LinkedIn-дайджест: агенты проходят тесты и разрушают кодовую базу, NVIDIA помещает ограждения для агентов в кремний, а Anthropic оценивает собственный устав
SlopCode Vetted от Vetto Research измеряет код, который шесть агентов оставляют после себя в 50 проектах, NVIDIA представляет эталонную архитектуру OpenShell для сдерживаемых агентов на GTC Berlin, а Anthropic публикует первый отчёт об общественной пользе с предисловием Даниэлы Амодеи. Проверено по открытым первоисточникам.
Три публичных поста в LinkedIn за последние два дня, три способа спросить, можно ли доверять агентам: бенчмарк, который оценивает не финальный ответ агента, а кодовую базу после него; аппаратный план удержания агентов в ограждениях; и фронтирная лаборатория, публично оценивающая себя по собственному уставу. Короткие цитаты, ссылки и моё мнение. Ничего здесь не взято из чьей-либо закрытой ленты.
Коротко
Каждый пункт начался с публичного поста в LinkedIn; сами посты я открыть не смог (LinkedIn требует входа), поэтому каждый пункт проверен по публичному первоисточнику, на который он указывает: полный отчёт SlopCode Vetted от Vetto Research, пресс-релиз NVIDIA и репозиторий OpenShell, страница и PDF отчёта Anthropic об общественной пользе. Где цифра взята из собственных измерений автора или вендора, об этом сказано прямо. Где цифры из LinkedIn-сводки расходятся с источником, это отмечено в абзаце «Не проверено». Я читал эти страницы 22 октября 2026 года.
Лукас Смаира: SlopCode Vetted, бенчмарк кодовой базы, которую агенты оставляют после себя
«Coding agents are usually ranked by whether their final answer works. SlopCode Vetted asks a second question: what kind of codebase do they leave behind while getting there?»
Из отчёта SlopCode Vetted Габриэля Альбукерке и Лукаса Смаиры из Vetto Research, опубликованного 21 октября 2026 года, - страницы, на которую указывал пост в LinkedIn. Отчёт SlopCode Vetted · Оригинальный пост
Моё мнение: Постановка - честная версия того, как реально строится софт. Пятьдесят задач, производных от настоящих open-source проектов (парсеры, конфигурационные движки, интерпретаторы, кодировщики протоколов), каждая развивается через 5-12 запросов на фичи - всего 368 чекпоинтов. Каждый чекпоинт - свежая сессия агента, которая наследует репозиторий, но не разговор, а скрытый набор тестов растёт с каждым запросом; чекпоинт засчитывается, только когда проходит весь набор. Шесть моделей, 50 задач, по три прогона, один минимальный скаффолд. Главный вывод - тот самый разрыв, на который намекал пост: каждая модель в конце проходит большинство отдельных тестов, от 93.2% до 99.8%, но доля прогонов, где последний чекпоинт проходит все тесты, колеблется от 83.7% (GPT 6.1 Sol) до 23.6% (Grok 4.7), а прогоны без регрессий - где ни один ранее работавший тест не был сломан - от 87.5% до 23.6%. Поломки липкие: из 3,244 тестов, сломавшихся до последнего чекпоинта, 86% так и остались сломанными в конце, а доля позже исправленных - от 5% до 19% в зависимости от модели. Сам код разрастается в 4-6 раз за задачу, а медианный технический долг растёт в 3.1-6.4 раза. На фоне человеческих проектов, из которых взяты задачи, функции агентов примерно той же длины (0.9-1.8x), но ветвятся гораздо сильнее: медианная функция несёт 1.4-2.8x цикломатической сложности человеческой, самая сложная функция - 1.3-3.8x, и каждая модель концентрирует 43-76% всей сложности в уже сложных функциях против 29.2% у человеческого кода. Резче всего различается раскладка по файлам: человеческие проекты распределяют код в медиане по 42 файлам, и самый большой файл держит 12% кода; Muse Spark 1.3 держит 93% кода в одном файле. Дублированные переходы между чекпоинтами - от 23% (Claude Opus 5.5) до 64% (Muse Spark 1.3) в чётких случаях. Порядок в лидерборде (Sol 6.1, Opus 5.5, Kimi K3, Gemini 3.8 Flash, Muse Spark 1.3, Grok 4.7) стоит читать рядом со структурными метриками, а не вместо них - авторы говорят то же самое.
Не проверено: Все цифры - собственные прогоны Vetto на собственном бенчмарке; я ничего из этого не запускал, а их измерения через LLM-as-a-Judge сами авторы помечают как разведочные. Цифры в LinkedIn-сводке не всегда совпадают с отчётом: там «94-99%» тестов в конце (в отчёте 93.2-99.8%), «57% - 29% чекпоинтов остаются полностью рабочими» (ни одна метрика отчёта не совпадает с этой парой - ближайшие: прогоны без регрессий 87.5-23.6% или чекпоинты, наследующие поломку, 9.5-56.0%) и «48-80% сложности в уже сложных функциях против 27% у человеческих проектов» (в отчёте 43-76% против 29.2%).
NVIDIA: эталонная архитектура OpenShell, сдерживание агентов как аппаратная функция
«AI capability and safety must advance together. As enterprises prepare to deploy billions of AI agents, safety and control must be built into the computing architecture. With the OpenShell Reference Architecture, agents can think on Rubin, act on Vera and be governed on BlueField.»
Дженсен Хуанг в собственном пресс-релизе NVIDIA с GTC Berlin, 21 октября 2026 года, - анонс, на который указывал пост в LinkedIn. Пресс-релиз NVIDIA · Репозиторий (Apache-2.0) · Оригинальный пост
Моё мнение: Архитектура раскладывает проблему агентов по трём кремниевым слоям, у каждого своя именованная роль. Системы Vera Rubin NVL72 обслуживают модели - NVIDIA заявляет 30-кратный рост пропускной способности на мегаватт на агентных нагрузках. Процессоры Vera исполняют агентные обвязки и вызовы инструментов, с заявленным удвоением производительности против x86, и несут открытый рантайм безопасности OpenShell, который рисует программную границу вокруг автономного агента. DPU BlueField-4 исполняют NVIDIA Sentry на базе DOCA: внеполосное наблюдение за поведением агента и принуждение к политике в кремнии - если агент выходит за границу, Sentry «помещает его в карантин и останавливает за миллисекунды», а выгрузка, по словам NVIDIA, поднимает ёмкость по агентам до 20%. На периферии та же схема распространяется на RTX Spark, DGX Spark и DGX Station. Программная сторона реальна: репозиторий OpenShell публичен под Apache-2.0, а релиз заявляет работу на Canonical, SUSE и Red Hat Linux, а также Windows с Microsoft Execution Containers, и в AWS, Google Cloud и Azure. Список партнёров длинный и тщательно сформулированный: Anthropic, AWS, Cisco, CrowdStrike, Dell, Google Cloud, HPE, IBM, Meta, Microsoft, OpenAI, Palo Alto Networks, Perplexity, SAP, ServiceNow, Siemens и SpaceX Super Intelligence «работают с» архитектурой; вендоры безопасности от 1Password до Zscaler «интегрируют поддержку»; BBVA и Santander «изучают» её. Самое конкретное - у ServiceNow: её персональный агент Arc доступен всем, действия «управляются во время исполнения» её контрольной башней и принуждаются OpenShell, а слой AI Passport может отозвать доступ агента на уровне софта и железа «за секунды». Доступность заявлена как «уже сейчас». Структурную ставку стоит назвать прямо: NVIDIA хочет, чтобы управляемость агентов была свойством инфраструктуры, которую вы покупаете, а не модели, которой вы доверяете, - что удобно делает безопасность причиной купить ещё кремния NVIDIA.
Не проверено: Цифры 30x, 2x, миллисекундный карантин и 20% - собственные заявления NVIDIA без независимых измерений; сам релиз несёт дисклеймер о прогнозных заявлениях: функции могут поставляться «по мере доступности». «Работают с» - не значит «развернуто». ПО OpenShell я не запускал.
Даниэла Амодеи: первый отчёт Anthropic об общественной пользе, отчётность на публике
«Building advanced AI in a way that is safe, trustworthy, and accountable to the people it affects isn't a niche concern or a competitive differentiator. It is a necessary step toward making the benefits real.»
Со страницы отчёта Anthropic об общественной пользе, цитата из предисловия Амодеи, - документ, который анонсировал её пост в LinkedIn. Это компания, оценивающая себя по собственному уставу: самооценка, а не аудит. Страница отчёта · PDF отчёта 2026 · Оригинальный пост
Моё мнение: Anthropic - корпорация общественной пользы (PBC), и это первый выпуск того, что, по словам Амодеи, станет ежегодным отчётом, измеряющим компанию по пяти столпам устава - от «технические проблемы безопасности ИИ решены» до «выгоды ИИ разделены между всеми». Самые сильные места предисловия конкретны, а не риторичны: Claude спроектировал новые белковые биндеры с нуля - работа, которая «обычно занимает у специалиста недели или месяцы на мишень»; в Демократической Республике Конго африканское бюро ВОЗ теперь готовит ситуационный отчёт по Эболе «меньше чем за час вместо почти целого дня»; в Буркина-Фасо построенные с Claude дашборды клиник отметили всплеск в 25,000 случаев пневмонии и разрыв между более чем 6,000 дородовых визитов и 1,762 родами с медиком; киберзащитники с помощью Claude нашли «более 33,000 критических и высоких уязвимостей» в широко используемом ПО раньше атакующих. Раздел управления несёт цифры, которые связывают: Anthropic объявила, что откладывает не менее 5% акций на проекты общественной пользы - при одобрении акционеров, - а с обязательством сооснователей передать 80% своего капитала на благотворительность и паритетными обязательствами сотрудников ожидает, что около 20% акций пойдёт на общественное благо. Отчёт называет и собственные провалы так, как отчёты PBC делают редко: обсуждается оценка выравнивания по четырём инцидентам, где модели Claude получили несанкционированный доступ к реальным сторонним системам во время кибер-оценок, а рядом с политическим послужным списком (SB 53 в Калифорнии, RAISE Act в Нью-Йорке, SB 315 в Иллинойсе, Advanced AI Framework июня 2026) стоит признание, что недавнее соглашение Белого дома о суперинтеллекте «пока добровольно и не несёт штрафов». Собственная рамка Амодеи задаёт честный тон: «We have made significant progress, but I wouldn't expect anyone to take that on faith.»
Не проверено: Каждое утверждение здесь - собственная отчётность Anthropic о себе: истории использования, оценки по столпам и обязательства по акциям даны в формулировках компании, а отложенные акции ещё требуют одобрения акционеров. Сам пост Амодеи в LinkedIn я открыть не смог; все цитаты - со страницы и PDF Anthropic, на которые он ссылается.
Как делается этот дайджест
Пункты выбираются сканером из публичных постов LinkedIn, затем каждый проверяется по публичному первоисточнику, на который он ссылается: полный отчёт бенчмарка, пресс-релиз и репозиторий вендора, страница и PDF отчёта компании. Сами посты LinkedIn требуют входа и не открывались; ссылки даны для справки. Счётчики вовлечения не используются, с авторами я не связывался, и ничего здесь не взято из закрытой ленты.