Автор: Николай Никулин
Большой обзор Joni, Vellum, Grok Bot, Zo Computer, Perplexity Computer, ChatGPT Work, Manus, Genspark, Lindy, Sintra, Anuma, OpenClaw и Hermes Agent.
Содержание статьи 01 Короткий вывод
02 Персональный агент — не просто чат с памятью
03 Карта рынка: семь разных подходов
04 Обзор продуктов
05 Сравнение ключевых продуктов
06 Как продукты зарабатывают
07 Где находится настоящий технологический ров
08 Главный барьер — не интеллект, а доверие
09 Что стоит копировать при создании собственного продукта
10 Какой продукт выбрать сегодня
11 Что будет дальше
12 Итог
13 Источники
Ещё недавно ИИ выбирали по тому, насколько хорошо он отвечает. Теперь критерий меняется: какую работу ему можно передать и сможет ли он вернуть проверяемый результат.
Так появляется новый класс продуктов — персональные ИИ-агенты. Они не заканчивают работу вместе с диалогом: помнят контекст, используют файлы и приложения, продолжают задачи в фоне и действуют в пределах выданных полномочий.
Снаружи эти системы устроены по-разному. Одна выглядит как личный компьютер, другая — как команда цифровых коллег, третья — как переносимая память. Но продуктовая ставка у них общая.
Персональный ИИ-агент — это рабочая система вокруг модели: постоянная память, исполняющая среда, инструменты и понятный контур прав.
В этом обзоре я сравниваю 13 продуктов и открытых подходов: как они устроены, на чём зарабатывают, где создают технологический ров и кому подходят. Основа — публичная документация компаний по состоянию на 27 августа 2026 года. Это не единый лабораторный тест: заявленные возможности и мои аналитические выводы в тексте разделены.
01 Короткий вывод
Рынок персональных агентов уже нельзя свести к сравнению моделей.
Joni наиболее цельно упаковывает идею персонального ИИ-компьютера для массового пользователя.
Vellum делает самую сильную ставку на контроль, прозрачные разрешения и собственную идентичность помощника.
Grok Bot показывает наиболее прямую модель цифровой команды: несколько постоянных ботов работают параллельно и передают задачи друг другу.
Zo Computer ближе остальных к настоящему персональному облачному компьютеру с вычислительными ресурсами, хостингом и доменами.
Perplexity Computer силён в долгих исследованиях, мониторинге и процессах, которые могут идти часами или месяцами.
ChatGPT Work опасен для всего рынка за счёт дистрибуции, качества моделей и глубокой работы с файлами и приложениями.
Manus соединяет автономное выполнение задачи, постоянный облачный компьютер и превращение удачных процессов в повторяемые навыки.
Genspark строит не одного агента, а широкую рабочую среду для документов, сайтов, дизайна, медиа и совместной работы людей с агентами.
Lindy ближе к операционному помощнику: почта, календарь, встречи, отчёты, повторяемые процессы и подтверждения внешних действий.
Sintra продаёт понятную малому бизнесу метафору ролевой команды: маркетолог, продавец, рекрутер, аналитик и другие сотрудники используют общую память бизнеса.
Anuma делает ставку на переносимую память пользователя, которая хранится на устройстве и работает сразу с несколькими моделями.
OpenClaw и Hermes Agent дают максимум свободы и контроля, но требуют инженерной сборки, защиты и эксплуатации.
Главный общий вывод:
Модель постепенно становится внутренним компонентом продукта. Конкуренция перемещается в память, исполняющую среду, надёжность действий, управление правами и дистрибуцию.
Как я сравнивал продукты
В обзор вошли не все сервисы, которые называют себя агентами. Я отбирал продукты, где есть хотя бы несколько признаков самостоятельной рабочей системы:
постоянная среда или рабочее пространство;
память между сессиями;
инструменты и внешние действия;
фоновые или повторяемые процессы;
несколько агентов или навыков;
отдельная цифровая идентичность;
собственный контур прав и подтверждений.
Сравнение построено по публичной документации, условиям использования, тарифам и официальным анонсам. Это не лабораторный тест качества выполнения. Матрица показывает устройство и продуктовую ставку систем, а не гарантирует одинаковую глубину каждой функции.
02 Персональный агент — не просто чат с памятью
У рынка пока нет единого определения. Почти любой сервис с инструментами теперь называет себя агентом. Поэтому полезнее смотреть не на термин, а на архитектуру.
Полноценный персональный агент обычно включает семь слоёв:
Пользователь ↓ Интерфейс делегирования ↓ Оркестратор и специализированные агенты ↓ Одна или несколько языковых моделей ↓ Постоянная память и рабочее пространство ↓ Браузер, приложения, файлы, код и внешние каналы ↓ Результат, действие, журнал и подтверждение
Если убрать постоянную память, получится умный чат. Если убрать рабочую среду, агент не сможет продолжать задачу. Если убрать инструменты, он будет только советовать. Если убрать права и подтверждения, получится опасная автоматизация, которой нельзя доверить реальные системы.
Поэтому персональный агент — это не одна функция. Это связка из нескольких подсистем.
1. Постоянная рабочая среда
Обычный чат работает в рамках текущего запроса. Агенту нужна среда, которая существует между сессиями: файловая система, установленные инструменты, открытые проекты, браузерные сессии, фоновые процессы.
В разных продуктах эта среда называется по-разному:
private AI computer у Joni;
Vellum Cloud workspace;
persistent cloud computer у Grok Bot;
personal cloud у Zo;
Cloud Computer у Manus;
workspace и SecondBrain у Genspark.
Смысл один: работа не должна исчезать после закрытия чата.
2. Долгосрочная память
Память — не история переписки. История хранит текст разговоров. Полезная память должна извлекать из них факты, предпочтения, решения, проекты, людей и рабочие правила.
Хорошая система памяти отвечает на пять вопросов:
Что именно агент запомнил?
Откуда взялся этот факт?
Насколько он актуален?
Где он используется?
Как его исправить или удалить?
Если пользователь не может проверить память, персонализация быстро превращается в скрытый источник ошибок.
3. Инструменты и компьютерное управление
Главная граница между чатом и агентом проходит не по качеству рассуждения, а по способности выполнить действие.
Агенту нужны:
браузер;
работа с файлами;
терминал и выполнение кода;
доступ к почте, календарю и мессенджерам;
подключение к CRM, базе знаний и внутренним системам;
иногда управление интерфейсом компьютера через клики и ввод текста.
API и MCP подходят не для всех сервисов. Поэтому многие продукты добавляют computer use — агент буквально работает в интерфейсе так же, как человек.
4. Собственная цифровая идентичность
Это одна из самых важных и пока недооценённых функций.
Обычный агент пользуется аккаунтом человека. Более зрелая модель даёт ему собственную идентичность:
отдельную почту;
отдельный номер;
собственный аккаунт в Slack или GitHub;
отдельный поддомен;
иногда кошелёк.
Так появляется ясная граница: письмо отправил не Николай, а помощник Николая. Это снижает риск подмены, упрощает аудит и позволяет выдать агенту отдельные полномочия.
5. Оркестрация и специализация
Одна универсальная модель может выполнить много задач, но продуктам выгоднее разделять работу на роли:
исследователь;
редактор;
разработчик;
дизайнер;
оператор почты;
аналитик;
руководитель процесса.
Пользователь при этом не обязан управлять каждым агентом. Лучший интерфейс выглядит как один вход, за которым система сама выбирает исполнителя, модель и инструменты.
6. Навыки, рутины и обучение
Следующий слой — превращение удачного выполнения в повторяемый процесс.
Навык может быть:
инструкцией;
набором инструментов;
сценарием с условиями;
кодом;
шаблоном результата;
сохранённой последовательностью действий.
Самая сильная версия этой идеи — когда агент не просто использует готовые навыки, а создаёт их из собственного опыта. Именно на этом строит позиционирование Hermes Agent. Manus тоже позволяет упаковать удачно выполненный процесс в SKILL.md и использовать его повторно. 1
7. Контур доверия
Чем больше агент умеет, тем важнее не интеллект, а ограничения.
Нужны:
уровни риска для инструментов;
подтверждения перед внешними действиями;
ограничения по получателям, доменам и суммам;
изоляция секретов;
журнал действий;
возможность остановить процесс;
понятная ответственность за ошибку.
Без этого персональный агент остаётся хорошим демо, но не становится рабочей системой.
03 Карта рынка: семь разных подходов
Все продукты из этого обзора называют себя агентами, но продают разные вещи.
Класс Продукты Что на самом деле продаётся
Управляемый персональный ИИ-компьютер Joni, Vellum Постоянный помощник с памятью, инструментами и собственной идентичностью
Персональное облако и вычислительная среда Zo Computer, Manus Cloud Computer Машина, на которой агент может строить, размещать и запускать процессы 24/7
Цифровой работник для длинных задач Grok Bot, Perplexity Computer, ChatGPT Work, Manus Делегирование задачи до готового результата внутри реальных приложений
Универсальная ИИ-рабочая среда Genspark Память, документы, сайты, медиа, почта и совместная работа в одном пространстве
Ролевые ИИ-сотрудники Lindy, Sintra Набор понятных бизнес-ролей и повторяемых процессов
Переносимая персональная память Anuma Одна контролируемая память поверх разных моделей
Самостоятельная агентная инфраструктура OpenClaw, Hermes Agent Свой агент, свои модели, свои серверы, свои правила
Эти классы будут постепенно сходиться. Joni добавляет магазин навыков. Genspark добавляет команду агентов. Manus добавляет постоянный компьютер. ChatGPT добавляет фоновые задачи, плагины и работу с локальными приложениями. OpenClaw становится проще в установке.
Но стартовая точка продукта по-прежнему определяет его сильные и слабые стороны.
04 Обзор продуктов
Joni — персональный ИИ-компьютер с собственной цифровой идентичностью
Joni Store: продукт показывает агентов и навыки как расширяемую команду. Источник: официальный сайт Joni лучше многих конкурентов объясняет продукт обычному пользователю. Компания не продаёт доступ к модели, конструктор процессов или виртуальный сервер. Она продаёт «ваш персональный ИИ-компьютер».
Внутри одного мобильного чата находятся:
постоянная приватная машина;
память между сессиями;
семь предустановленных агентов;
выбор подходящей модели под задачу;
браузер и инструменты;
собственная почта;
выделенная телефонная линия;
мультичейн-кошелёк;
магазин агентов и навыков. 2 3
Главная фишка Joni — собственная внешняя идентичность агента. Он не только готовит письмо, но может отправить его со своего адреса. Не только предлагает позвонить, но получает отдельный номер. Не только находит услугу, но потенциально может оплатить её из собственного кошелька после подтверждения пользователя.
Это важный продуктовый шаг. Агент перестаёт быть функцией внутри приложения и становится отдельным цифровым представителем пользователя.
Один диалог снаружи, агентная система внутри
Joni скрывает модели и внутреннюю оркестрацию. Пользователь формулирует задачу один раз. Система выбирает агента и подходящую модель. На сайте это описано как «one chat, a team of agents and skills». 2
Такой интерфейс логичнее, чем экран с десятком логотипов моделей. Пользователь не должен знать, какая модель лучше пишет код, какая анализирует документы, а какая делает изображения. Он покупает не модель, а завершённую работу.
Агент и навык разделены
В Joni агент — это специалист с профессией. Навык — способность, которую получают подходящие члены команды.
Например:
налоговый консультант — агент;
моделирование таблиц — навык;
рекрутер — агент;
производство подкаста — навык.
Это хорошее разделение. Оно позволяет не создавать нового персонажа под каждую функцию. Один и тот же агент может становиться сильнее после установки навыка.
Разработчики должны иметь возможность публиковать агентов и навыки, задавать цену и получать оплату в кредитах. При этом страница Joni for Developers всё ещё помечена как Coming Soon, поэтому полноценный рынок расширений пока лучше считать заявленным направлением, а не доказанной экосистемой. 4
Экономика Joni
Публичные тарифы на дату исследования:
Тариф Цена Кредиты в месяц
Joni $49,99 2 000
Joni Pro $99,99 7 000
Joni Max $199,99 17 000
Один кредит по условиям сервиса равен одному центу. Кредиты расходуются на действия агентов, а их стоимость включает расходы провайдера и маржу платформы. Остаток переносится на срок до шести месяцев. 5 3
Здесь видна интересная продуктовая логика. Номинал кредитов составляет $20, $70 и $170. Во всех тарифах разница между ценой подписки и номиналом кредитов равна $29,99.
Вероятная формула:
около $29,99 за постоянную машину и платформу + предоплаченный расход на модели и инструменты.
Это аналитический вывод из структуры тарифов, а не раскрытая компанией себестоимость.
Слабое место
Joni запущен совсем недавно: версия 1.0.0 появилась в App Store 2 июля 2026 года, и на момент исследования приложение ещё не набрало достаточно оценок для общего рейтинга. 6
При этом продукт обещает почти всё: сайты, код, исследования, медиа, маркетинг, звонки, почту и платежи. Широкое обещание хорошо работает на лендинге, но создаёт сложную операционную реальность. Пользователь простит слабую картинку. Он гораздо хуже отнесётся к неверно отправленному письму, неудачному звонку или ошибочной транзакции.
Что продаёт Joni: максимальную простоту.
Кому подходит: пользователю, который хочет готового персонального агента и не хочет разбираться в моделях, серверах и интеграциях.
Главный риск: зрелость, безопасность магазина и доверие к необратимым действиям.
Vellum — персональный помощник, построенный вокруг контроля
Vellum строит образ персонального интеллекта вокруг отдельной идентичности и контролируемых действий. Источник: официальный сайт Vellum ближе всего к Joni по форме продукта. Это постоянный персональный помощник со своей памятью, файлами, почтой, каналами и возможностью выполнять реальные действия.
Но продукты делают разные ставки:
Joni скрывает устройство системы;
Vellum подробно показывает, где живут данные, как хранятся секреты и какие действия требуют подтверждения.
Vellum может работать в облаке или локально на Mac. Один и тот же помощник доступен через веб, macOS, iOS, Slack, Telegram, телефон и терминал. Он может иметь собственную почту, GitHub-аккаунт и Slack-идентичность. 7
Главная фишка Vellum — прозрачная модель доверия.
Каждый инструмент получает класс риска:
низкий — выполняется автоматически;
средний — обычно требует подтверждения;
высокий — всегда требует подтверждения.
Пользователь может создать постоянное правило для конкретного действия. Например, разрешить помощнику всегда читать папку проекта, но каждый раз спрашивать перед отправкой письма.
Агент не видит сырые секреты
Особенно сильное инженерное решение — отдельный сервис исполнения с учётными данными. API-ключи и OAuth-токены хранятся вне рабочей среды агента. Когда инструмент делает запрос, секрет подставляется на сетевом уровне. Модель знает, какой ключ использовать, но не получает само значение. 8
Это хороший шаблон для всей отрасли. Если агент видит секрет в открытом виде, любой успешный prompt injection может попытаться его вытащить. Если секрет хранится и подставляется отдельным шлюзом, зона риска становится значительно меньше.
Память как доступный пользователю объект
Vellum хранит конфигурацию, личность и часть контекста в понятных файлах вроде IDENTITY.md , SOUL.md , USER.md и NOW.md . Память извлекается по релевантности, но пользователь может видеть рабочее пространство, экспортировать и удалять данные. 7 8
Это важнее красивой анимации «агент вас запоминает». Пользователь получает не только персонализацию, но и возможность проверить, почему помощник ведёт себя именно так.
Self-hosting без обязательной эксплуатации
По умолчанию Vellum работает в управляемом облаке. Технический пользователь может развернуть помощника локально на Mac и подключить собственные ключи OpenAI, Google, OpenRouter, Fireworks или локальную модель через Ollama. 8
Так Vellum занимает промежуточную позицию между полностью управляемым Joni и самостоятельным OpenClaw.
Что продаёт Vellum: контроль без полной платы за самостоятельную сборку.
Кому подходит: пользователям и небольшим командам, для которых важны права, приватность, собственная идентичность агента и возможность локального режима.
Главный риск: более высокая сложность продукта по сравнению с полностью скрытой магией Joni.
Grok Bot — команда агентов, которая работает параллельно
Grok Bot вышел в ранней бете 11 августа 2026 года. Продукт описывается как команда постоянно работающих агентов, которым можно передавать реальные задачи. 9
Каждый Bot — именованный постоянный сотрудник. Он сохраняет файлы, браузерные сессии, предпочтения и рабочее состояние. Бот может входить в приложения, пользоваться сайтами без API, выполнять задачу до конца и возвращаться только за подтверждением. 10
Главная фишка Grok Bot — не один агент, а параллельная цифровая команда.
Несколько ботов могут:
работать одновременно;
писать друг другу;
передавать контекст;
менять владельца задачи;
координироваться в групповом чате;
иметь над собой отдельного бота-руководителя.
Это уже не метафора «ассистента». Это простая модель организации: chief of staff сверху, специалисты по почте, расходам, найму, продажам и разработке снизу.
Обучение через демонстрацию
Grok Bot может наблюдать, как пользователь один раз проходит сложный процесс, сохранить его как рутину и затем повторять по команде или расписанию. 10
Это сильнее обычного конструктора автоматизаций. Пользователь не описывает процесс блоками. Он показывает работу в реальном интерфейсе.
Общий компьютер — одновременно преимущество и риск
Все боты пользователя работают на одном общем облачном компьютере. У каждого свой экран, поэтому они могут действовать параллельно. Но файлы, логины и браузерные сессии доступны всем ботам этого пользователя. 10
Это облегчает передачу работы: не нужно заново входить в Salesforce или копировать файлы. Но отдельной границы безопасности между ботами нет. Ошибка или компрометация одного агента потенциально затрагивает общую среду.
Что продаёт Grok Bot: параллельное делегирование без конструктора процессов.
Кому подходит: пользователям, которые хотят не одного помощника, а небольшую цифровую команду для работы в существующих приложениях.
Главный риск: ранняя стадия, общая зона доступа между ботами и зависимость от экосистемы Grok и Cursor.
Zo Computer — агент как настоящий персональный облачный компьютер
Zo меньше похож на «сотрудника» и больше — на полноценную вычислительную среду. Компания прямо называет продукт personal cloud: файлы, агенты, сайты, сервисы, домены и вычислительные ресурсы живут в одном постоянном пространстве. 11 12
Главная фишка Zo — реальные ресурсы и хостинг, видимые пользователю.
Базовый тариф за $18 в месяц включает:
постоянную работу 24/7;
улучшенную память;
4 ядра и 32 ГБ оперативной памяти;
100 ГБ диска;
до пяти размещённых сервисов;
три пользовательских домена;
$10 включённого ИИ-расхода. 12
На старших тарифах ресурсы доходят до 64 ядер и 512 ГБ памяти. Для B2C-продукта это необычная прозрачность. Большинство конкурентов продаёт абстрактные кредиты. Zo показывает машину.
Можно не только выполнить задачу, но и оставить систему работать
Zo подходит для сценариев, где результат — не файл, а постоянно работающий сервис:
сайт;
CRM;
база данных;
внутренний инструмент;
бот;
ежедневный сбор данных;
панель показателей;
персональное API.
Пользователь может подключать собственные API-ключи и подписки, включая Codex, а также выбирать разные модели. 11
Продукт ближе к среде создания, чем к личному помощнику
Joni объясняет систему через команду агентов. Zo — через владение персональным облаком. Поэтому Zo сильнее для предпринимателей, разработчиков и продвинутых пользователей, но может быть сложнее для человека, который просто хочет «разбери мою почту и договорись о встречах».
Что продаёт Zo: владение постоянной вычислительной средой без необходимости администрировать облако.
Кому подходит: тем, кто хочет строить и размещать сайты, базы, сервисы и автоматизации в одном персональном пространстве.
Главный риск: продукт требует от пользователя хотя бы минимально мыслить системами, а не только поручениями.
Perplexity Computer — цифровой работник для процессов, которые длятся месяцами
Perplexity Computer описывается как универсальный цифровой работник, который использует те же интерфейсы, что и человек. Он может создавать и выполнять целые процессы, работающие часами или месяцами. 13
Главная фишка Perplexity Computer — длинный жизненный цикл задачи.
Обычный агент получает задание и возвращает результат. Computer может:
постоянно отслеживать рынок;
запускать повторяющиеся исследования;
собирать изменения на сайтах;
обновлять отчёт;
соединять данные из разных сервисов;
возвращаться к процессу по расписанию.
Это особенно естественно для Perplexity, который изначально силён в поиске, источниках и исследовании.
Подзадачи выполняют специализированные агенты
Пользователь задаёт цель на естественном языке. Computer разворачивает подагентов, которые исследуют, используют браузер, создают материалы и подключаются к инструментам. Среди заявленных интеграций — Gmail, Slack, Notion, Calendar и сотни других сервисов. 13
Не личность, а работающий процесс
В отличие от Joni и Vellum, Perplexity пока меньше строит отдельную идентичность помощника. Здесь нет сильного образа собственного адреса, номера или отдельного цифрового представителя. Основная единица продукта — процесс.
Это не слабость, а другой выбор. Пользователь приходит не «нанять помощника», а «поставить на постоянный контроль рынок, клиентов, конкурентов или данные».
Что продаёт Perplexity Computer: длительное исследование и автоматизированный контроль изменений.
Кому подходит: аналитикам, консультантам, маркетологам и руководителям, которым нужны постоянные исследовательские процессы с источниками.
Главный риск: глубина личной памяти и идентичности может уступать продуктам, спроектированным именно как персональный помощник.
ChatGPT Work — агент внутри уже существующей рабочей экосистемы
ChatGPT Work — один из самых опасных конкурентов для независимых агентных продуктов. Не обязательно потому, что он лучше закрывает каждую отдельную функцию. Главная сила — дистрибуция, модели и уже подключённое рабочее пространство пользователя.
OpenAI описывает Work как агента, который действует в приложениях и файлах, может оставаться с проектом несколько часов и превращать цель в законченную работу. 14
Главная фишка ChatGPT Work — создание законченных материалов прямо из рабочего контекста.
Он может:
собрать информацию из Slack, Teams, Drive, SharePoint, почты, календарей, CRM и трекеров;
подготовить таблицу, документ, презентацию или сайт;
работать с локальными файлами и приложениями на компьютере;
использовать встроенный браузер;
запускать задачи по времени или событию;
обновлять материалы при изменении исходных данных. 14
Не отдельный виртуальный сотрудник, а универсальный рабочий слой
ChatGPT Work не делает основным объектом отдельную цифровую личность. Он не пытается дать каждому агенту собственный номер и кошелёк. Вместо этого он становится общим слоем над приложениями пользователя.
Такой подход менее романтичный, но очень сильный:
человек уже работает в ChatGPT;
модели и Codex находятся внутри одной системы;
плагины подключают корпоративный контекст;
администраторы управляют доступом и расходами;
готовый результат создаётся в привычных форматах.
Почему это угроза Joni, Manus и Genspark
Функция «опиши сайт — получи работающий сайт» перестаёт быть самостоятельным продуктом, когда универсальный агент умеет сделать сайт, документ, таблицу и презентацию из одного контекста.
Чтобы независимый сервис выжил, ему нужно быть существенно лучше хотя бы в одном из слоёв:
память;
внешняя идентичность;
автономность;
вертикальный сценарий;
безопасность;
собственная инфраструктура;
стоимость.
Что продаёт ChatGPT Work: универсальное выполнение сложной работы в уже знакомой среде.
Кому подходит: практически любому пользователю ChatGPT, особенно если работа живёт в документах, таблицах, презентациях и подключённых корпоративных приложениях.
Главный риск для самого продукта: сложность управления широкими полномочиями и сохранение предсказуемости при огромном диапазоне задач.
Manus — автономный подрядчик, который получил постоянный компьютер
Manus Cloud Computer: постоянная среда для ботов и сервисов, которые работают 24/7. Источник: официальный сайт Manus начинал как агент, которому дают задачу и ждут готовый результат. В 2026 году продукт заметно приблизился к классу персональных компьютеров: появились постоянная облачная машина, навыки, браузерный оператор, почтовые сценарии и широкое параллельное исследование.
Главная фишка Manus — превращение разовой задачи в работающую систему.
Cloud Computer — это отдельная Ubuntu-машина, которая не выключается, сохраняет файлы и установленные инструменты, запускает ботов, базы данных, скрипты и сервисы 24/7. 15
Manus сам определяет, когда задаче достаточно временной песочницы, а когда нужен постоянный компьютер. Пользователь может также создать машину вручную и выбрать ресурсы.
Навык можно получить из удачного выполнения
Если пользователь доволен процессом, он может попросить Manus упаковать его в Skill. Система анализирует успешную последовательность, создаёт SKILL.md , добавляет нужные скрипты и формирует повторяемый компонент. 1
Это важная идея: навык не обязательно проектируется заранее. Он может быть побочным продуктом хорошо выполненной работы.
Сильный результат, но менее цельная личность
Manus хорошо объясняется как автономный подрядчик: «сделай исследование», «собери сайт», «разверни сервис», «проанализируй рынок». Он меньше похож на постоянного личного секретаря с характером, отношениями и собственной идентичностью.
Что продаёт Manus: завершение сложной задачи и возможность оставить результат работать 24/7.
Кому подходит: предпринимателям, аналитикам и создателям, которым нужен готовый проект, исследование, сайт, автоматизация или сервис.
Главный риск: разрыв между сильным демонстрационным результатом и стабильностью длинных процессов в реальных системах.
Genspark — ИИ-рабочая среда вместо одного агента
Genspark идёт по пути максимального охвата. В Workspace 6.0 компания собрала четыре слоя:
SecondBrain — память;
Super Agent — интеллектуальный движок;
наборы инструментов для создания;
GenTeam — совместную работу людей и агентов. 16
Главная фишка Genspark — ширина производственной среды.
В одном продукте находятся:
документы;
таблицы;
презентации;
почта;
сайты;
приложения;
дизайн;
изображения;
видео;
музыка;
CRM и внутренние системы;
командные агенты.
Joni пытается скрыть всю систему за одним мобильным чатом. Genspark, наоборот, строит полноценное рабочее пространство с несколькими специализированными поверхностями.
SecondBrain собирает контекст из разных источников
SecondBrain компилирует письма, встречи, чаты, документы, приложения и проекты Genspark в постоянный контекст. Отдельное устройство SecondBrain Note должно добавлять в память разговоры из физических встреч. 16
На этой памяти работают Super Agent, GenMail, инструменты создания и командные агенты.
GenTeam делает агентов участниками общего чата
В GenTeam пользователь может развернуть готового агента или создать своего. Люди и агенты работают в одном чате, а модели, инструменты и навыки доступны внутри среды. 16
Это ближе к новой версии офиса, чем к персональному ассистенту.
Что продаёт Genspark: единое производство почти любого цифрового результата.
Кому подходит: пользователям и командам, которым важны документы, дизайн, контент, сайты и медиа в одном контуре.
Главный риск: ширина может привести к неоднородному качеству и тяжёлому интерфейсу.
Lindy — операционный помощник для почты, встреч и повторяемой работы
Lindy позиционируется как ИИ-коллега, который находится там же, где работает пользователь: в Slack, iMessage, Gmail и браузере. 17
Продукт особенно силён в сценариях, где работа состоит из большого количества небольших, но связанных действий:
разобрать входящие;
подготовить и отправить ответы;
обновить CRM;
создать документ в Notion;
опубликовать сообщение в канале;
назначить встречу;
отправить приветственное письмо.
Главная фишка Lindy — редактируемая память и рутины, описанные обычным языком.
Память хранится в обычных файлах. Пользователь может открыть папку, увидеть, что Lindy знает, и изменить это как документ. Удачный процесс можно показать один раз и сохранить для всей команды. Регулярные задачи создаются простым предложением: ежедневная сводка, пятничный отчёт, разбор почты после нового ответа. 17
Внешнее действие ждёт конкретного подтверждающего
Lindy отдельно подчёркивает: действия с внешним эффектом ждут одобрения назначенного человека. Отправка письма, обновление тикета, публикация документа или сообщение в другой канал не должны происходить бесконтрольно. Чтение разрешённых источников выполняется автоматически. 17
Это не самая сложная агентная архитектура на рынке, но очень практичный продуктовый выбор.
Что продаёт Lindy: снятие ежедневной операционной нагрузки.
Кому подходит: руководителям, малому бизнесу и командам продаж, поддержки и операций.
Главный риск: продукт конкурирует одновременно с крупными рабочими платформами и специализированными автоматизаторами.
Sintra — понятная метафора штата ИИ-сотрудников
Sintra буквально визуализирует продукт как штат ролевых ИИ-сотрудников. Источник: официальный сайт Sintra не пытается объяснять пользователю оркестрацию, модели и исполняющие среды. Она продаёт знакомые роли:
маркетолог;
копирайтер;
специалист по поисковому продвижению;
продавец;
рекрутер;
аналитик;
помощник по почте;
специалист поддержки.
Все они используют общую базу Brain AI. 18 19
Главная фишка Sintra — ролевой интерфейс поверх общей памяти бизнеса.
В Brain AI можно загружать текст, веб-страницы, PDF, таблицы и другие файлы. Информация автоматически сжимается в краткие факты и становится доступна всем помощникам. В одном аккаунте можно вести до пяти профилей — например, несколько брендов или клиентов агентства. 19
Персонажи снижают порог входа
С точки зрения инженера набор персонажей может выглядеть декоративно. Для владельца небольшого бизнеса это понятнее, чем «мультиагентная оркестрация с общей векторной памятью».
Пользователь знает, кому поручить задачу:
пост — копирайтеру;
подбор ключевых слов — специалисту по поиску;
ответ клиенту — поддержке;
анализ данных — аналитику.
Ограничение ролевой модели
Роль сама по себе не гарантирует завершение процесса. Можно красиво назвать агента продавцом, но если он не умеет обновить CRM, отправить письмо, проверить остатки и поставить следующую задачу, он остаётся специализированным чатом.
Что продаёт Sintra: простую и эмоционально понятную модель цифрового штата.
Кому подходит: малому бизнесу и агентствам, которым нужен контекст бренда и набор готовых ролевых помощников.
Главный риск: глубина внешних действий и операционной автономности может уступать системам, построенным вокруг реальных инструментов и процессов.
Anuma — одна приватная память поверх разных моделей
Anuma Memory Vault: память вынесена в отдельный управляемый пользовательский слой. Источник: официальный сайт Anuma решает другую проблему. Пользователь может общаться с GPT, Claude, Gemini и открытыми моделями, но не хочет каждый раз заново объяснять контекст и отдавать всю память каждому провайдеру.
Главная фишка Anuma — единая память, которая хранится на устройстве и переносится между моделями.
Пользователь может:
переключаться между моделями без потери контекста;
сравнивать до четырёх моделей одновременно;
редактировать и удалять память;
использовать специализированных агентов для отдельных задач;
создавать изображения, аудио и видео в том же пространстве. 20
Локальная память не означает локальное рассуждение
Anuma хранит полную память в зашифрованном виде на устройстве. Но если пользователь выбирает закрытую облачную модель, соответствующий запрос и разрешённая часть контекста всё равно отправляются провайдеру модели. 20
Это честная и важная граница. «Local first» защищает долговременный профиль пользователя, но не отменяет сетевой вызов к GPT или Claude.
Сильная память, более слабая исполняющая среда
Anuma ближе к персональному интеллектуальному слою, чем к постоянно работающему компьютеру. Главная ценность — владение памятью и свобода выбора модели, а не фоновый бот, который неделями работает в приложениях.
Что продаёт Anuma: переносимый контекст и контроль над персональной памятью.
Кому подходит: пользователям, которые работают с несколькими моделями и не хотят отдавать каждой отдельную копию своей цифровой биографии.
Главный риск: конкуренты могут встроить похожую переносимую память внутрь более сильной исполняющей среды.
OpenClaw — открытая основа персонального агента
OpenClaw — не готовый массовый сервис, а открытая инфраструктура для собственного персонального помощника. Он работает на устройствах пользователя и соединяет модели, инструменты, каналы и приложения через единый Gateway. 21
Главная фишка OpenClaw — владение всем контуром.
Пользователь выбирает:
где работает агент;
какую модель использовать;
какие каналы подключить;
какие навыки установить;
какие плагины разрешить;
где хранить данные;
как организовать безопасность.
OpenClaw поддерживает WhatsApp, Telegram, Slack, Discord, Google Chat, Signal, iMessage и другие каналы. Дополнительные узлы дают доступ к голосу, экрану, камере и локальным действиям. 21
Свобода означает эксплуатационную ответственность
В основном сеансе инструменты по умолчанию могут выполняться на хостовой машине, если пользователь отдельно не настроил изоляцию. В документации прямо рекомендуется считать входящие сообщения недоверенным вводом и внимательно настраивать pairing, sandboxing и удалённый доступ. 21
Это ключевое отличие от Joni или Vellum. Управляемый продукт продаёт не только функции, но и то, что кто-то другой уже решил часть проблем безопасности, обновлений и доступности.
Что продаёт OpenClaw: свободу, расширяемость и отсутствие привязки к одному поставщику.
Кому подходит: разработчикам и компаниям, которые хотят собственную агентную платформу и готовы её эксплуатировать.
Главный риск: неправильная конфигурация прав и инструментов может дать агенту слишком широкий доступ к машине и каналам.
Hermes Agent — агент, который превращает опыт в навыки
Hermes Agent от Nous Research тоже работает как самостоятельная агентная инфраструктура, но делает более сильный акцент на обучающем контуре.
В официальном описании Hermes создаёт навыки из опыта, улучшает их во время использования, сохраняет знания, ищет по прошлым разговорам и постепенно строит модель пользователя. 22
Главная фишка Hermes — замкнутый цикл обучения.
Выполнение задачи ↓ Разбор удачного процесса ↓ Создание или обновление навыка ↓ Повторное использование ↓ Новый опыт и улучшение навыка
Это ближе к реальному развитию сотрудника, чем простая память фактов.
Свобода моделей и сред выполнения
Hermes поддерживает разные провайдеры моделей и может работать локально, в Docker, по SSH, в Singularity, Modal, Daytona и Vercel Sandbox. Он доступен через терминал, Telegram, Discord, Slack, WhatsApp и Signal. Есть планировщик, изолированные подагенты и более 40 инструментов. 22
Сильная инженерная основа, слабая массовая упаковка
Для технического пользователя Hermes может быть интереснее закрытого сервиса. Но массовому потребителю всё ещё нужно решить:
где развернуть агента;
как хранить ключи;
какую модель выбрать;
как настроить каналы;
как ограничить инструменты;
как обновлять и наблюдать систему.
Что продаёт Hermes: самообучающуюся агентную основу без привязки к одной модели.
Кому подходит: инженерам, исследователям и компаниям, которые строят собственную сеть агентов.
Главный риск: высокие требования к настройке, тестированию и эксплуатации.
05 Сравнение ключевых продуктов
Обозначения:
● — один из центральных элементов продукта;
◐ — функция есть, но не является главным фокусом или зависит от режима;
— — не основной сценарий;
? — публичных данных недостаточно.
Продукт Постоянная среда Долгосрочная память Внешние действия Собственная идентичность Параллельные агенты Выбор моделей Самостоятельное развёртывание Фоновые задачи
Joni ● ● ● ● ● ● — ◐
Vellum ● ● ● ● ◐ ● ● ●
Grok Bot ● ● ● ◐ ● — — ●
Zo Computer ● ● ● ◐ ◐ ● — ●
Perplexity Computer ● ◐ ● — ● ◐ — ●
ChatGPT Work ◐ ◐ ● — ◐ — — ●
Manus ● ● ● ◐ ● ◐ — ●
Genspark ● ● ◐ ◐ ● ● — ◐
Lindy ● ● ● ◐ ◐ — — ●
Sintra ◐ ● ◐ ◐ ● — — ◐
Anuma ◐ ● ◐ — ◐ ● — —
OpenClaw ● ◐ ● ◐ ◐ ● ● ◐
Hermes Agent ● ● ● ◐ ● ● ● ●
Матрица показывает важную вещь: почти никто уже не конкурирует только качеством ответа. Большинство систем имеет память, инструменты и фоновые процессы. Разница смещается в характер продукта.
Продукт Его реальная ставка
Joni Простота и собственные каналы агента
Vellum Контроль, права и прозрачная безопасность
Grok Bot Параллельная команда цифровых коллег
Zo Computer Реальное персональное облако и вычисления
Perplexity Computer Длинные исследования и мониторинг
ChatGPT Work Универсальная работа внутри существующих приложений
Manus Готовый результат, постоянный компьютер и навыки
Genspark Полный набор инструментов создания в одной среде
Lindy Повторяемая ежедневная операционная работа
Sintra Понятные роли и общая память бизнеса
Anuma Владение памятью поверх разных моделей
OpenClaw Открытый и полностью контролируемый контур
Hermes Agent Самообучение через создание и улучшение навыков
06 Как продукты зарабатывают
На рынке сложилось четыре основные модели монетизации.
1. Подписка на платформу плюс кредиты
Так работают Joni и Lindy.
Пользователь платит за постоянную среду, память, интеграции и доступность, а выполнение задач дополнительно измеряется кредитами.
Плюсы:
платформа покрывает постоянные инфраструктурные расходы;
пользователь понимает остаток;
тяжёлые задачи не разрушают экономику подписки.
Минусы:
кредит абстрактен;
заранее трудно понять стоимость результата;
пользователь сравнивает кредит не с инфраструктурой, а с привычной подпиской на чат.
2. Тариф машины плюс включённый ИИ-расход
Такой подход особенно явно использует Zo. Пользователь видит вычислительные ресурсы, количество сервисов, домены и включённую сумму на модели. 12
Vellum тоже отделяет стоимость среды от модельного расхода и заявляет передачу стоимости провайдеров без дополнительной наценки; платные планы начинаются от $30 в месяц. 23
Эта модель понятнее техническому пользователю: видно, за что платишь.
3. Агент как часть большой подписки
ChatGPT Work, Perplexity Computer и Grok Bot распространяются через существующие планы платформ.
Это огромное преимущество. Пользователь не принимает отдельное решение купить ещё одного агента. Новая способность появляется в уже оплачиваемом продукте.
Для небольшого стартапа это самая опасная конкуренция. Он может иметь лучший интерфейс, но проиграть из-за ещё одной подписки и необходимости переносить контекст.
4. Своя инфраструктура и свои ключи
OpenClaw и Hermes не забирают у пользователя архитектурный контроль. Платить нужно за сервер, модели и внешние сервисы.
Такая схема может быть дешёвой при небольшой нагрузке и очень дорогой по времени инженеров.
Главный экономический вывод:
Пользователь платит уже не за токены. Он платит за постоянство, полномочия, память, интеграции, безопасность и вероятность довести задачу до конца.
07 Где находится настоящий технологический ров
Большая часть функций воспроизводима.
Постоянную машину можно поднять в облаке.
Память можно собрать на PostgreSQL, векторном поиске и файлах.
Браузерное управление доступно через готовые инструменты.
MCP и плагины дают интеграции.
Ролевых агентов можно описать системными инструкциями.
Модель можно заменить через маршрутизатор.
Поэтому набор функций сам по себе слабо защищает продукт.
1. Качество памяти
Сильная память должна:
извлекать важное, а не всё подряд;
учитывать время;
различать факт, предположение и предпочтение;
хранить происхождение;
замечать противоречия;
позволять пользователю редактирование;
не тащить лишний контекст в каждый запрос.
Чем дольше пользователь работает с агентом, тем выше стоимость перехода. Но если память начинает искажать реальность, этот же эффект превращается в причину уйти.
2. Надёжность завершения
В агентных системах есть огромная разница между «почти готово» и «готово».
Черновик письма — не отправленное письмо. Найденная форма — не заполненная форма. Созданный код — не работающий сервис. Обновлённая таблица — не согласованный отчёт.
Продукт выигрывает, если умеет:
определить критерий завершения;
проверить результат;
заметить ошибку;
повторить шаг;
запросить решение только там, где действительно нужен человек.
3. Контур разрешений
Права — это не экран настроек, а часть архитектуры.
Сильные решения:
секреты не попадают в контекст модели;
доступ выдаётся конкретному инструменту;
правила ограничиваются доменом, получателем, папкой или суммой;
внешние действия имеют уровни риска;
каждое действие оставляет проверяемый след.
В этом отношении публичная документация Vellum пока заметно глубже большинства массовых продуктов. 8
4. Накопленный пользовательский контекст
Модель можно заменить за день. Годы переписки, привычки, проекты, связи и рабочие правила заменить гораздо сложнее.
Персональный агент становится сильнее не только потому, что «учится», но и потому, что пользователь постепенно переносит в него часть своей операционной жизни.
Это мощный ров и одновременно большая ответственность.
5. Экосистема навыков
Магазин расширений может дать сетевой эффект:
больше пользователей привлекают разработчиков;
больше навыков повышают ценность продукта;
больше выполненных задач создают новые процессы;
лучшие процессы снова превращаются в навыки.
Но пустой магазин ухудшает впечатление. А открытый магазин без сильной модели разрешений создаёт прямой канал к данным пользователя.
6. Дистрибуция
Самые сильные независимые идеи могут быть встроены в ChatGPT, Grok, Perplexity или крупную операционную систему.
Поэтому отдельному продукту нужна хотя бы одна тяжёлая причина для перехода:
существенно лучшая память;
собственная цифровая идентичность;
локальный режим;
узкая вертикальная экспертиза;
более надёжное завершение;
более прозрачная безопасность;
уникальный канал распространения.
08 Главный барьер — не интеллект, а доверие
Чем умнее агент, тем больше вред от уверенной ошибки.
У обычного чата ошибка остаётся в тексте. У агента она может превратиться в:
отправленное письмо;
удалённый файл;
изменённую запись в CRM;
опубликованный документ;
сорванную встречу;
ошибочную покупку;
утечку данных;
транзакцию в блокчейне.
Проблема prompt injection
Агент читает внешние сайты, письма и документы. Внутри них может находиться инструкция, пытающаяся переопределить задачу, раскрыть секрет или выполнить опасное действие.
Человек видит письмо как содержание. Модель может интерпретировать часть текста как команду.
Поэтому нужны:
разделение данных и инструкций;
изоляция учётных данных;
фильтрация инструментов;
предварительное моделирование риска;
подтверждение перед действием;
проверка результата отдельным контуром.
Общая среда нескольких агентов
Grok Bot хорошо показывает компромисс. Общий компьютер позволяет ботам передавать работу без повторной авторизации. Но один общий логин или файл видят все агенты пользователя. 10
Для небольшой личной команды это удобно. Для корпоративной системы может потребоваться изоляция по роли, проекту, клиенту и классу данных.
Сторонние навыки
В условиях Joni указано, что сторонний агент или навык может получить доступ к частям рабочего пространства, описанным при установке, а пользователь отвечает за выданные разрешения. 3
Это стандартная логика магазина приложений, но агентный навык потенциально опаснее обычного приложения: он получает не только данные, но и способность рассуждать, комбинировать инструменты и действовать в неожиданной последовательности.
Память как источник скрытых ошибок
Память может сохранить неверный вывод как факт. Затем этот факт попадёт в письмо, расчёт или решение через несколько месяцев.
Поэтому память должна иметь:
тип записи;
дату;
источник;
уверенность;
срок актуальности;
историю изменений.
Просто хранить memory.md лучше, чем ничего. Для серьёзных процессов этого недостаточно.
Цена автономности
Чем реже агент спрашивает пользователя, тем удобнее продукт. Чем реже он спрашивает, тем выше риск.
Правильная цель — не максимальная автономность. Правильная цель — минимальное число вмешательств при контролируемом риске .
09 Что стоит копировать при создании собственного продукта
Не нужно копировать весь набор функций Joni, Grok Bot или Genspark. Горизонтальный продукт «умеет всё» требует огромной инфраструктуры и сразу конкурирует с крупнейшими платформами.
Гораздо полезнее взять несколько продуктовых принципов.
1. Один помощник снаружи, команда внутри
Пользователь не должен управлять зоопарком агентов.
Снаружи — один диалог и одна ответственность. Внутри могут работать исследователь, разработчик, редактор, аналитик и проверяющий агент.
Показывать внутреннюю команду стоит только тогда, когда это помогает:
понять прогресс;
передать контекст;
исправить конкретную роль;
оценить стоимость;
проверить решение.
2. Продавать результат, а не модель
Выбор GPT, Claude, Gemini или другой модели — внутренняя задача платформы.
Пользователь покупает:
готовый документ;
проведённое исследование;
обновлённую CRM;
опубликованный сайт;
разобранные входящие;
работающий регулярный процесс.
Модель важна для себестоимости и качества, но не должна быть главным объектом интерфейса.
3. Начать с трёх-пяти законченных сценариев
Лучше сделать пять процессов, которые завершаются в 80–90% случаев, чем показать пятьдесят демо с вероятностью успеха 30%.
Хорошие первые сценарии:
исследование с источниками и готовым выводом;
подготовка и публикация сайта;
разбор входящих и черновики ответов;
регулярный мониторинг темы;
контент-пакет из одного исходного материала.
4. Проектировать не чат, а контракт делегирования
Каждая задача должна содержать:
цель;
доступный контекст;
полномочия;
запрещённые действия;
точки подтверждения;
критерий готовности;
формат результата;
стоимость или лимит;
журнал выполнения.
Это новая основная сущность интерфейса. Не сообщение, а поручение.
5. Сделать память управляемой с первого дня
Пользователь должен видеть:
что сохранено;
почему это сохранено;
откуда взялось;
где используется;
кто изменил;
как удалить;
когда запись устареет.
Память без интерфейса управления — технический долг, который быстро становится продуктовым риском.
6. Отделить секреты от агента
Агенту не нужен сырой пароль или токен. Ему нужна способность вызвать разрешённое действие.
Лучший шаблон:
Агент выбирает операцию ↓ Шлюз проверяет право ↓ Шлюз подставляет секрет ↓ Внешняя система выполняет запрос ↓ Агент получает только результат
7. Ввести уровни риска
Например:
чтение данных — автоматически;
создание черновика — автоматически;
изменение внутренней записи — по правилу;
отправка внешнего сообщения — подтверждение;
удаление, публикация и платёж — обязательное подтверждение.
Со временем пользователь может выдавать постоянные правила для узких повторяемых операций.
8. После каждого действия выдавать квитанцию
Квитанция должна содержать:
что сделано;
когда;
от чьего имени;
в какой системе;
какие данные использованы;
сколько стоило;
что изменилось;
можно ли отменить.
Так формируется доверие и появляется материал для оценки качества.
9. Подключать каналы по уровню риска
Рациональный порядок:
память и файлы ↓ почта в режиме чтения ↓ черновики писем ↓ регулярные фоновые задачи ↓ отправка писем ↓ телефон ↓ платежи
Кошелёк выглядит эффектно на презентации, но принесёт меньше ранней пользы и больше риска, чем хорошая работа с почтой.
10. Не открывать магазин слишком рано
Сначала стоит собрать курируемый набор навыков и понять:
какие процессы повторяются;
за что готовы платить;
какие разрешения требуются;
где возникают ошибки;
как проверять качество.
Открытый магазин на старте создаёт пустые полки, проблемы модерации и дополнительную поверхность атаки.
10 Какой продукт выбрать сегодня
Ниже не рейтинг «лучший — худший». Это выбор под конкретную задачу.
Нужен готовый персональный агент без настройки
Смотреть в сторону Joni . Главные преимущества — простая упаковка, команда агентов, маршрутизация моделей и собственные каналы.
Нужен контроль, локальный режим и понятные разрешения
Vellum выглядит сильнее. Особенно если важны собственная идентичность помощника, редактируемое рабочее пространство и изоляция секретов.
Нужна параллельная команда, работающая в реальных приложениях
Grok Bot предлагает самую прямую модель нескольких цифровых коллег, которые координируются между собой.
Нужен постоянный облачный компьютер, сайты и сервисы
Zo Computer даёт наиболее явную инфраструктурную модель и реальные вычислительные ресурсы.
Нужны постоянные исследования и мониторинг
Perplexity Computer естественно подходит для длинных аналитических процессов, поиска и отслеживания изменений.
Работа уже живёт в ChatGPT, документах и корпоративных приложениях
ChatGPT Work будет самым простым продолжением существующего контура.
Нужен готовый проект или автоматизация, которую можно оставить работать
Manus силён в завершении разовых задач, создании сервисов и превращении успешной работы в навыки.
Нужны документы, дизайн, сайты и медиа в одном продукте
Genspark предлагает самую широкую производственную среду.
Нужно разгрузить почту, встречи и ежедневные операции
Lindy ближе всего к практичному операционному помощнику.
Малому бизнесу нужна понятная команда ролей
Sintra снижает порог входа за счёт готовых сотрудников и общей памяти бренда.
Нужна одна приватная память поверх разных моделей
Anuma делает наиболее ясную ставку на владение персональным контекстом.
Нужен полностью свой агентный контур
OpenClaw даёт широкую открытую основу. Hermes Agent интереснее, если ключевая задача — обучение агента и дистилляция опыта в навыки.
11 Что будет дальше
Рынок движется сразу в нескольких направлениях.
Модели уйдут внутрь продукта
Пользователь всё реже будет выбирать модель вручную. Система сама определит, где нужна сильная модель, где дешёвая, где локальная, а где специализированная.
Выбор модели останется для продвинутых пользователей и разработчиков, но перестанет быть основой массового интерфейса.
Память станет отдельным пользовательским активом
Сегодня память обычно заперта внутри приложения. Следующий шаг — переносимый профиль, который можно экспортировать, подключить к другому агенту и разделить по областям жизни.
Anuma уже строит продукт вокруг этой идеи. OpenClaw и Hermes дают технический контроль через файлы. Остальные платформы будут вынуждены сделать память более прозрачной.
У агента появится отдельная правосубъектность внутри систем
Не юридическая личность, а техническая:
собственный адрес;
отдельная учётная запись;
роль;
набор прав;
лимиты;
журнал;
ответственный человек.
Организациям будет проще управлять агентом как отдельным сервисным пользователем, чем разрешать ему работать под логином сотрудника.
Навыки станут новым форматом программного обеспечения
Приложение требует интерфейса. Навык требует описания, инструментов и критериев результата.
Пользователь сможет сказать: «Сохрани то, как мы сейчас сделали отчёт, и повторяй каждую пятницу». Агент сформирует навык из опыта, протестирует его и включит по расписанию.
Hermes и Manus уже явно двигаются в эту сторону.
Главной метрикой станет доля завершённых поручений
Не количество сообщений. Не время в приложении. Не число сгенерированных токенов.
Важнее:
сколько задач завершено без ручной переделки;
сколько раз понадобилось вмешательство;
сколько внешних действий отменено;
сколько стоил готовый результат;
сколько ошибок поймано до выполнения;
насколько часто пользователь возвращает задачу на доработку.
Агентные продукты будут сближаться с операционными системами
Причина проста: агенту нужны файлы, память, процессы, права, приложения, устройства, каналы и фоновые службы. Это уже не отдельная функция. Это новый слой управления вычислительной средой.
12 Итог
Персональные ИИ-агенты переходят из стадии «чат умеет вызвать инструмент» в стадию самостоятельных рабочих систем.
Joni показывает, как упаковать сложный агентный контур в понятный мобильный продукт. Vellum — как сделать права и секреты частью архитектуры. Grok Bot — как организовать параллельную команду. Zo — как дать пользователю реальный персональный компьютер. Perplexity — как превратить исследование в постоянный процесс. ChatGPT Work — как встроить агента в существующий рабочий контур. Manus — как связать задачу, облачную машину и повторяемый навык. Genspark — как собрать производство контента и приложений в одну среду. Lindy и Sintra — как объяснить агента через ежедневную работу и знакомые роли. Anuma — как вернуть пользователю контроль над памятью. OpenClaw и Hermes — как построить всё это самостоятельно.
У этих продуктов разные интерфейсы, но одна общая траектория:
ИИ перестаёт быть собеседником и становится исполнителем с памятью, рабочим местом и ограниченными полномочиями.
Следующий большой прорыв произойдёт не тогда, когда модель станет ещё умнее. Он произойдёт, когда агент сможет стабильно доводить работу до конца, объяснять каждое действие и не заставлять пользователя бояться выданных ему прав.
Победит не тот, у кого больше агентов на лендинге.
Победит тот, кому можно доверить понедельник утром — и не перепроверять всё вечером.
13 Источники
01 Manus, Integrating Agent Skills, 27 января 2026 года — manus.im/blog/manus-skills
02 Joni, официальная страница продукта — joni.ai
03 Joni, Terms of Service, версия от 30 июня 2026 года — joni.ai/termofservices
04 Joni for Developers — joni.ai/developer
05 Joni, тарифы — joni.ai/pricing
06 Joni в App Store, история версий и рейтинги — apps.apple.com
07 Vellum Docs, What is Vellum? — vellum.ai/docs/getting-started/what-is-vellum
08 Vellum Docs, Privacy & Data — vellum.ai/docs/trust-security/privacy-and-data
09 xAI, Introducing Grok Bot, 11 августа 2026 года — x.ai/news/introducing-grok-bot
10 xAI Docs, Grok Bot Overview — docs.x.ai/grok-bot/overview
11 Zo Computer, официальная страница — zo.computer
12 Zo Computer, тарифы и характеристики среды — zo.computer/pricing
13 Perplexity Computer, официальная страница — perplexity.ai/products/computer
14 OpenAI, ChatGPT is now a partner for your most ambitious work, 9 июля 2026 года — openai.com
15 Manus, Introducing Cloud Computer, 30 апреля 2026 года — manus.im/blog/manus-cloud-computer
16 Genspark, Introducing AI Workspace 6.0, 20 июля 2026 года — genspark.ai/blog/genspark-ai-workspace-6
17 Lindy, официальная страница продукта и FAQ — lindy.ai
18 Sintra, AI Employees — sintra.ai
19 Sintra, Brain AI — sintra.ai/features/brain-ai
20 Anuma, официальная страница продукта и FAQ — anuma.ai
21 OpenClaw, официальный репозиторий и README — github.com/openclaw/openclaw
22 Nous Research, Hermes Agent README — github.com/NousResearch/hermes-agent
23 Vellum, официальная страница продукта — vellum.ai
В материале
01 Короткий вывод
02 Персональный агент — не просто чат с памятью
03 Карта рынка: семь разных подходов
04 Обзор продуктов
05 Сравнение ключевых продуктов
06 Как продукты зарабатывают
07 Где находится настоящий технологический ров
08 Главный барьер — не интеллект, а доверие
09 Что стоит копировать при создании собственного продукта
10 Какой продукт выбрать сегодня
11 Что будет дальше
12 Итог
13 Источники
Следующая статья: От знаний к действиям: как онтология и навыки, управляют агентом