Проблема: ИИ-агенты устают раньше, чем задача решена
Компании, внедряющие ИИ-автоматизацию, сталкиваются с одной и той же стеной: модели справляются с короткими задачами, но деградируют при длинных сессиях. Теряется контекст инструкций, появляются галлюцинации, агент «застревает» в петле. Результат — постоянный надзор со стороны человека, который нивелирует экономию от автоматизации.
Это не теоретическая проблема. Это операционная реальность для любой команды, которая пробовала запустить многошаговый автоматизированный пайплайн.
Решение: архитектура «долгосрочных рассуждений»
Alibaba выпустила Qwen3.7-Max — модель, спроектированную специально как «универсальная агентная основа» с поддержкой многосуточных автономных сессий. Ключевая техническая идея — «масштабирование среды»: модель обучалась не просто на текстах, а на динамических средах с обратной связью, что позволяет ей итерировать и адаптироваться на протяжении длинных задач.
Задокументированный результат: за 35 непрерывных часов модель оптимизировала программное ядро на незнакомой аппаратной платформе — 1158 вызовов инструментов, 432 итерации оценки, самостоятельная диагностика ошибок компиляции. Ускорение составило 10x. Открытые конкуренты на той же задаче показали 5–7x и нередко прерывали сессию до завершения.
Модель также поддерживает внешние инструменты, включая Claude Code от Anthropic — что делает её совместимой с существующими инструментальными стеками.
Что это означает для бизнеса
Смена модели надзора. Классическая схема «агент → человек проверяет → агент продолжает» уступает место модели «агент получает задачу — возвращает результат». Человек нужен на входе и на выходе, но не между шагами.
Новые сценарии автоматизации. Задачи, которые раньше требовали многоэтапного ручного управления — комплексный технический аудит, итеративная генерация и тестирование контента, многошаговый анализ данных — теперь укладываются в одну агентную сессию.
Ограничение для европейских и американских компаний. Qwen3.7-Max распространяется как проприетарная модель через API на китайской инфраструктуре. Для бизнеса с требованиями к суверенитету данных или государственными контрактами это создаёт реальные compliance-ограничения.
Рыночный сигнал. Alibaba впервые закрыла топовую модель за платный API, выровняв стратегию с OpenAI и Google. Открытые версии Qwen остаются, но самые мощные агентные возможности — только платно. Конкуренция между провайдерами будет давить цены вниз, что выгодно для потребителей.
Практический вывод
Агентный ИИ перестал быть экспериментальной концепцией — он стал продуктовой стратегией крупнейших ИИ-лабораторий мира. Для команд, которые строят автоматизацию сегодня, важно одно: проектировать рабочие процессы под итерационную, а не одноходовую логику. Агент с доступом к инструментам и правильно заданной структурой задачи стабильно превосходит агента, которому просто дали длинный промпт.
Следующие 12 месяцев определят, какие компании научатся использовать марафонных агентов — и какие останутся в режиме ручного надзора.