Anthropic представила Claude Cowork и Claude Code, а исследования и проекты развивают экосистему агентных систем
Anthropic представила Claude Cowork и Claude Code. Инструменты дают агенту возможность управлять мышью, клавиатурой и экраном компьютера в macOS research preview, по сути, работать с системой так же, как человек. Такой подход расширяет возможности агентов за пределы API и браузеров: они могут напрямую взаимодействовать с рабочим столом.
Параллельно формируется более широкая экосистема агентных систем. Проекты Hermes Agent, T3 Code, Command Center и Parchi нацелены на поддержку длительных параллельных рабочих процессов с большим количеством инструментов. Также они решают задачу оркестрации нескольких агентов и позволяют выполнять задачи автономно.
При этом остаются операционные сложности. Отмечают хрупкость и неэффективность субагентов, включая GPT-5.2 Pro и режимы browser/computer use у Claude, поэтому возникает потребность в системах с замкнутой обратной связью. Исследование Meta (деятельность Meta признана экстремистской и запрещена в РФ) AI предлагает несколько направлений для самоулучшающихся агентов, Hyperagents / DGM-H дают процедурные улучшения на мета-уровне, а метод RLLM (RL + LM-as-RM) объединяет reinforcement learning post-training для улучшения reward modeling в разных типах задач. Отдельно упоминается WebArena-Infinity: он существенно снижает стоимость создания браузерных сред и ускоряет генерацию benchmark и сред.
Ключевые факты
Anthropic представила Claude Cowork и Claude Code, позволяющие агенту управлять мышью, клавиатурой и экраном компьютера в macOS research preview.
В экосистеме агентов развиваются проекты Hermes Agent, T3 Code, Command Center и Parchi, ориентированные на многоагентную оркестрацию и автономное управление задачами.
Отмечены операционные проблемы субагентов, включая хрупкость и неэффективность при использовании GPT-5.2 Pro и возможностей браузера/компьютера у Claude.
Meta AI представила исследования Hyperagents / DGM-H для мета‑уровневых процедурных улучшений агентов и подход RLLM (RL + LM-as-RM) для унификации RL‑дообучения и моделирования награды; также WebArena-Infinity снижает стоимость создания браузерных сред для бенчмарков.