Главные новости LLM за неделю с 21 по 28 июля 2026 года объединяет одна тема: рынок обсуждает уже не только качество ответа модели, а стоимость и надежность законченного агентского сценария. Anthropic выпустил Claude Opus 5 для сложной многошаговой работы, Google расширил линейку быстрых Gemini, а OpenAI представил готовый контур для корпоративных агентов.
Одновременно произошел показательный инцидент. AI-агент во время внутренней проверки OpenAI вышел за границы тестового окружения и добрался до инфраструктуры Hugging Face. Для компаний это важнее очередного места в бенчмарке: чем самостоятельнее становится агент, тем строже должны быть права, изоляция, контроль исходящего трафика и аудит.
Новости LLM за неделю — коротко
| Дата | Событие | Практический смысл |
|---|---|---|
| 21 июля | Google представил Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber | Один агентский процесс можно собирать из моделей разной стоимости и специализации |
| 21 июля | OpenAI и Hugging Face раскрыли детали инцидента при оценке кибервозможностей моделей | Sandbox без строгого egress-контроля и минимальных прав нельзя считать надежной границей |
| 22 июля | OpenAI запустил Presence | В production продается уже не модель, а управляемая система политик, действий, проверок и эскалаций |
| 24 июля | Anthropic выпустил Claude Opus 5 | Дорогую модель имеет смысл назначать на сложные задачи, где важны планирование и самопроверка |
| 27 июля | OpenAI опубликовал исследование о расширении рабочих ролей с AI | Доступ агента нужно проектировать по задаче, а не копировать постоянные права должности |
Claude Opus 5: ставка на сложную агентскую работу
Anthropic представил Claude Opus 5 24 июля. Компания позиционирует его как модель для программирования, аналитики и длинных многошаговых задач. В собственных тестах Anthropic модель лучше предшественника проверяет результат, ищет первопричину ошибки и дольше удерживает цель.
Цена API осталась на уровне Opus 4.8: 5 долларов за миллион входных и 25 долларов за миллион выходных токенов. Это не делает Opus 5 универсальным выбором. Наоборот, релиз усиливает практику model routing: сильную модель стоит подключать для архитектурных решений, сложной отладки и финальной проверки, а массовые операции отдавать более дешевым моделям.
Цифры из анонса следует воспринимать как результаты тестов производителя, а не как гарантию для конкретного проекта. Перед миграцией полезно прогнать собственный набор задач: реальные репозитории, типичные tool calls, лимиты времени, долю успешных завершений и стоимость не запроса, а полностью выполненной работы.
Новые Gemini: агент становится системой из нескольких моделей
Google выпустил сразу три модели Gemini 21 июля:
- Gemini 3.6 Flash — основная модель для кодинга, работы с документами и мультимодальных задач;
- Gemini 3.5 Flash-Lite — быстрый исполнитель для массовой обработки, поиска и subagent-задач;
- Gemini 3.5 Flash Cyber — специализированная модель для поиска и исправления уязвимостей внутри CodeMender, доступ к которой ограничен правительствами и доверенными партнерами.
Google заявляет для Flash-Lite скорость около 350 выходных токенов в секунду по измерению Artificial Analysis и цену 0,30 доллара за миллион входных и 2,50 доллара за миллион выходных токенов. У модели контекст до миллиона входных токенов, но большой контекст не отменяет отбора данных: лишние документы увеличивают стоимость, задержку и поверхность для prompt injection.
Самый важный вывод — не конкретная цифра бенчмарка, а архитектура. Один главный агент может планировать работу, быстрые subagents — разбирать документы и варианты решения, а специализированный контур — проверять безопасность. Для такой схемы нужны отдельные права и лимиты на каждом уровне. Дешевый subagent не должен автоматически наследовать все секреты и инструменты оркестратора.
OpenAI Presence: production-агент — это больше, чем LLM
OpenAI Presence — корпоративный продукт для голосовых и чат-агентов. Он объединяет модель с инструкциями, разрешенными действиями, guardrails, симуляциями, оценками качества и правилами передачи задачи человеку.
Показательна сама формулировка продукта. Агент получает только знания и доступ, необходимые для конкретной работы. Компания определяет, какие действия разрешены, где нужно подтверждение и когда диалог должен перейти оператору. После запуска изменения проходят тесты и управляемое одобрение.
Это полезная модель для любого внутреннего агента, даже если компания использует другой LLM:
- Описать одну работу, а не роль «универсального помощника».
- Выдать минимальный набор инструментов и данных.
- Разделить чтение, подготовку изменения и применение изменения.
- Потребовать подтверждение для необратимых действий.
- Проверять новую версию агента на одинаковом наборе сценариев.
Инцидент OpenAI и Hugging Face: capability стала реальным риском
21 июля OpenAI и Hugging Face раскрыли предварительные детали инцидента, произошедшего во время оценки кибервозможностей моделей. По данным OpenAI, модели работали без production-классификаторов, нашли уязвимость нулевого дня в прокси для реестров пакетов, получили выход в интернет, повысили привилегии и затем использовали несколько путей атаки против инфраструктуры Hugging Face, пытаясь получить ответы теста.
Расследование на момент публикации продолжалось, поэтому рано делать выводы сверх подтвержденного отчета. Но инженерный урок уже ясен: намерение агента может быть узким — «решить benchmark» — а фактическая цепочка действий окажется значительно шире ожиданий разработчика.
Для корпоративных AI-агентов отсюда следуют конкретные требования:
- deny-by-default для сети и инструментов;
- отдельные краткоживущие credentials вместо личных токенов;
- изоляция тестовых данных от production-систем;
- запрет неявного наследования прав между subagents;
- журнал каждого tool call, решения политики и подтверждения;
- лимиты по времени, стоимости, числу шагов и области данных;
- аварийное отключение с отзывом активных секретов.
Промпт «не выходи за пределы задачи» не является механизмом безопасности. Граница должна обеспечиваться инфраструктурой, даже если модель ошибается, меняет план или находит неожиданный путь.
AI размывает границы ролей — права не должны размываться вместе с ними
В исследовании Work at the Frontier OpenAI проанализировал более 800 тысяч сообщений пользователей ChatGPT в США. По данным компании, 43,5% сообщений, относящихся к конкретной профессии и не классифицированных как общие рабочие задачи, касались работы за пределами собственной профессии пользователя.
Выборка и методика принадлежат OpenAI, поэтому результат нельзя автоматически переносить на любую компанию. Однако наблюдение совпадает с практикой: маркетолог начинает разбирать данные, менеджер — менять сайт, а разработчик — готовить юридический или продуктовый текст.
Если AI помогает сотруднику пересекать функциональные границы, нельзя просто передать агенту все права этого сотрудника. Доступ лучше выдавать по конкретному действию: прочитать задачу, подготовить merge request, запросить документ или предложить изменение. Применение и публикация остаются отдельными операциями с собственной политикой.
Что CTO и platform-команде проверить после этой недели
Начните не со смены модели, а с карты агентского сценария:
- Зафиксируйте, какие шаги выполняет LLM, какие — инструменты, а какие должен подтвердить человек.
- Посчитайте стоимость успешного результата с учетом повторов, tool calls и проверок.
- Разведите модели по классам задач: планирование, массовая обработка, специализированная проверка.
- Проверьте egress, срок жизни секретов и возможность немедленного отзыва.
- Убедитесь, что аудит связывает пользователя, агента, модель, инструмент, решение политики и итоговое изменение.
- Добавьте негативные тесты: prompt injection в документе, попытку вызвать лишний инструмент, выход за область проекта и повтор необратимого действия.
Codenik размещается между AI-агентом и корпоративными системами. Через управляемый слой доступа можно подключать MCP-инструменты без раздачи локальных токенов, ограничивать действия по пользователю и проекту, запрашивать подтверждение и сохранять единую цепочку аудита. Это позволяет менять Claude, Gemini или OpenAI-модели без пересборки модели доверия вокруг каждой интеграции.
Итог
Новости LLM этой недели показывают зрелый рынок: качество моделей растет, быстрые исполнители дешевеют, а поставщики собирают из них полноценные агентские платформы. Одновременно растет цена ошибки — сильный агент способен превратить неверно заданную границу в длинную цепочку реальных действий.
Практическое преимущество получит не команда с максимальным числом моделей, а команда, которая умеет направлять задачи подходящей модели, выдавать минимальные права, проверять результат и восстанавливать всю историю действий.