AI-дайджест сентября 2026: генерация дешевеет, проверка дорожает

Седьмой выпуск Александр Поломодов ведёт с DotNext и сразу задаёт рамку: в сентябре разговор смещается от самих моделей к системам вокруг них — долгим агентам, контексту, наблюдаемости, песочницам, безопасности и экономике. Алексей начинает с публичной беты Agents API, в которой OpenAI продаёт обвязку Codex как отдельный продукт. Соведущие сравнивают связку модели и обвязки у одной лаборатории с подходом Apple к железу и софту и объясняют, почему корпорации бывает проще купить готовый слой, за который отвечает поставщик, чем собирать и защищать свой.

Спрос на токены растёт вместе с самостоятельностью моделей. По расчёту Алексея, на полную оркестрацию агентов с GPT-6 Astra ему понадобилось бы около 600 подписок в месяц. Александр видит в новых тарифах и облачных агентах путь от оплаты токенов к оплате работы агентов. Затем разговор переходит к безопасности: модели обходят ограничения, OpenAI, по словам Алексея, в системной карте Astra не гарантирует, что рассуждения модели отражают то, что она на самом деле думает, а сгенерированный код часто работает, но не проходит проверку безопасности. Александр предлагает разделять роли автора и критика между разными моделями.

Вторая линия — агент как продакшн-сервис. OpenAI добавляет в аналитику Codex результаты работы наряду с расходами, GitHub Copilot экспортирует трейсы агентов по OpenTelemetry, AWS ограничивает действия инструментов на уровне объектов. Евгений объясняет, почему DX-платформы без сырых трейсов дают лишь приблизительную оценку, а Александр — почему провайдер обвязки видит весь цикл работы и может продать самый точный отчёт. Противоположный тренд — заявленное OpenAI решение варианта задачи Навье — Стокса внутренней моделью сильнее Astra. Ведущие спорят о вкладе математиков и о том, где AI действительно ускорит науку.

Евгений приносит прикладные новости: модель Jeff для калиброванного выбора, скоринга и вероятностных решений, которая в эксперименте его команды ускорила генерацию экрана примерно на порядок, и цикл оптимизации промптов по трейсам на Amazon Bedrock AgentCore. Отсюда разговор о юнит-экономике: прототип на фронтирной модели, продакшн — на дешёвой и дообученной. Александр сравнивает такие контуры самоулучшения с Kubernetes. В прогнозах на октябрь — скорость Opus 5.5, более дешёвый кэш для долгих задач, догоняющие китайские модели и AI в государственном управлении.