Агентные ИИ выходят за рамки простых ответов на вопросы. От них всё чаще ожидают не только принятия решений, но и выполнения действий, работы в разных приложениях, запоминания предыдущих задач и функционирования длительное время без постоянного надзора. Возникает сложный вопрос: как сделать ИИ-агента достаточно способным, чтобы он мог действовать, но при этом не давать ему неконтролируемый доступ ко всему, до чего он может дотянуться?

@NEAR Protocol l #NEARAI #ironclaw

Железный Коготь NEAR AI версии 1.0 использует иной подход к архитектуре.

Разделение мышления и действия
IronClaw 1.0 — это ИИ-агентный фреймворк, построенный вокруг простой, но важной концепции разделения: компонент, отвечающий за то, что должно произойти, отделён от компонента, который непосредственно выполняет действие.

Между ними находится то, что NEAR AI называет guard (защитником/контролером).
Каждое действие проходит через слой координации. Вместо того чтобы позволять модели напрямую взаимодействовать с инструментами, учетными данными, веб-сайтами или другими внешними системами, guard обеспечивает контролируемую контрольную точку перед выполнением.

Это важно, потому что агент может быть очень способным и при этом создавать проблемы, если способность и полномочия воспринимаются как одно и то же. IronClaw также требует явного одобрения для действий, несущих повышенные риски. Учетные данные — такие как пароли и токены — предназначены для одноразового использования и очищаются (scrubbed) из логов, ошибок и отчетов.

Производительность на трех разных бенчмарках

Архитектура подается не только как улучшение безопасности. IronClaw 1.0 также уверенно работает с разными типами задач для агентов. Используя ту же базовую модель deepseek-v4-flash для сравнения, IronClaw лидирует в трех бенчмарках:

PinchBench: 93,5% — тестирование 147 реальных задач из повседневной практики: планирование, электронная почта, кодинг, исследования и управление файлами.

ClawBench: 88,6% — тестирование агентов на более чем 140 реальных веб-сайтах в производственной среде и на сложных многошаговых задачах веб-взаимодействия.

OfficeQA: 76,4% — тестирование рассуждений по большой подборке корпоративных документов, включая почти век бюллетеней Казначейства США.

Значение заключается не в одном впечатляющем числе, а в последовательности. Эти бенчмарки проверяют разные точки отказа, но одна и та же архитектура демонстрирует сильные результаты во всех трех.

Чем IronClaw отличается?

Одна из самых практичных функций — персистентное состояние. ИИ-агенты могут быть прерваны запросами на разрешение, перезапусками или другими сбоями. Обычно это означает потерю уже выполненной работы. IronClaw постоянно делает контрольные точки (checkpoint), позволяя прерванной задаче возобновиться, а не начинать заново.

Кроме того, он спроектирован так, чтобы работать через CLI, веб-интерфейс, Slack и Telegram, сохраняя те же правила памяти и безопасности. Идея проста: изменение того, где вы взаимодействуете с агентом, не должно означать изменение того, как агент ведет себя.

Для организаций IronClaw поддерживает как многоарендные развертывания (multi-tenant), где инструменты и навыки можно разделять внутри команды, так и однопредельные развертывания (single-tenant), где предпочтительна полная изоляция.

Где NEAR AI и стейкинг находят свое место
IronClaw — один из компонентов более широкой концепции NEAR AI, ориентированной на частную, контролируемую пользователем инфраструктуру ИИ. Эта концепция также охватывает то, как люди получают доступ к сервисам ИИ. В июле 2026 года NEAR AI представила доступ на основе стейкинга для конфиденциального вывода (inference) и размещения (hosting) агентов. Пользователи могут зачислить NEAR в стейкинг, чтобы получать ваучеры на использование и развертывать агентные инстансы IronClaw, при этом базовый NEAR остается во владении пользователя по некастодиальной модели, описанной NEAR AI.
Это дает стейкингу роль, выходящую за рамки простого поиска доходности. Базовая сеть NEAR обеспечивает децентрализованную инфраструктуру, на которой работает эта экосистема, а стейкинг добавляет вклад в безопасность этой сети. На уровне сервиса NEAR AI также связывает стейкинг с доступом к вычислениям для ИИ и размещением агентов.

Это интересное направление для децентрализованного ИИ: сеть, обеспечивающая инфраструктуру, кошелек, в котором хранится доля пользователя, и сервисы ИИ, которые приближаются друг к другу.

IronClaw 1.0 показывает, как может выглядеть более способный ИИ-агент, когда безопасность, персистентность и выполнение рассматриваются как требования архитектуры, а не как второстепенные детали.

Главный вопрос теперь в том, насколько далеко эта модель сможет продвинуться по мере развития децентрализованной инфраструктуры ИИ.