Ученые OpenAI советуют: не тратьте слишком много усилий на Harness, следующие модели могут стать встроенными.

OpenAI исследователь Noam Brown, занимающийся разработкой моделей рассуждения, публично посоветовал разработчикам не тратить силы на сложные Agent-фреймворки (Harness). Его аргумент: модели прогрессируют настолько быстро, что функции, созданные сегодня с помощью фреймворков, через несколько месяцев могут стать встроенными возможностями самих моделей. Эту позицию поддержал и руководитель корпоративных продуктов OpenAI Alexander Embiricos.

（Предыстория: Краткий обзор четырёх категорий трека AI Agent: фреймворки, Launchpad, приложения и Meme） （Контекст: OpenAI выпустила сильнейшие модели рассуждения o3 и o4-mini: умеют думать над изображениями, автоматически выбирать инструменты, прорыв в математике и кодинге）

Содержание

Toggle

• Экономьте силы — пусть модель справляется сама
• Другая сторона не согласна: фреймворк — настоящий ров
• Спор заключается в ставке на следующую версию модели

Ключевые моменты

• Noam Brown советует не вкладывать силы в сложные Agent-фреймворки
• Noam Brown руководит разработкой моделей рассуждения серии o
• Эксперимент оппонентов: за один вечер доработка фреймворка позволила 15 моделям писать код значительно лучше

Пока всё AI-сообщество занято наращиванием слоёв Agent-фреймворков, сотрудники OpenAI сами выступили против. Старший исследователь OpenAI Noam Brown публично рекомендовал разработчикам не тратить слишком много энергии на сложные Agent-фреймворки (Harness — обвязка вокруг модели, отвечающая за вызов инструментов и разбивку шагов, сама по себе не занимается настоящим мышлением). Способности моделей слишком быстро прогрессируют: функции, которые сегодня выжимаются за счёт фреймворка, в ближайшие месяцы могут стать встроенными возможностями модели. Он советует разработчикам держать фреймворк простым и передавать больше работы самой модели.

Noam Brown, призывающий не строить громоздкие фреймворки, является одним из ключевых двигателей моделей рассуждения OpenAI (серия o, например o1, o3). Он специализируется на test-time compute, когда модель тратит больше вычислительных ресурсов на размышления. До OpenAI работал в Meta, создавал известные AI для покера и стратегических игр. Такой бэкграунд придаёт его словам о способностях моделей особый вес.

Noam Brown приводил пример: до появления моделей рассуждения разработчикам приходилось с помощью большого объёма инженерии сложным образом разбивать задачи для GPT-4 и подобных нерассуждающих моделей — многократные вызовы, декомпозиция шагов, внешняя оркестровка, чтобы искусственно выжать рассуждение. После выхода o1 почти вся эта инженерия потеряла смысл: тщательно построенные внешние фреймворки только ухудшали результат, а прямая передача задачи модели рассуждений без каких-либо «лесов» давала лучшие показатели.

Экономьте силы — пусть модель справляется сама

Руководитель корпоративных продуктов OpenAI Alexander Embiricos также поддержал эту позицию. Он сказал, что компания намеренно избегает ручной разработки тех способностей, которые будущие модели должны будут иметь сами. Функции, которые инженеры создают ночами сегодня, вполне могут оказаться просто «подрядными работами» для следующей версии модели — ещё до запуска они будут обречены на замену. Команда Codex в OpenAI выразилась ещё прямолинейнее: «Строительство лесов — это костыль, а не расширение».

Другая сторона не согласна: фреймворк — настоящий ров

На самом деле это разгорающаяся дискуссия, и не все с ней согласны. Основатель LlamaIndex Jerry Liu однажды сказал обратное: «Фреймворк — это всё». Он считает, что инженерия контекста (умение подавать модели нужный контекст) и дизайн рабочих процессов — ключ к тому, чтобы разработчики выжали из AI максимум ценности.

Эмпирическое доказательство со стороны оппонентов: в феврале 2026 года за один вечер была изменена только структура фреймворка, без замены модели, что привело к значительному повышению качества написания кода у всех 15 больших языковых моделей. Также наблюдалось, что почти каждый запущенный Agent в итоге сводится к основному циклу: вызов инструмента → получение результата → помещение в контекст → повторный запрос к модели. Сама архитектура фреймворка может быть ключевой ценностью продукта. У обеих сторон есть реальные результаты, и в этой борьбе пока никто не одержал окончательную победу.

Спор заключается в ставке на следующую версию модели

По сути, этот спор сводится к одному и тому же вопросу: стоит ли соревноваться с прогрессом моделей? Он напоминает давно циркулирующий в AI-сообществе «Горький урок»: общие методы, опирающиеся на вычислительную мощность, в долгосрочной перспективе часто побеждают ручную изобретательность. Делать ставку на фреймворк как на ров — это в некотором смысле игра против следующей версии модели, надеясь, что она не научится тому, что вы так трудно построили.

Это предостережение не является чем-то далёким и для криптосообщества. AI Agent — один из самых горячих нарративов последних двух лет, и многие команды вкладываются в сложные ручные Agent-фреймворки как в свой ров. Слова Noam Brown звучат прямо: то, что вы строите сегодня, через несколько месяцев может быть «съедено» встроенными возможностями модели. А какие именно функции «съест» следующая версия модели — никто не может гарантировать, включая самого Noam Brown.

Часто задаваемые вопросы

Что такое Harness (фреймворк) для AI Agent?

Harness — это обвязка вокруг модели, отвечающая за вызов инструментов и оркестровку шагов; сама по себе она не занимается настоящим мышлением. Например, слой, который связывает вызовы и повторные попытки, и есть Harness.

Почему Noam Brown советует разработчикам не переинвестировать в Agent-фреймворки?

Потому что способности моделей прогрессируют слишком быстро: функции, реализованные сегодня с помощью фреймворка, через несколько месяцев могут стать встроенными возможностями самой модели, и чрезмерные инвестиции окажутся напрасными.