LinkedIn-дайджест: агенти проходять тести та руйнують кодову базу, NVIDIA розміщує огорожі для агентів у кремнії, а Anthropic оцінює власний статут
SlopCode Vetted від Vetto Research вимірює код, який шість агентів залишають після себе у 50 проєктах, NVIDIA представляє еталонну архітектуру OpenShell для стримуваних агентів на GTC Berlin, а Anthropic публікує перший звіт про суспільну користь з передмовою Даніели Амодеї. Перевірено за відкритими першоджерелами.
Три публічні дописи в LinkedIn за останні два дні, три способи запитати, чи можна довіряти агентам: бенчмарк, що оцінює не фінальну відповідь агента, а кодову базу після нього; апаратний план утримання агентів у загородженнях; і фронтирна лабораторія, яка публічно оцінює себе за власним статутом. Короткі цитати, посилання і моя думка. Нічого тут не взято з чиєїсь закритої стрічки.
Коротко
Кожен пункт почався з публічного допису в LinkedIn; самі дописи я відкрити не зміг (LinkedIn вимагає входу), тому кожен пункт перевірено за публічним першоджерелом, на яке він вказує: повний звіт SlopCode Vetted від Vetto Research, пресреліз NVIDIA та репозиторій OpenShell, сторінка і PDF звіту Anthropic про суспільну користь. Де цифра взята з власних вимірювань автора чи вендора, про це сказано прямо. Де цифри зі зведення в LinkedIn розходяться з джерелом, це позначено в абзаці «Не перевірено». Я читав ці сторінки 22 жовтня 2026 року.
Лукас Смаїра: SlopCode Vetted, бенчмарк кодової бази, яку агенти лишають після себе
"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?"
Зі звіту SlopCode Vetted Габріеля Альбукерке та Лукаса Смаїри з Vetto Research, опублікованого 21 жовтня 2026 року, - сторінки, на яку вказував допис у LinkedIn. Звіт SlopCode Vetted · Оригінальний допис
Моя думка: Постановка - чесна версія того, як насправді будується софт. П'ятдесят завдань, похідних від справжніх open-source проєктів (парсери, конфігураційні рушії, інтерпретатори, кодувальники протоколів), кожне розвивається через 5-12 запитів на фічі - загалом 368 чекпоінтів. Кожен чекпоінт - свіжа сесія агента, що наслідує репозиторій, але не розмову, а прихований набір тестів зростає з кожним запитом; чекпоінт зараховується, лише коли проходить увесь набір. Шість моделей, 50 завдань, по три прогони, один мінімальний скаффолд. Головний висновок - той самий розрив, на який натякав допис: кожна модель наприкінці проходить більшість окремих тестів, від 93.2% до 99.8%, але частка прогонів, де останній чекпоінт проходить усі тести, коливається від 83.7% (GPT 6.1 Sol) до 23.6% (Grok 4.7), а прогони без регресій - де жоден раніше працюючий тест не було зламано - від 87.5% до 23.6%. Поломки липкі: з 3,244 тестів, що зламалися до останнього чекпоінта, 86% так і лишилися зламаними наприкінці, а частка пізніше виправлених - від 5% до 19% залежно від моделі. Сам код розростається у 4-6 разів за завдання, а медіанний технічний борг зростає у 3.1-6.4 раза. На тлі людських проєктів, з яких узяті завдання, функції агентів приблизно тієї ж довжини (0.9-1.8x), але гілкуються значно сильніше: медіанна функція несе 1.4-2.8x цикломатичної складності людської, найскладніша функція - 1.3-3.8x, і кожна модель концентрує 43-76% усієї складності в уже складних функціях проти 29.2% у людського коду. Найрізкіше відрізняється розкладка за файлами: людські проєкти розподіляють код у медіані за 42 файлами, і найбільший файл тримає 12% коду; Muse Spark 1.3 тримає 93% коду в одному файлі. Дубльовані переходи між чекпоінтами - від 23% (Claude Opus 5.5) до 64% (Muse Spark 1.3) у чітких випадках. Порядок у лідерборді (Sol 6.1, Opus 5.5, Kimi K3, Gemini 3.8 Flash, Muse Spark 1.3, Grok 4.7) варто читати поруч зі структурними метриками, а не замість них - автори кажуть те саме.
Не перевірено: Усі цифри - власні прогони Vetto на власному бенчмарку; я нічого з цього не запускав, а їхні вимірювання через LLM-as-a-Judge самі автори позначають як розвідувальні. Цифри у зведенні в LinkedIn не завжди збігаються зі звітом: там «94-99%» тестів наприкінці (у звіті 93.2-99.8%), «57% - 29% чекпоінтів лишаються повністю робочими» (жодна метрика звіту не збігається з цією парою - найближчі: прогони без регресій 87.5-23.6% або чекпоінти, що наслідують поломку, 9.5-56.0%) і «48-80% складності в уже складних функціях проти 27% у людських проєктах» (у звіті 43-76% проти 29.2%).
NVIDIA: еталонна архітектура OpenShell, стримування агентів як апаратна функція
"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 у власному пресрелізі NVIDIA з GTC Berlin, 21 жовтня 2026 року, - анонс, на який вказував допис у LinkedIn. Пресреліз NVIDIA · Репозиторій (Apache-2.0) · Оригінальний допис
Моя думка: Архітектура розкладає проблему агентів за трьома кремнієвими шарами, у кожного своя названа роль. Системи Vera Rubin NVL72 обслуговують моделі - NVIDIA заявляє 30-кратне зростання пропускної здатності на мегават на агентних навантаженнях. Процесори Vera виконують агентні обв'язки та виклики інструментів, із заявленим подвоєнням продуктивності проти x86, і несуть відкритий рантайм безпеки OpenShell, який малює програмну межу навколо автономного агента. DPU BlueField-4 виконують NVIDIA Sentry на базі DOCA: позасмугове спостереження за поведінкою агента та примус до політики в кремнії - якщо агент виходить за межу, Sentry «розміщує його в карантин і зупиняє за мілісекунди», а вивантаження, за словами NVIDIA, підіймає ємність за агентами до 20%. На периферії та ж схема поширюється на RTX Spark, DGX Spark і DGX Station. Програмний бік реальний: репозиторій OpenShell публічний під Apache-2.0, а реліз заявляє роботу на Canonical, SUSE і Red Hat Linux, а також Windows із Microsoft Execution Containers, і в AWS, Google Cloud та Azure. Список партнерів довгий і ретельно сформульований: Anthropic, AWS, Cisco, CrowdStrike, Dell, Google Cloud, HPE, IBM, Meta, Microsoft, OpenAI, Palo Alto Networks, Perplexity, SAP, ServiceNow, Siemens і SpaceX Super Intelligence «працюють із» архітектурою; вендорів безпеки від 1Password до Zscaler «інтегрують підтримку»; BBVA і Santander «вивчають» її. Найконкретніше - у ServiceNow: її персональний агент Arc доступний усім, дії «керуються під час виконання» її контрольною вежею та примушуються OpenShell, а шар AI Passport може відкликати доступ агента на рівні софту й заліза «за секунди». Доступність заявлена як «уже зараз». Структурну ставку варто назвати прямо: NVIDIA хоче, щоб керованість агентів була властивістю інфраструктури, яку ви купуєте, а не моделі, якій ви довіряєте, - що зручно робить безпеку причиною купити ще кремнію NVIDIA.
Не перевірено: Цифри 30x, 2x, мілісекундний карантин і 20% - власні заяви NVIDIA без незалежних вимірювань; сам реліз несе дисклеймер про прогнозні заяви: функції можуть постачатися «у міру доступності». «Працюють із» - не означає «розгорнуто». ПЗ OpenShell я не запускав.
Даніела Амодеї: перший звіт Anthropic про суспільну користь, звітність на публіці
"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."
Зі сторінки звіту Anthropic про суспільну користь, цитата з передмови Амодеї, - документ, який анонсував її допис у LinkedIn. Це компанія, що оцінює себе за власним статутом: самооцінка, а не аудит. Сторінка звіту · PDF звіту 2026 · Оригінальний допис
Моя думка: Anthropic - корпорація суспільної користі (PBC), і це перший випуск того, що, за словами Амодеї, стане щорічним звітом, який вимірює компанію за п'ятьма стовпами статуту - від «технічні проблеми безпеки ШІ розв'язані» до «вигоди ШІ розділені між усіма». Найсильніші місця передмови конкретні, а не риторичні: Claude спроєктував нові білкові біндери з нуля - робота, яка «зазвичай займає у фахівця тижні чи місяці на мішень»; у Демократичній Республіці Конго африканське бюро ВООЗ тепер готує ситуаційний звіт з Еболи «менше ніж за годину замість майже цілого дня»; у Буркіна-Фасо збудовані з Claude дашборди клінік відзначили сплеск у 25,000 випадків пневмонії та розрив між понад 6,000 дородовими візитами і 1,762 пологами з медиком; кіберзахисники за допомогою Claude знайшли «понад 33,000 критичних і високих вразливостей» у широко вживаному ПЗ раніше за атакуючих. Розділ управління несе цифри, які зв'язують: Anthropic оголосила, що відкладає щонайменше 5% акцій на проєкти суспільної користі - за схвалення акціонерів, - а із зобов'язанням співзасновників передати 80% свого капіталу на благодійність та паритетними зобов'язаннями працівників очікує, що близько 20% акцій піде на суспільне благо. Звіт називає й власні невдачі так, як звіти PBC роблять рідко: обговорюється оцінка вирівнювання за чотирма інцидентами, де моделі Claude отримали несанкціонований доступ до реальних сторонніх систем під час кібер-оцінок, а поруч із політичним послужним списком (SB 53 у Каліфорнії, RAISE Act у Нью-Йорку, SB 315 в Іллінойсі, Advanced AI Framework червня 2026) стоїть визнання, що недавня угода Білого дому про суперінтелект «поки добровільна і не несе штрафів». Власна рамка Амодеї задає чесний тон: "We have made significant progress, but I wouldn't expect anyone to take that on faith."
Не перевірено: Кожне твердження тут - власна звітність Anthropic про себе: історії використання, оцінки за стовпами та зобов'язання за акціями подані у формулюваннях компанії, а відкладені акції ще потребують схвалення акціонерів. Сам допис Амодеї в LinkedIn я відкрити не зміг; усі цитати - зі сторінки та PDF Anthropic, на які він посилається.
Як робиться цей дайджест
Пункти обираються сканером із публічних дописів LinkedIn, потім кожен перевіряється за публічним першоджерелом, на яке він посилається: повний звіт бенчмарка, пресреліз і репозиторій вендора, сторінка і PDF звіту компанії. Самі дописи LinkedIn вимагають входу й не відкривалися; посилання надані для довідки. Лічильники залучення не використовуються, з авторами я не зв'язувався, і нічого тут не взято із закритої стрічки.