft Azure,0.561 EF (Intel + H100)
8. HPC6-Италия, 0.478 EF
9. Fugaku - Япония, 0.442 EF (Fujitsu A64FX)
10. Alps-Швейцария, 0.435 EF (Grace Hopper)

Россия в новом рейтинге представлена:

1. Chervonenkis (Яндекс) — 101-е место (~21.5 PF) - это гетерогенная система на AMD EPYC + NVIDIA A100, одна из самых мощных в России для ИИ-задач. Она лидирует среди российских суперкомпьютеров уже несколько лет.

2. Галушкин (Яндекс)
3. Ляпунов (Яндекс)
4. Christofari Neo (Сбер)
5. Christofari (Сбер)

Code as Agent Harness - хороший обзор, как строить ИИ-агентов в этом году

Если раньше код был результатом работы агента, то сейчас код становится средой его обитания.

Авторы предлагают смотреть на ИИ-агентов через призму harness (обвязки). Вчера мы писали ещё про loop.

Современные агенты уже движутся в эту сторону, например, Claude Code и т.д.

Авторы говорят, что нужно системно развивать harness engineering - инженерную дисциплину создания таких кодовых обвязок. А также обсуждают открытые проблемы: оценка, безопасность, мультимодальность, регрессии и т.д.