Meta только что выпустила Muse Spark 1.3 с упором на кодинг и агентные (agentic) сценарии. Axios заодно проглядел, и на этой неделе Meta, Google, Anthropic и OpenAI просто как будто встали в очередь и массово выпускают модели — настоящая «пробка», где все сталкиваются. Те, кто делает продукты, когда речь о personal agent, на самом деле давно уже не смотрят на результаты бенчмарков с релизных выступлений.
Все наблюдают, как большие компании «набивают баллы» — это по накалу примерно как следить за K-линиями и их колебаниями. Но как только взаимодействие смещается из чат-окна в режим «агент сделает работу за тебя», спор уже не в том, сколько дополнительных баллов можно выжать на тестовом наборе. Он в том, сможет ли модель устойчиво пройти настоящие инженерные цепочки: контроль доступов, изоляция окружения, review человека и машины, а также привязка к локальным данным. В чате ошибся в коде три раза — можно снова переспросить; но когда агент запускает реальный workflow, одно лишнее обращение к правам или сбой в выравнивании контекста — и весь автоматизированный процесс сразу становится негодным.
Фокус конкуренции в ИИ полностью сместился: теперь это не «чат и набор текста», а агентное выполнение задач. Каким бы красивым ни был «прокачанный» скоринг, это лишь приманка для внимания — как K-линия для наблюдателей. А вот то, что агент реально и честно берет на себя всю грязную инженерную работу, стабильно доводит задачи до конца — вот это и есть настоящие фундаментальные показатели.
https://www.axios.com/2026/09/02/meta-debuts-muse-spark-13-as-personal-agent-work-continues
Source: @ChaseWang on X
Все наблюдают, как большие компании «набивают баллы» — это по накалу примерно как следить за K-линиями и их колебаниями. Но как только взаимодействие смещается из чат-окна в режим «агент сделает работу за тебя», спор уже не в том, сколько дополнительных баллов можно выжать на тестовом наборе. Он в том, сможет ли модель устойчиво пройти настоящие инженерные цепочки: контроль доступов, изоляция окружения, review человека и машины, а также привязка к локальным данным. В чате ошибся в коде три раза — можно снова переспросить; но когда агент запускает реальный workflow, одно лишнее обращение к правам или сбой в выравнивании контекста — и весь автоматизированный процесс сразу становится негодным.
Фокус конкуренции в ИИ полностью сместился: теперь это не «чат и набор текста», а агентное выполнение задач. Каким бы красивым ни был «прокачанный» скоринг, это лишь приманка для внимания — как K-линия для наблюдателей. А вот то, что агент реально и честно берет на себя всю грязную инженерную работу, стабильно доводит задачи до конца — вот это и есть настоящие фундаментальные показатели.
https://www.axios.com/2026/09/02/meta-debuts-muse-spark-13-as-personal-agent-work-continues
Source: @ChaseWang on X