CoworkOS: авторы представили среду для агентов-коллег с субагентами и памятью
В препринте представлена CoworkOS, универсальная среда (harness) для долгосрочной работы агентов-коллег (cowork agents). Исходная проблема, по словам авторов: офисная и продуктовая работа требует одновременно высокого качества результата на сложных задачах и постоянного мониторинга и принятия решений на длинной дистанции, а это сочетание остаётся открытой задачей.
Ключевая идея, разделить стратегию задачи и управление исполнением. Модель решает, какие действия предпринять, кому делегировать и когда принять результат, а среда выполнения (runtime) хранит состояние и обратную связь. Трёхслойная архитектура позволяет выполнять задачу напрямую либо передавать её субагентам (Subagents), синхронно или асинхронно, при стабильном распределении ответственности.
Через общий прикладной слой люди и агенты просматривают и правят одни и те же развивающиеся документы, презентации, CAD-модели и сцены Blender. Поэтому человек может участвовать и в диалоге, и прямым изменением самой работы. Для непрерывности между агентами и сессиями добавлены иерархические рабочие пространства и постоянная семантическая память: рабочие файлы, ключевые решения и журналы долгих задач (Job) можно делиться, переиспользовать и возобновлять после перерыва.
Авторы пишут, что на 12 бенчмарках и 6 категориях реальных приложений CoworkOS показала себя очень конкурентной по сравнению с передовыми агентскими приложениями вроде Codex и DeepSeek Harness. Результаты по отдельным бенчмаркам в тексте не приведены.
В качестве примера устойчивой работы CoworkOS с моделью GLM-5.3 в роли основы провела автоматическое дообучение (post-training) модели Qwen3.6-35B-A3B по схеме, названной RSI-driven. За пять раундов средний балл Qwen3.6-35B-A3B по восьми бенчмаркам вырос с 33,19 до 42,95 (+9,76). Авторы полагают, что CoworkOS открывает значимый путь к универсальному интеллекту агентов-коллег.
Ключевые факты
- CoworkOS, универсальная среда для долгой работы: модель отвечает за действия, делегирование и приёмку, а среда выполнения хранит состояние и обратную связь.
- Трёхслойная архитектура допускает прямое исполнение или делегирование субагентам, синхронное и асинхронное.
- Люди и агенты совместно правят документы, презентации, CAD-модели и сцены Blender; иерархические рабочие пространства и семантическая память позволяют возобновлять работу после перерыва.
- На 12 бенчмарках и 6 категориях приложений, по заявлению авторов, система очень конкурентна с Codex и DeepSeek Harness; цифр по отдельным тестам нет.
- В кейсе с GLM-5.3 в роли основы среднее по восьми бенчмаркам у Qwen3.6-35B-A3B выросло с 33,19 до 42,95 (+9,76) за пять раундов автоматического дообучения.
Почему это важно
Агенты, которые берутся за длинную офисную и инженерную работу, упираются в удержание состояния, контроль качества и возобновление после перерывов. CoworkOS предлагает одно из архитектурных решений: отделить стратегию, которую ведёт модель, от управления исполнением в среде. Отдельный интерес вызывает кейс, где агентная среда сама дообучает другую модель и поднимает её средний балл на восьми бенчмарках с 33,19 до 42,95.
Кому это важно
Разработчикам агентных систем и сред исполнения, командам, которые строят агентов для документов, презентаций, CAD и Blender, а также исследователям автоматизированного дообучения моделей.
Как это применить
Из описания видно лишь архитектурный принцип: держать в модели решения о действиях, делегировании и приёмке, а состояние, обратную связь, рабочие пространства и память, в среде выполнения, с общим слоем, где человек правит тот же артефакт, что и агент. Сведений о коде, выпуске, лицензии или доступности системы в тексте нет.
Можно ли доверять
Это резюме препринта, написанное самими авторами. Сравнение с Codex и DeepSeek Harness дано одной формулировкой «очень конкурентна», без результатов по отдельным тестам. Названия бенчмарков, шкала баллов 33,19 и 42,95 и то, измерялся ли рост на отложенных тестах, не указаны. Независимой проверки в тексте нет.
Риски и подводные камни
Общая оценка конкурентоспособности без таблиц не позволяет понять, где система сильна, а где слаба. Прирост в кейсе дообучения дан без шкалы и без сведений о вычислительных затратах и времени. Утверждение о «значимом пути» к универсальному интеллекту агентов-коллег, убеждение авторов, а не продемонстрированный результат.