LinkedIn-дайджест: конкуренти передали чотири агентні проєкти, аудит модельної карти та як влаштовані пісочниці кодування-агентів
Agentic AI Foundation додав Agent Skills, Open Responses, OpenEnv та OpenSandbox. Марія Сухарєва проаудитувала таблицю бенчмарків Meta порядково. Пол Юстін пояснив три рівні пісочниці під кодування-агентами. Перевірено за публічними першоджерелами.
Три публічні дописи в LinkedIn за останні два дні, одна тема: нудна інфраструктура, що вирішує, чи взагалі працюватимуть агенти. Чотири конкуруючі лабораторії передали своє агентне "сантехнічне забезпечення" нейтральному фонду, ветеранка скептицизму щодо бенчмарків пройшлася ножем по найновішій модельній карті Meta, а інженер, який будує кодування-агентів, пояснив, як насправді влаштована пісочниця під ними. Короткі цитати, посилання і моя думка. Нічого тут не взято з чиєїсь приватної стрічки.
Коротка версія
Agentic AI Foundation оголосив про чотири нові проєкти на AGNTCon + MCPCon у Сан-Хосе: Agent Skills (від Anthropic), Open Responses (від OpenAI), OpenEnv (від Hugging Face) та OpenSandbox (від Alibaba), досягнувши 10 проєктів за перший рік, - я все це перевірив за власним анонсом фонду. Розбір Марії Сухарєвої таблиці бенчмарків Meta перераховує змішані джерела, змішані харнеси, незазначені повтори та тайм-аути і відсутність довірчих інтервалів, а єдиний незалежний композит ставить Opus 5.5 від Anthropic на перше місце з рахунком 58 проти 56; її конкретні цитати взяті з її публічного допису, який я прочитав, і я не перевіряв числа Meta самостійно. Пояснення Пола Юстіна розкладає три реальні рівні пісочниці для кодування-агентів: рівень ОС (Seatbelt, Bubblewrap), ізоляція ядра в просторі користувача (gVisor) та мікроVM (Firecracker, Cloud Hypervisor). Усі три дописи я прочитав 23 жовтня 2026 року.
Agentic AI Foundation: чотири лабораторії, чотири шари агентного стеку, один нейтральний дім
Власний анонс фонду від 22 жовтня з AGNTCon + MCPCon North America у Сан-Хосе каже, що AAIF тепер приймає 10 проєктів проти трьох стартових у грудні 2025. Чотири нові охайно лягають у стек. Agent Skills, переданий Anthropic, - відкритий формат для надання агентам нових можливостей: пакування інструкцій, скриптів і ресурсів так, щоб спеціалізоване ноу-хау було переносимим між агентними продуктами; Anthropic каже, що запустила формат рік тому і передає його, щоб кожен, хто будує зі skills, міг формувати майбутнє. Open Responses від OpenAI - відкрита специфікація мультипровайдерних LLM-інтерфейсів на базі OpenAI Responses API: спільна схема, узгоджені потокові події та розширюваний тулінг, щоб запит, написаний один раз, працював у різних провайдерів з мінімальною трансляцією. OpenEnv від Hugging Face - фреймворк і спільнотний хаб для RL-середовищ: контейнеризований сервіс, що надає агентний інтерфейс, MCP та тренувальний протокол Gym, - з комітетом, який називає серед користувачів Hugging Face, Microsoft, Reflection, Meta-PyTorch, Fleet, Mercor, RadixArk, Modal і Prime Intellect. OpenSandbox від Alibaba - універсальна sandbox-платформа з мультимовними SDK, уніфікованими API та рантаймами Docker і Kubernetes для кодування-агентів, GUI-агентів, оцінювання та RL-тренувань. Вони приєднуються до MCP, goose, AGENTS.md, Agent2Agent, Agent Router та agentgateway під тим, що CTO AAIF Манік Суртані називає відкритим, вендорно-нейтральним управлінням. Моя думка: рік тому історія агентної інтероперабельності була здебільшого про MCP; станом на цей тиждень нейтральний шар охоплює також skills, API, тренувальні середовища та пісочниці виконання, а контриб'ютори - ті самі лабораторії, які найжорсткіше конкурують між собою. Саме так стандартизується сантехніка.
Марія Сухарєва (через Еріка Фрейзера): аудит таблиці бенчмарків Meta джерело за джерелом
Марія Сухарєва, чиї антихайпові розбори бенчмарків - жанр сам по собі, пройшлася по документації за найновішою модельною картою Meta - 13 сторінок таблиць, за її словами - і опублікувала свої знахідки; поширив допис контрактний CTO Ерік Фрейзер. Її список, цитую за дописом: змішані джерела - частина рядків від Artificial Analysis, Vals, Surge, Datacurve або Abundant AI, частина з власних "best-effort" прогонів конкурентних моделей Meta, а деякі числа Claude взяті з системних карт Anthropic. Змішані харнеси: на SWE-Marathon GPT-6 Astra працювала в Codex, а Fable 5.1 у Claude Code - рядок, який сама Meta позначає як неконтрольоване порівняння, - тоді як DeepSWE змішує репортерів без жодної позначки. На OSWorld Meta ганяла більшість моделей у власному фреймворку, а результат Opus 5.5 - заявлений Anthropic, з незазначеним релізом OSWorld. Artificial Analysis запускає Opus 5.5 з дефолтним фолбеком на старішу модель Claude, і як часто це спрацьовувало, не повідомляється. Повтори та тайм-аути не вказані жодного рядка, що важливо на довгих агентних завданнях. Немає довірчих інтервалів і кількості випробувань, хоча кілька розривів менше пункту. Два рядки - власні Meta: MemoryBench внутрішній, а PSI - зібраний Meta індекс без опублікованого зважування. І її фінал: єдиний незалежний композит у таблиці, Artificial Analysis Index, ставить Opus 5.5 першим - 58 проти 56. Її висновок прямолінійний: "Я не дізналася нічого про те, як модель працюватиме на моїх завданнях порівняно з іншими моделями". Рамка Фрейзера ще прямолінійніша. Моя думка: жодна з цих претензій не нова, і в цьому суть - стандарти звітності майже всіх провайдерів не зрушили з місця, тому публічний, конкретний, порядковий аудит із процитованими позначками - найкорисніший вид рецензування, який таблиця бенчмарків може отримати. Одна застереження від мене: я прочитав її допис, але не перевіряв числа за картою Meta, тож кожне конкретне твердження вважайте її цитатою, а не моїм вимірюванням.
Пол Юстін: три рівні пісочниці для кодування-агентів
Пол Юстін, який пише для Manning і побудував власного кодування-агента Decode, опублікував компактне пояснення того, що реально заважає агенту торкатися файлів за межами проєкту. Три рівні з його допису: пісочниця рівня ОС - Seatbelt на macOS і Bubblewrap на Linux - обмежує доступ до ресурсів, поділяючи ядро з хостом. Ізоляція ядра в просторі користувача - gVisor - перехоплює системні виклики, додаючи ізоляцію між агентом і ядром хоста. І мікроVM - Firecracker та Cloud Hypervisor - дають окреме гостьове ядро, найближчий варіант до традиційної VM. Його практична примітка - те, в чому люди помиляються: не потрібно поміщати весь агент у пісочницю. Харнес залишається локальним, а інструменти агента - Bash, Read, Write, Edit - виконуються всередині однієї спільної пісочниці, щоб кожен інструмент бачив ту саму файлову систему. У Decode він прийшов до одного інтерфейсу виконавця за локальним виконанням, Docker та віддаленими пісочницями Modal, тож кожна сесія отримує власне ізольоване середовище. Моя думка: поділ "харнес локально, інструменти в пісочниці" відповідає тому, як насправді побудовані серйозні кодування-агенти, і це правильна ментальна модель для кожного, хто підключає такого агента цих вихідних: мозок агента блукає вільно, а руки працюють у рукавичному боксі.