Стартап Random Labs при поддержке Y Combinator представил Slate V1, заявляя о создании первого «рой-нативного» агента для программирования
Мир программной инженерии в настоящее время борется с фундаментальным парадоксом эпохи ИИ: по мере того как модели становятся все более мощными, «системная проблема» управления ими превращается в главный камень преткновения на пути к реальной продуктивности. И хотя у разработчика может быть доступ к «сырому» интеллекту передовой модели, этот интеллект часто деградирует в тот момент, когда задача требует долгосрочного планирования или глубокого контекстного окна.
Но помощь, судя по всему, уже в пути: базирующийся в Сан-Франциско и поддерживаемый Y Combinator стартап Random Labs официально запустил Slate V1, позиционируемый как первый в индустрии «роевой» (swarm-native) автономный агент для написания кода, предназначенный для выполнения масштабных параллельных и сложных инженерных задач.
Инструмент, вышедший из стадии открытого бета-тестирования, использует «алгоритм динамического прореживания» (dynamic pruning algorithm) для сохранения контекста в больших кодовых базах при масштабировании результатов до уровня корпоративной сложности. Основанная Кираном и Михиром Чинтавар в 2024 году компания ставит своей целью преодолеть глобальную нехватку инженеров, позиционируя Slate как инструмент совместной работы для «следующих 20 миллионов инженеров», а не как замену разработчикам-людям.
Выпустив Slate V1, команда Random Labs попыталась найти архитектурный выход из этого тупика, представив первую «роевую» агентную среду программирования. Slate — это не просто обертка или чат-бот с доступом к файлам; это реализация философии «коллективного разума» (hive mind), призванная масштабировать работу агентов в соответствии со сложностью человеческой организации.
Задействуя новый архитектурный примитив под названием Thread Weaving (плетение потоков), Slate выходит за рамки жестких деревьев задач и методов компрессии с потерями, которые определяли первое поколение ИИ-ассистентов для написания кода.
Стратегия: Пространство действий
В основе эффективности Slate лежит глубокая интеграция с рекурсивными языковыми моделями (RLM).
В традиционной системе агенту могут дать задание «исправить баг» — промпт, который заставляет модель одновременно лавировать между стратегией высокого уровня и низкоуровневым исполнением.
Random Labs видит в этом неспособность задействовать «избыток знаний» (Knowledge Overhang) — скрытый интеллект, которым обладает модель, но к которому она не может эффективно получить доступ при тактической перегрузке.
Slate решает эту проблему с помощью центрального оркестрирующего потока, который по сути «программирует в пространстве действий». Этот оркестратор не пишет код напрямую; вместо этого он использует DSL на базе TypeScript для отправки параллельных рабочих потоков, решающих конкретные ограниченные задачи.
Это создает четкое разделение между «ядром» (kernel), которое управляет графом выполнения и поддерживает стратегическое соответствие, и рабочими «процессами», выполняющими тактические операции в терминале.
Отображая архитектуру на фреймворк операционной системы, вдохновленный концепцией «LLM OS» Андрея Карпати, Slate способен относиться к ограниченному контекстному окну модели как к драгоценной оперативной памяти, активно и интеллектуально управляя тем, что сохраняется, а что отбрасывается.
Эпизодическая память и рой
Истинная инновация подхода «Thread Weaving» заключается в том, как он работает с памятью. Большинство современных агентов полагаются на «компрессию» (compaction), что часто является лишь красивым термином для сжатия с потерями, чреватого утратой критического состояния проекта. Вместо этого Slate генерирует «эпизоды».
Когда рабочий поток завершает задачу, он возвращает не разросшуюся стенограмму каждой неудачной попытки, а сжатую сводку успешных вызовов инструментов и полученных выводов.
Поскольку эти эпизоды разделяют контекст напрямую с оркестратором, а не полагаются на хрупкую передачу сообщений, система поддерживает «роевой» интеллект.
Эта архитектура обеспечивает масштабный параллелизм. Разработчик может задействовать Claude Sonnet для оркестрации сложного рефакторинга, в то время как GPT-5.4 пишет код, а GLM 5 (популярный благодаря своим возможностям агентного поиска) одновременно исследует документацию библиотек в фоновом режиме. Это подход, схожий с тем, что использует Perplexity со своим новым мультимодельным компьютерным агентом.
Выбирая «правильную модель для конкретной задачи», Slate гарантирует, что пользователи не переплачивают за избыточный интеллект на простых тактических этапах, сохраняя при этом преимущества стратегической глубины самых мощных моделей мира.
Бизнес автономности
С коммерческой точки зрения Random Labs проходит этап ранней бета-версии, сочетая прозрачность со стратегической неопределенностью.
Хотя компания еще не опубликовала прайс-лист с фиксированной ценой, документация Slate CLI подтверждает переход на кредитную модель тарифообразования на основе использования.
Команды вроде /usage и /billing позволяют пользователям в режиме реального времени отслеживать расход кредитов, а наличие переключателей биллинга на уровне организаций указывает на четкую ориентацию на профессиональные инженерные команды, а не на одиночных энтузиастов.
Также наблюдается серьезный уклон в сторону интеграции. Компания Random Labs недавно объявила, что прямая поддержка OpenAI Codex и Anthropic Claude Code появится на следующей неделе.
Это говорит о том, что Slate не пытается конкурировать с родными интерфейсами этих моделей, а выступает в роли превосходного уровня оркестрации, который позволяет инженерам использовать их все одновременно — безопасно и с экономической выгодой.
Я обратился к
С архитектурной точки зрения система спроектирована так, чтобы максимизировать кэширование за счет повторного использования подпотоков — это «новый трюк инженерного проектирования контекста», который, по словам команды, не позволяет роевому подходу стать финансовым бременем для пользователей.
Stability AI
Пожалуй, самый убедительный аргумент в пользу архитектуры Slate — это ее стабильность. В ходе внутреннего тестирования ранняя версия этой системы потоков смогла пройти 2/3 тестов на задачу make-mips-interpreter в составе набора Terminal Bench 2.0.
Это задача, в которой даже самые новые передовые модели, такие как Opus 4.6, часто добиваются успеха менее чем в 20% случаев при использовании в стандартных неоркестрированных обвязках.
Именно такой успех в «мутирующей» или меняющейся среде отличает инструмент от партнера. Согласно документации Random Labs, один из фаундеров финтех-стартапа из Нью-Йорка назвал Slate своим «лучшим инструментом для отладки» — мнение, которое перекликается с более широкой целью Random Labs: создавать агентов, которые не просто выполняют промпт, но масштабируются подобно целой организации.
Поскольку индустрия уходит от простых интерфейсов «поболтай со своим кодом», концепция «Thread Weaving» в Slate V1 дает представление о будущем, в котором главная роль человеческого инженера заключается в управлении коллективным разумом специализированных моделей, работающих согласованно для решения долгосрочных задач современного программного обеспечения.
