ИИтог

ИИ-агенты осваивают разработку и услуги: GPU-оптимизация, автоматизация труда и новые бенчмарки

ИИ-агентыРедакция ИИтогImport AI🔥83Рейтинг ИИтог · значимость 76 · 62500/ч

Нейросетевые системы делают неожиданный прорыв в четырёх направлениях.

Во-первых, Фабл добился результата на бенчмарке KernelBench-Mega: написал GPU-ядро с ускорением в 18,71 раза на RTX PRO 6000 Blackwell, обогнав Claude Opus 4.8 (14,4x), GLM-5.2 (11,14x) и GPT 5.5 (4,34x). Ключевой момент: Фабл использовал одиночный кооперативный запуск ядра на каждый токен, тогда как конкурентные решения разбивали задачу на 4, 14 отдельных запусков. Это важно, потому что оптимизация GPU-ядер, фундаментальный навык для AI-разработки: чем лучше системы становятся в таких задачах, тем быстрее замыкается петля самосовершенствования.

Во-вторых, индекс удалённого труда (Remote Labor Index) продемонстрировал скачок: успешное выполнение работ выросло с 2,5% в октябре 2025 года до 16,1% в июле 2026. Три фронтирные модели показали прогресс разный: GPT-5.5 справился с 6,3%, Claude Opus 4.8 с 8,3%, Fable 5 с 16,1%. Тестируемые задачи, реальная экономическая работа: 3D-моделирование и CAD, архитектура, графический дизайн, видео и анимация, аудиообработка, анализ данных, веб-приложения. Примеры конкретных заданий: переделать обручальное кольцо (поменять форму центрального камня, создать 3D-модель и фотореалистичные визуализации), снять 60-секундную анимированную рекламу, подготовить план переустройства ванной по снимкам и обмерам. Автор размышляет о дилемме: если развитие ИИ происходит быстрее, чем люди адаптируются и находят новые ниши, человечество рискует потерять конкурентное преимущество. Проверить гипотезу помогут именно такие индексы, они показывают темп расширения возможностей ИИ.

В-третьих, опубликован OSWORLD 2.0, бенчмарк для оценки способности AI-систем выполнять многошаговые, многопрограммные задачи на компьютере. Версия 2.0 намного сложнее: медианное время выполнения одной задачи, 1,6 часа против 2 минут в версии 1.0 (в 48 раз больше). Всего 108 долгих задач, в том числе 31 самохостируемый веб-сайт. Почти 70% задач требуют более часа работы квалифицированного человека. Тестовое окружение включает Slack, LinkedIn, AWS, Overleaf, LabPlot, Zotero, GitLab, MuseScore и другие инструменты, плюс веб-имитации страховых заявок, визовых анкет, конференц-платформ. Категории: подготовка документов, работа с БД и ПО, финансовый/операционный анализ, администрирование, продажи, поддержка клиентов, создание графики. Сильнейшая настройка, Claude Opus 4.8 с максимум думанием и пакетными вызовами инструментов, достигает лишь 20,6% точности на полное решение и 54,8% на частичное. Как ожидается, результаты будут улучшаться: в версии 1.0 лучшие модели стартовали с ~30% и дошли до ~75%.

В-четвёртых, JD.com (китайский аналог Amazon) опубликовал описание своей системы Oxygen AI Item Center для управления гигантским инвентарём: 700 млн пользователей, миллионы торговцев, десятки миллиардов товаров (SKU). Система обрабатывает сотни миллионов обновлений товаров в день на ускорителях Huawei Ascend. Конструкция системы сочетает четыре элемента: разработка онтологии через сотрудничество человека и алгоритмов (эксперты фиксируют правила, ИИ их масштабирует), двухэтапный поиск (семантический поиск в эволюционирующей базе знаний, затем дискриминация, проверка соответствия), самоэволюционирующие языковые модели (инкрементальное обучение без забывания старого), унифицированный транспортный слой для синхронизации данных. Это практическое воплощение интеграции глубокого обучения со структурированными системами в масштабе страны. Проект также отражает китайский курс на технологический суверенитет, вся обработка идёт на собственных процессорах Huawei, а не на зарубежном железе.

Ключевые факты

  • Фабл написал рекордное GPU-ядро с ускорением 18,71x, превзойдя конкурентов благодаря элегантной архитектуре одиночного кооперативного запуска
  • Remote Labor Index показал взлёт способности ИИ-систем выполнять фриланс-работы: рост с 2,5% до 16,1% за 9 месяцев, Fable достигла почти утроения среднего результата
  • OSWORLD 2.0 оценивает ИИ на многочасовых задачах (медиана 1,6 часа), включающих реальный софт (AWS, Slack, Zotero); Claude Opus 4.8 пока только 20,6%, но прогресс ожидается как в v1.0
  • JD.com развернула Oxygen AIIC для управления 700M пользователей и миллиардами товаров, интегрируя онтологию, семантический поиск и самоэволюционирующие модели на собственных китайских ускорителях
  • Четыре примера показывают: ИИ переходит из лабораторий в производство, от узких R&D задач к широкому автоматизированию труда и хозяйственным системам страны

Почему это важно

Эти четыре события сигнализируют о качественном скачке в экономической ценности ИИ-систем. Раньше ИИ побеждал в узких аркадных задачах. Теперь ИИ осваивает долгие цепочки действий, требующие гибкости и адаптации: проектирование микрочипов (GPU-ядра), выполнение разнородного фриланса (видео, анимация, CAD), управление сложными компьютерными интерфейсами (OSWORLD 2.0), координация страницы товаров в экосистеме миллиардов SKU (Oxygen AIIC). Эти задачи ранее требовали человека. Рост на Remote Labor Index за полгода означает, что если тенденция продолжится, через 2, 3 года ИИ сможет конкурировать с человеком по цене и качеству на значительной части рынка удалённых услуг. Бенчмарки (KernelBench-Mega, OSWORLD 2.0) фиксируют моменты перелома, эти цифры потом упоминают в инвестиционных презентациях и стратегиях компаний.

Кому это важно

Результаты Фабла прямо касаются специалистов по оптимизации, инженеры, работающие с GPU-ядрами, теперь конкурируют с автоматической системой. Люди, зарабатывающие на фриланс-услугах (дизайнеры, 3D-моделировщики, видеомонтажёры, веб-разработчики), смотрят на 16% и понимают: за 2, 3 года этот процент станет 50%, потом 80%. JD.com и другие крупные e-commerce компании, это бенефициары: система Oxygen AIIC позволяет им масштабировать каталоги при неизменном числе сотрудников. Исследователи ИИ видят эти бенчмарки и выбирают следующую фокусировку. Регуляторы и политики должны готовиться к волне переквалификации. Венчурные инвесторы ищут компании, которые встанут на волну (или выиграют от неё).

Как это применить

Компаниям рекомендуется ревизировать собственные операции на предмет задач, похожих на те, что появляются в бенчмарках: долгие компьютерные цепочки, дизайн-работы, аналитика. Прототипировать внедрение ИИ-агентов на подмножестве операций, следить за тем, как OSWORLD 2.0 или Remote Labor Index меняются в сторону роста. Для инженеров: если вы пишете GPU-ядра или оптимизируете компьютерный код, начните рассматривать ИИ-системы как инструмент кооптации (не как замену, а как соавтор). Для фриланса и малого бизнеса: пока 16%, это грозное предупреждение, но не приговор. Срок адаптации есть. Нужно занимать более высокие позиции: управление проектами, консультирование, авторское творчество там, где нужна оригинальность, а не исполнение шаблона.

Можно ли доверять

Все четыре источника данных, опубликованные бенчмарки, исследовательские статьи, заявления компаний. KernelBench-Mega имеет открытую таблицу лидеров. Remote Labor Index, работа признанных исследовательских центров (CAIS, Scale Labs), опубликованная с методологией. OSWORLD 2.0, многоинституциональный проект с открытым кодом на GitHub, пишется статья. Oxygen AIIC, исследовательская статья от JD.com, компании, которая имеет стимул не врать (репутация, инвесторы). Однако есть важная оговорка: успехи на бенчмарках не всегда напрямую переносятся на реальные условия. OSWORLD 2.0 симулирует реальность, но не идеально; Remote Labor Index тестирует на конкретном наборе задач (может, другие будут проще или сложнее). Ядро, хорошее для KernelBench-Mega, может быть медленнее на других конфигурациях железа. Поэтому доверять цифрам можно, но аккуратно: это сигналы тренда, а не предсказания конкретного будущего.

Риски и подводные камни

Первый риск: экстраполяция. Если 16% вырастет до 80%, это не обязательно произойдёт за 2 года. Сложность задач может возрасти быстрее, чем способность ИИ их решать. Второй: на бенчмарках ИИ работает в чистом окружении, без шума реальной жизни. Клиент может дать противоречивые требования, потом их поменять, условия могут быть недокументированы. На OSWORLD 2.0 скрипт всегда даст один и тот же результат. Третий: замещение труда нелинейно. Рост ИИ с 2,5% до 16% может привести не к потере 13,5% рабочих мест, а к концентрации работы в других руках, к понижению ставок, к поляризации рынка. Четвёртый: нейронные системы чёрные ящики. Почему Фабл выбрал архитектуру с одиночным запуском? Теоретическое понимание есть, но полного объяснения нет. Если система ошибётся на критичной задаче (например, в коде безопасности), отладка затруднена. Пятый: системное замедление. Если все начнут использовать ИИ для тех же задач, конкуренция убьёт маржу. Шестой: данные и мотивация. Remote Labor Index показывает успешный фриланс, но не показывает стоимость ошибок, переделок, специфики клиентских отношений. На реальном рынке высокое качество стоит дороже. ИИ может биться в ценовой сегмент, а люди в эксклюзивный, это может быть стабильно долгие годы.

«Чем лучше ИИ-системы становятся в таких задачах, тем лучше они справляются с типами работ, необходимых для AI-разработки, что означает, что они становятся лучше в том, что может привести к рекурсивному самосовершенствованию.»

— Import AI о значимости автономной разработки GPU-ядер