Мультиагентная оркестрация против монолитов: AI-агенты становятся рабочим инструментом

У AI-агентов была репутация игрушек. Они умели писать стихи, отвечать на вопросы и иногда помогать с кодом, но в серьёзных бизнес-процессах их применяли редко. Последняя неделя июня 2026 года это изменила. Три новости - Sakana Fugu, Self-Harness и HappyHorse 1.1 - показали, что агенты перестают быть демками и становятся инструментами, на которые можно положиться.

Оркестрация вместо одной модели: что сделала Sakana с Fugu

Sakana AI запустила Fugu - мультиагентную систему, которая собирает пул моделей и распределяет между ними задачи. Результат: Fugu Ultra набрал 93.2 балла на LiveCodeBench, обойдя Claude Fable 5 (89.8). При этом в пуле Fugu нет самой Fable - Anthropic отозвала к ней доступ по требованию правительства США 12 июня.

Генеральный директор Sakana Дэвид Ха (бывший Google Brain) объяснил логику: полагаться на единственного провайдера AI-моделей - риск. Доступ может исчезнуть за ночь, как показали экспортные ограничения. Fugu не зависит от одного вендора: если модель становится недоступной, она заменяется другой без остановки сервиса.

Для конечного пользователя вся оркестрация скрыта за одним OpenAI-совместимым API. Можно отправлять запросы, а Fugu сам решает, какая модель лучше справится. Цена заметно ниже, чем у монолитных конкурентов: 5 долларов за миллион входных токенов у Fugu Ultra против 10 долларов у Fable 5.

AI-агенты, которые учатся на ошибках: Self-Harness

Проблема AI-агентов часто не в модели, а в обвязке - харнесе. Это системный промпт, инструменты, правила верификации, логика оркестрации. Инженеры тратят часы на ручную правку харнеса, когда агент начинает зацикливаться или ошибаться.

Исследователи из Шанхайской лаборатории искусственного интеллекта предложили Self-Harness - фреймворк, в котором агент сам находит свои слабые места, генерирует исправления и проверяет их через регрессионные тесты. Прирост на отложенных задачах - от 33 до 60 процентов в зависимости от модели.

Механизм простой. Сначала агент запускает набор задач и собирает трейсы выполнения - ищет повторяющиеся паттерны ошибок. Потом он же в роли «предлагатора» генерирует минимальные изменения харнеса под каждую найденную проблему. И наконец, система оценивает каждое изменение через регрессионные тесты: правка принимается, если она улучшает результат и не ломает другие сценарии.

Ведущий автор Self-Harness Ханфань Чжан подчеркнул: узкое место не в том, что люди медленные. Опытный инженер может предложить лучшие изменения, чем LLM. Проблема в том, что ручная настройка опирается на интуицию, а не на систематическую обратную связь. Self-Harness превращает инженера из твикера промптов в архитектора фидбека.

Рынок AI-видео консолидируется: HappyHorse 1.1 на No. 2

Alibaba Cloud выпустила HappyHorse 1.1 - крупное обновление своей AI-видеомодели. И момент выбрала удачный: OpenAI закрыла Sora (она оказалась финансово нежизнеспособной - 1 млн долларов в день операционных расходов при 2,1 млн общей выручки), а ByteDance заморозила международный запуск Seedance 2.0 из-за исков Голливуда.

HappyHorse занял второе место во всех трёх категориях Video Arena (text-to-video, image-to-video, subject-to-video), обойдя Google Veo-3.1 на 69 пунктов Elo-рейтинга. Модель построена на 15-миллиардном unified self-attention Transformer, который обрабатывает текст, изображение, видео и аудио в одном проходе. Версия 1.1 добавила мульти-изображенческую привязку R2V: пользователь загружает несколько референсов персонажа, и модель сохраняет его идентичность на всём протяжении видео.

Для бизнеса, который производит рекламные ролики, продуктовые видео или контент для соцсетей, ситуация упрощается: один API предоставляет весь спектр генерации, от идеи до пост-продакшена с синхронизированным аудио. Цена с промо-скидкой 40 процентов делает модель доступной для среднего бизнеса.

Судьба Sora и Seedance - напоминание: полагаться на AI-продукты без устойчивой бизнес-модели рискованно. HappyHorse держится на инфраструктуре Alibaba Cloud с инвестициями 52,7 млрд долларов в глобальную сеть дата-центров. Это не стартап, а часть корпоративной стратегии.

Что это значит для бизнеса

Три новости этой недели рисуют одну картину: AI-агенты перестают быть экспериментами и становятся коммерческими инструментами. Но с важной оговоркой.

Fugu показывает, что будущее - не за одной монолитной моделью, а за оркестрацией пула моделей. Если ваш бизнес зависит от единственного провайдера (OpenAI, Anthropic, Google), вы рискуете остаться без доступа за одну ночь из-за регуляторных ограничений. Оркестрация сменяемых агентов - это страховка от вендор-лока.

Self-Harness меняет роль команды, которая внедряет AI. Вместо ручной настройки промптов и обвязки - проектирование систем обратной связи. Агенты, которые сами находят и исправляют ошибки, снижают cost-to-serve при внедрении искусственного интеллекта в бизнес.

HappyHorse 1.1 закрывает вопрос «когда AI-видео станет доступным для бизнеса?» - оно доступно уже сейчас. Главный вопрос в другом: какой вендор останется на рынке через год? Sora не выжила. Seedance заморожена. Выбор провайдера AI-инструментов становится стратегическим решением, а не техническим.

Для компаний во Владивостоке и на Дальнем Востоке, которые рассматривают автоматизацию с помощью ИИ, ситуация понятна: технологии созрели, цены снижаются, модели становятся доступнее. Нейросети для бизнеса уже не роскошь, а инструмент конкуренции. Вопрос не в том, внедрять или нет, а в том, на какой архитектуре строить, чтобы не зависеть от одного вендора и не переплачивать за монолит, который можно заменить оркестром.