Sequoia выпустила отчёт с тезисом, что по их ощущениям мы уже вошли в эпоху AGI. Главное не«разум как человек», а в том, что системы начали самостоятельно разбираться с задачами без постоянного пошагового контроля. Главный драйвер - long-horizon agents: агенты, которые могут долго выполнять работу, исправлять ошибки, возвращаться после тупиков и продолжать движение к цели. Sequoia объясняет “умение разобраться самому” через 3 компонента: 1) Pre-training (знания) То, что дала волна ChatGPT 2022 года - модели получили огромный запас знаний и базовую языковую компетентность. 2) Inference-time compute (больше рассуждений при ответе) Следующий шаг - модели, которые «думают дольше», прежде чем отвечать (в отчёте это связывают с линией OpenAI o1 в конце 2024). 3) Agent loops (итерации) Самое новое - агенты, которые умеют: - составить план, - использовать инструменты, - хранить состояние, - делать несколько попыток, пока не дойдут до результата. В качестве примера упоминаются инструменты уровня Claude Code. Один из кейсов в отчёте - рекрутинг: агент получает задачу найти кандидатов, дальше сам ищет, фильтрует по сигналам, перепроверяет источники и пишет текст для outreach. В отчёте это занимает около 31 минуты - чтобы показать работу через гипотезы, ошибки и корректировки. Технически Sequoia разделяет прогресс на две ветки: - RL (reinforcement learning) - учит модель более длинному и связному поведению; - agent harnesses - внешняя “обвязка”: память, handoff между шагами, ограничения и guardrails. Итог: фокус смещается от чатботов к системам, которые могут долго и автономно выполнять задачи, а не просто отвечать на вопросы. https://sequoiacap.com/article/2026-this-is-agi/