Стек раскалывается на три вида агентов

Ландшафт агентов перестал вращаться вокруг размера моделей несколько месяцев назад. Теперь значение имеет архитектура — форма стека между сырым инференсом и тем, к чему в итоге прикасается пользователь. Три сегодняшних анонса делают этот раскол осязаемым, и для всех, кто внедряет агентов в продакшен, они проводят более чёткую границу, показывая, на что вы на самом деле подписываетесь, выбирая стек.

OpenAI приобрела Orchestra Bio, небольшой биотех-стартап, и влила его команду и технологии в Rosalind — ИИ-модель компании для исследований в области наук о жизни — и в инструмент Rosalind Workbench, помогающий исследователям планировать эксперименты и анализировать результаты [1]. Это не горизонтальная игра. Это вертикальная: модель, слой инструментов и доменно-специфичный рабочий процесс, упакованные вместе под одной крышей. Поглощение сигнализирует: передовые лаборатории видят ценность не в продаже сырого доступа к API учёным, а во владении всем пайплайном от лабораторного стола до инсайта. Для разработчиков вывод таков: универсальное API становится убыточным лидером для полностью управляемых вертикалей, где и кроется настоящая привязка к вендору.

Mistral AI запустила Voxtral 3 — полный стек голосовых агентов, объединяющий распознавание речи, синтез речи и SDK голосового агента в единое семейство моделей [3]. Он поддерживает более 50 языков, позволяет агентам вызывать внешние инструменты во время живого разговора и работает на вашей собственной инфраструктуре или через API, размещённые в ЕС. Это совершенно иной вид: нативно-голосовой агент. В отличие от архитектур, прикручивающих речь поверх текстовой модели, Voxtral 3 рассматривает голос как основную модальность. Практическая разница — в задержке и интеграции инструментов во время речевых реплик; вещи, которые ощущаются как запоздалые мысли, когда вы связываете отдельную модель ASR с LLM. Mistral делает ставку на то, что голосовые агенты реального времени — это отдельная категория продукта, а не фича, и поставляет полный стек, чтобы сделать эту ставку осязаемой.

Тем временем Pulsus запустила агента, который сокращает восстановление устройств после сбоя с 20 часов до двух минут, нацеливаясь на корпоративные Android-устройства и сотрудников, которые их используют [2]. Деталей мало, но форма знакомая: узкий, операционный агент, заменяющий процесс восстановления с участием человека на автоматизированный. Это третий вид — встроенный операционный агент, живущий внутри конкретного рабочего процесса и решающий конкретную, дорогостоящую проблему. Ему не нужно быть универсальным, голосовым или частью исследовательского воркбенча. Ему просто нужно быть быстрым и надёжным в своей узкой области.

Три архитектуры, три ставки

Эти три шага соответствуют трём разным ставкам, которые может сделать разработчик. Ставка OpenAI — вертикальная интеграция: вы принимаете управляемый стек в обмен на доменно-специфичные возможности, которые было бы трудно воспроизвести. Ставка Mistral — модально-нативная инфраструктура: вы строите на стеке, который считает голос первоклассным, с возможностью развернуть всё на своих серверах и сохранить данные под своим контролем. Ставка Pulsus — встроенная специализация: вы решаете одну операционную проблему чрезвычайно хорошо, без претензий на универсальность.

Ни одна из них не является «правильной» архитектурой в абстрактном смысле. Выбор зависит от того, что вы оптимизируете — время до получения ценности в регулируемой области, голосовое взаимодействие в реальном времени с вызовом инструментов или снижение операционных затрат в конкретном корпоративном процессе.

Что это значит, когда вы строите сегодня

Практический вывод таков: эра единого универсального агентного стека заканчивается, едва успев начаться. Когда вы стартуете новый агентный проект, первый вопрос — не какую LLM вызывать. Первый вопрос — какой вид вы строите. Если вы в биотехе или в столь же глубокой предметной области, передовые лаборатории идут за вашим стеком и несут с собой весь воркбенч. Если вы создаёте голосовых агентов, инфраструктура теперь доступна как унифицированный стек, и опция self-hosting меняет правила игры в вопросе локализации данных. Если вы автоматизируете корпоративные операции, шаблон ясен: найдите 20-часовое восстановление после сбоя и сожмите его до двух минут.

Модели — это лишь входной билет. Архитектура — это и есть продукт.