В этом году битва будет не только за качество моделей ИИ, но и за качество агентских систем, или обвязок вокруг модели, если сказать другими словами**.**
Агентская система управляет моделью и инструментами для того, чтобы выполнить задачу пользователя.
Как выглядит агентская петля (loop):\
- Человек формулирует задачу\
- Агент собирает промпт (расширенные инструкции + контекст + список инструментов)\
- Модель отвечает: либо текстом, либо действием (tool call)\
- Агент выполняет действие (показать ответ пользователю, вызвать терминал, поискать в интернете, поискать или поправить файлы)\
- Результат действия сообирается в новый промпт и возвращается в модель, а цикл повторяется, пока задача пользователя не будет решена
Упрощая:
– LLM думает
– агент действует в среде (на компьютере пользователя, в терминале и проч.) и говорит LLM что происходит
– LLM думает дальше
Это уже не чат, а среда с памятью, инструментами и состоянием, которая очень сильно влияет на результат.
Поэтому одна и та же модель opus 4.5 будут давать соверешно разный результат в Cursor и в Claude Code. Аналогией могут быть две машины с одинаковым двигателем – мощность одна и та же, но ощущения разные в зависимости от кузова, настроек и других особенностей каждого авто.
Отдельно замечу, что модели надо тренировать по полгода, а агентские системы сейчас обновляются каждый день на базе бесконечного потока обратной связи от миллионов пользователей, и это позволяет им улучшаться очень быстро.
Ждём соответствующих бенчмарков.
Разбор сделан на основе статьи OpenAI Unrolling the Codex agent loop, но так же актуален и для Claude Code, OpenCode, Gemini CLI, Cursor и прочих.