ИИ-агенты выходят за рамки простого ответа на вопросы.
Их всё чаще просят выполнять задачи, взаимодействовать с программным обеспечением, управлять рабочими процессами и в конечном итоге работать с финансовой и цифровой инфраструктурой.
Это создаёт новую проблему.
Как дать ИИ-агенту возможность действовать, не предоставляя ему безграничного права на действия?
Именно здесь IronClaw 1.0 от @NEAR Protocol становится интересным.
От мышления к действию
Традиционные ИИ-системы в основном работают в рамках генерации ответа.
Агентная система отличается. Ей нужно рассуждать, принимать решения, взаимодействовать с внешними системами и выполнять действия.
IronClaw 1.0 снижает риск, создаваемый этим переходом, за счет разделения принятия решений и выполнения.
Ее архитектуру можно упростить следующим образом:
ДУМАЙ → ЗАЩИЩАЙ → ДЕЙСТВУЙ
Агент может определить, что он хочет делать, но само действие проходит через выделенный слой Guard перед выполнением.
Это создает точку контроля между рассуждениями ИИ и его способностью влиять на внешний мир.
Чувствительные действия могут требовать явного одобрения, при этом секреты рассчитаны на одноразовое использование и защищены от появления в логах, ошибках или отчетах.
Для корпоративных сред этот нюанс важен.
Теперь вопрос уже не просто в том, является ли ИИ-агент умным.
Вопрос в том, сможет ли его интеллект быть развернут с соответствующими механизмами контроля.
Результаты бенчмарков
NEAR AI сообщила о сильных результатах для IronClaw 1.0 на трех агентских бенчмарках, используя deepseek-v4-flash в качестве базовой модели:
93.5% | PinchBench
88.6% | ClawBench
76.4% | OfficeQA
Согласно NEAR AI, IronClaw опережал следующую по силе систему примерно на четыре процентных пункта на PinchBench и примерно на пять пунктов — в среднем по полю на ClawBench.
На OfficeQA NEAR AI сообщила примерно о на 12% меньше ошибок, чем у Hermes, и на 15% меньше, чем у OpenClaw.
Эти цифры следует рассматривать в правильном контексте: это результаты, о которых NEAR AI сообщила для релиза IronClaw 1.0 в июле 2026 года, а не утверждение о текущих лидерах более широких бенчмарков.
Более интересный момент в том, что IronClaw сочетает «интеллект модели» с архитектурой выполнения, построенной вокруг контроля.
Постоянство меняет опыт работы агента
Еще один важный компонент — непрерывный чекпойнтинг.
ИИ-агенты могут терпеть неудачу по банальным причинам.
Процесс может остановиться. Соединение может оборваться. Сессия может перезапуститься.
Без постоянного состояния агент может потерять контекст того, что он делал.
Подход IronClaw к чекпойнтингу позволяет прерванной работе возобновляться, а не начинать заново.
Это приближает агентов к работе как постоянных цифровых сотрудников, а не как временные сессии чата.
IronClaw также поддерживает общую память и модель безопасности для CLI, Web, Slack и Telegram.
Это означает, что интерфейс может меняться без необходимости фрагментировать контекст агента.
Где NEAR AI Встраивается
И именно здесь становится важной связь с NEAR AI.
Более широкое направление NEAR в области ИИ фокусируется на инфраструктуре ИИ, принадлежащей пользователям и поддающейся проверке, включая конфиденциальный инференс и безопасное выполнение.
IronClaw представляет агентный слой.
NEAR AI представляет часть инфраструктуры, поддерживающей более широкий экосистемный контекст.
А под сетью лежит еще один важный компонент: стейкинг.
Ставки часто обсуждают в первую очередь с точки зрения вознаграждений, но их более глубокая функция — экономическая безопасность.
NEAR использует Proof of Stake, где валидаторы обеспечивают безопасность сети, а делегированная доля дает экономическую поддержку инфраструктуре, обрабатывающей транзакции.
Если ИИ-агенты все чаще зависят от децентрализованной инфраструктуры для хранения состояния, выполнения транзакций, доступа к активам или координации между сетями, безопасность этой базовой инфраструктуры становится все более важной.
Это делает стейкинг чем-то большим, чем просто механизм доходности.
Это становится частью фундамента безопасности инфраструктуры, на который будущие ИИ-агенты смогут полагаться.
Более широкая картина
IronClaw 1.0 указывает на важный сдвиг в том, как мы должны оценивать ИИ-агентов.
«Сырой» интеллект — это лишь одна часть уравнения.
Полезному автономному агенту также нужно:
Интеллект, чтобы рассуждать.
Ограждения для контроля выполнения.
Сохранение состояния.
Память для работы в разных средах.
Безопасная инфраструктура для действий в реальном мире.
Именно это делает направление NEAR AI особенно интересным.
Следующему поколению ИИ-агентов не просто нужно знать, что делать.
Им потребуется надежный способ решить, когда им разрешено это делать, как именно они должны это делать, и что произойдет, если что-то пойдет не так.
IronClaw 1.0 — интересный шаг в направлении этой модели.
Как вы думаете, что важнее для следующего поколения ИИ-агентов: более качественное рассуждение или более надежный контроль над выполнением?
Ссылки
www.near.ai/blog/introducing-ironclaw-1-0
www.near.org/ai
docs.near.org/protocol/network/validators
github.com/nearai/ironclaw