ИИ-агенты переходят в другую фазу.

Теперь они больше не ограничиваются тем, что дают ответы. Они могут просматривать веб-сайты, управлять файлами, писать код, обрабатывать информацию и выполнять многошаговые рабочие процессы.

Эта новая возможность создает новую инженерную задачу.

Когда программное обеспечение может действовать вместо вас, как вы контролируете, что ему разрешено делать? Как вы гарантируете, что прерванная задача не исчезнет? И как вы защищаете инфраструктуру, которая обрабатывает данные и вычисления за кулисами?

Именно поэтому IronClaw 1.0 от @NEAR Protocol так интересно рассматривать.

Ключевая граница — между принятием решения и выполнением

IronClaw 1.0 — это заново собранный каркас агента из #NEARAI . Он построен вокруг простой архитектурной разницы: компонент, который решает, что делать, отделён от компонента, который выполняет действие.

Между ними находится координационный слой под названием guard.

Каждое действие проходит через этот путь. Чувствительные действия могут потребовать явного одобрения перед выполнением. Это создаёт точку контроля между рассуждениями агента и его возможностью влиять на внешнюю систему.

Защитный барьер не обёрнут вокруг агента после запуска. Он является частью пути выполнения.

Именно здесь заложенная «безопасность по дизайну» становится практичной. Правило, один раз заданное, должно сохраняться, когда позже добавляется новый инструмент.

Возможностей недостаточно, если работа не может пережить сбои

Агент, выполняющий реальную работу, также нуждается в устойчивости (persistency).

IronClaw непрерывно делает контрольные точки своего состояния (checkpoints). Если задачу прерывают, ставят на паузу из‑за необходимости разрешения или сессии нужно перезапуститься, работу можно продолжить с места, где она остановилась, а не потерять её.

Прерывание превращается не в причину повторять задачу целиком, а в паузу.

Тот же принцип распространяется на каналы связи. CLI, Web, Slack и Telegram могут работать как единый ассистент с общей памятью и теми же правилами безопасности.

Для организаций #IronClaw поддерживает разные модели изоляции. Многопользовательские (multi-tenant) развёртывания позволяют командам делиться инструментами и навыками, сохраняя отдельные рабочие пространства приватными для администраторов по умолчанию, с аудитируемым доступом при необходимости. Однопользовательские (single-tenant) развёртывания могут обеспечивать полную изоляцию.

Эти детали легко упустить, когда обсуждают ИИ-агентов. Они становятся важными, как только ожидается, что программное обеспечение будет работать с реальными данными организаций.

Бенчмарки проверяют, не приходит ли контроль с ценой по производительности

Вполне закономерный вопрос: делает ли добавление ещё одной точки контроля агента менее способным?

NEAR AI протестировала IronClaw по трём бенчмаркам, используя ту же базовую модель deepseek-v4-flash. Этот выбор изолирует «каркас» (harness).

PinchBench: 93,5% по 147 реальным задачам, включающим планирование, triage почты, программирование, исследования и управление файлами.

ClawBench: 88,6% на более чем 140 реальных производственных веб-сайтах, где проверяются задачи с большой долей записи и многошаговые сценарии.

OfficeQA: 76,4% в выводе по документам для предприятий по почти 89 000 страниц бюллетеней Казначейства США (U.S. Treasury Bulletins), содержащих более 26 миллионов числовых значений.

Эти тесты показывают разные виды агентской работы: офисные процессы, взаимодействие с живым вебом и плотные документы.

Эти числа не доказывают, что IronClaw выиграет каждую рабочую схему. Они показывают более узкую и полезную вещь: добавление контрольного слоя не помешало добиться ведущих результатов при очень разных формах выполнения задач агентом.

Где встраиваются NEAR AI и стейкинг

IronClaw сам по себе не «плавает». Он находится внутри более широкой инфраструктуры NEAR AI, которая построена на основе частного и проверяемого ИИ.

NEAR AI Cloud использует конфиденциальные вычисления, включая Trusted Execution Environments, для подходящих рабочих нагрузок. Приватность должна опираться на техническую изоляцию и проверяемость, а не только на доверие к тому, кто управляет машинами.

Честно говоря, мне интереснее именно эта половина архитектуры. Речь уже не только о том, чтобы контролировать, что агент делает; речь о приватности и проверяемости той среды, в которой агент вообще работает.

Стейкинг — это часть этой истории, которую часто «сжимают» до показателя доходности. На NEAR есть две связанные, но разные роли.

На уровне протокола стейкинг поддерживает Proof of Stake. Пользователи делегируют NEAR валидаторам, которые участвуют в валидации и консенсусе. Экономический стейк — часть того, как сеть остаётся защищённой.

NEAR AI также использует стейкинг для сервисов вроде конфиденциального вывода (confidential inference) и хостинга агентов «всегда включён» (always-on). В этой модели зафиксированный (staked) NEAR связан с кредитами на использование AI‑инфраструктуры.

Протокольный стейкинг помогает защищать сеть. Стейкинг в NEAR AI обеспечивает доступ к AI‑инфраструктуре и вычислениям.

Если смотреть на них вместе, уровни складываются аккуратно. IronClaw управляет тем, как агент действует, NEAR AI даёт ему приватное место для работы, а внизу для честности всей сети важен стейкинг в протоколе NEAR.

Стейкинг в NEAR — это не только про доходность. Вместе эти уровни поддерживают инфраструктуру, на которую опираются агенты, например OpenClaw, включая развёртывания OpenClaw в NEAR AI Cloud.

Для меня здесь и есть реальная история: не просто более умный агент, а такой, у которого наконец есть границы, за которые он не может тихо выйти.

Вы бы доверили ИИ-агенту реальную работу, если между его решениями и действиями есть защитный барьер (guard)?