Представьте себе компанию, где любой может предложить банковский перевод. Маркетинг может запросить его, инженерная команда может запросить его, HR может запросить его. Но независимо от того, кто его инициирует, деньги не будут переведены, пока запрос не пройдет через единый пункт согласования, который каждый раз применяет одни и те же проверки. Ни один отдел не получает обходной путь. В этом и заключается базовая идея NEAR AI IronClaw 1.0: агент может рассуждать о том, что он хочет сделать, но само действие должно пройти через единый слой координации, прежде чем оно сможет быть выполнено.

Этот нюанс важен, потому что агенты ИИ выходят за рамки генерации текста и ответов на вопросы. Они могут просматривать веб-сайты, манипулировать файлами, взаимодействовать с внешними сервисами, использовать учётные данные, отправлять сообщения и выполнять многошаговые задачи от имени пользователя. Когда агент получает возможность действовать в реальном мире, проблема больше не сводится к тому, достаточно ли его базовой модели интеллекта. Вопрос в том, может ли инфраструктура вокруг этой модели надёжно контролировать, что ему разрешено делать.

Архитектура: отделяем «думание» от «действий»

#IronClaw 1.0 использует принципиально другой архитектурный подход. Вместо того чтобы разрешать рассуждениям, исполнению, памяти, секретам и инструментам работать как плотно связанные компоненты, она разделяет слой рассуждений и слой выполнения и помещает единую точку координации — «guard» — между ними. Любое действие, независимо от того, какой именно возможностью оно было инициировано, должно проходить через этот контрольный пункт перед выполнением.

Важность такого дизайна легко недооценить. Когда защитные меры реализуются независимо в разных инструментах и возможностях, каждый новый функционал создаёт ещё одно место, где эти контролы должны быть внедрены корректно. Централизованный guard создаёт общий путь применения, позволяя одной и той же логике разрешений и безопасности управлять действиями по всей системе. На практике архитектура ближе к Think ➔ Guard ➔ Act, чем к привычной модели Think ➔ Act.

Архитектура также решает менее очевидную проблему — непрерывность. IronClaw использует непрерывное checkpointing, чтобы прерванная задача могла возобновиться с её предыдущего состояния, а не заставляла агента начинать заново. Если рабочий процесс делает паузу, ожидая одобрения, сталкивается с перезапуском или прерывается на середине выполнения, прогресс, который уже был сделан, может быть сохранён, а задача — продолжена с её последнего checkpoint.

Бенчмарки: производительность при разных сценариях отказов

Одной архитектуры недостаточно. Агент может быть крайне осторожным и всё равно быть практически бесполезным, если он не может выполнить задачи, которые ему поручают. Используя одну и ту же базовую модель deepseek-v4-flash в сравнениях, #IronClaw сейчас лидирует в трёх разных агентских бенчмарках: каждый тестирует отдельное измерение реальной производительности.

На PinchBench, #IronClaw набирает 93,5% на 147 практических задачах, охватывающих планирование, triage писем, кодинг, исследования и управление файлами. На ClawBench, который оценивает многошаговые взаимодействия более чем на 140 живых веб-сайтах в продакшене, результат — 88,6%. OfficeQA проверяет рассуждение на основе большого корпуса бюллетеней Казначейства США за почти век: 89 000 страниц и более 26 миллионов числовых значений; IronClaw набирает 76,4%.

Эти бенчмарки проверяют разные способности: PinchBench подчёркивает практическое завершение задач, ClawBench добавляет непредсказуемость живых веб-сред, а OfficeQA тестирует рассуждение по сложным документам и числовой информации. Лидерство во всех трёх говорит о том, что производительность — не только функция базовой модели; «агентный движок» и архитектура вокруг него тоже вносят существенный вклад.

От демо к системе, которой люди действительно могут пользоваться

Архитектура становится ещё убедительнее, когда её дополняют контроли, разработанные для реального использования. IronClaw может требовать явного подтверждения перед выполнением чувствительных действий, вместо того чтобы позволять агенту действовать первым и объяснять себя потом. Также поддерживаются секреты одноразового использования, которые можно очищать из логов после применения, уменьшая количество чувствительной информации, сохраняющейся внутри системы.

Та же философия распространяется на память и сотрудничество. IronClaw сохраняет согласованные правила памяти и безопасности в CLI, web, Slack и Telegram, вместо того чтобы рассматривать каждый интерфейс как изолированного помощника. Для организаций изоляция команды позволяет обмениваться инструментами и навыками, сохраняя индивидуальные рабочие пространства приватными по умолчанию, а также предоставляет полностью изолированный вариант single-tenant для команд, которым нужна более жёсткая разделённость. @NEAR Protocol и #NEARAI уже запускают IronClaw внутри своих команд, давая этим архитектурным решениям практическую проверочную площадку за пределами демонстрации продукта.

Где NEARAI и стейкинг пересекаются

Зрелому агенту всё равно нужны вывод (инференс), вычисления и надежная инфраструктура, чтобы работать непрерывно. Именно здесь #NEARAI появляется в картине. Вместо того чтобы рассматривать вычисления ИИ как полностью отдельный сервис, оплачиваемый через привычные инфраструктурные контракты, NEAR AI связывает доступ к услугам ИИ с участием в экосистеме NEAR через свою стейкинг-модель.

Для хостинга агентов структура использует фиксированное соотношение: staked NEAR ÷ 100 равно месячному бюджету кредита в долларах. Поставьте 500 NEAR в стейкинг — и вы получаете $5 в кредитах каждый месяц, пока токены остаются в стейкинге. Стартовый тариф начинается с 50 NEAR и активирует первого агента IronClaw, а более высокие тарифы открывают более крупные лимиты кредитов и дополнительные параллельные агенты. Базовый NEAR не расходуется: он остаётся активом пользователя.

Конфиденциальный инференс работает иначе. Здесь награды за стейкинг, генерируемые позицией пользователя (текущая сетeвая APY составляет около 4,5–4,7%), направляются в NEAR AI в обмен на вычислительные кредиты, а не выплачиваются как доход. Основная сумма остаётся под контролем пользователя и может быть снята со стейкинга через обычный процесс протокола. Обширная инфраструктура также предоставляет доступ к моделям провайдеров, включая Anthropic, OpenAI и Google.

Важно, что стейкинг в NEAR — это не только про доходность. Он обеспечивает базовую децентрализованную инфраструктуру, на которую будут полагаться эти AI-агенты, включая предстоящий OpenClaw. Связывая доступ к вычислениям с участием в сети, #NEARAI создаёт более тесную связь между обеспечением безопасности сети и запуском приложений, работающих поверх неё.

Большая картина

Именно поэтому #IronClaw 1.0 интереснее, чем ещё одно объявление о более способном агенте ИИ. Важный сдвиг в автономном ИИ — не просто в том, что модели учатся делать больше. Дело в том, что инфраструктура вокруг этих моделей начинает относиться к автономности как к задаче системного уровня, включающей разрешения, исполнение, память, восстановление, изоляцию и вычисления, а не только интеллект.

IronClaw решает эту проблему на уровне исполнения: отделяет рассуждения от действий, маршрутизирует действия через централизованный guard, сохраняет состояние при прерываниях, контролирует чувствительные операции и поддерживает согласованные правила безопасности для разных интерфейсов. #NEARAI затрагивает другую часть стека: связывает доступ к вычислениям ИИ с участием в децентрализованной сети и предоставляет инфраструктуру, на которой агенты реально могут работать.

Вместе эти элементы указывают на более широкое направление развития инфраструктуры ИИ. Будущее автономных агентов может определяться не только тем, сколько модель способна сделать без вмешательства человека, но и тем, насколько надёжно системы вокруг этой модели ограничивают её действия, восстанавливаются, когда что-то идёт не так, сохраняют контекст со временем и предоставляют инфраструктуру, необходимую, чтобы всё это работало.

Более умные агенты — это лишь часть уравнения. Более значительный вызов может заключаться в построении инфраструктуры, которая делает этих агентов достаточно доверенными, чтобы они могли действовать.

Об этом можно прочитать в 𝕏: https://x.com/Cryptfancier/status/2096337705550434561

Источники

╰─➤ Представляем IronClaw 1.0 (NEAR AI Blog): https://near.ai/blog/introducing-ironclaw-1-0

╰─➤ Стейкинг для NEAR AI (NEAR AI Blog): https://near.ai/blog/staking-for-near-ai

╰─➤ Официальное объявление NEAR Protocol: https://x.com/NEARProtocol/status/2082875217995796606

╰─➤ Репозиторий IronClaw на GitHub: https://github.com/nearai/ironclaw

╰─➤ Документация NEAR AI Private Inference: https://docs.near.ai/cloud/private-inference

╰─➤ Награды за стейкинг — данные о живой доходности NEAR: https://www.stakingrewards.com/asset/near-protocol