Технічний контекст
Я переглянув реліз OpenAI Codex rust‑v0.145.0, і тут справді є за що зачепитися: вони не просто підкрутили UX, а стабілізували opt‑in мультиагент V2. Для тих, хто будує AI‑автоматизацію та робочі пайплайни розробки, це вже не косметика, а зміна самої схеми виконання завдань.
Головне нововведення, на мій погляд, у тому, що субагентам тепер можна окремо задавати модель і рівень міркування. Тобто батьківський агент може керувати оркестрацією, а дочірні потоки я можу спрямувати на різні профілі: десь потрібне дешеве прочісування кодової бази, а десь — важчий агент для складної логіки.
Це важливіше, ніж звучить. Раніше в багатьох агентних сценаріях вибір моделі був надто «сесійним», а тепер маршрутизація наближається до рівня конкретного потоку й підзадачі.
Друга річ, на якій я одразу зупинився, — це паралельність. Codex V2 нормалізує одночасний запуск кількох агентів у проєкті: один досліджує структуру репозиторію, інший перевіряє залежності, третій збирає шматок фічі. Потім усе це зводиться в одну відповідь.
Також із релізу: повернули ролі та покращили навігацію між агентами. З досвіду це не дрібниця — саме це робить мультиагентну систему хоч трохи придатною для щоденної роботи. Коли не можна швидко зрозуміти, хто що робить і як провалитися в ієрархію, уся краса агентності швидко перетворюється на хаос.
Але я б не романтизував. Навколо V2 уже є запитання щодо спостережуваності: що більше автономії в субагентів, то гострішою стає тема аудиту, налагодження й контролю інструкцій між агентами.
Що це змінює для бізнесу й автоматизації
Для команд я бачу три виграші. Перший: дешевше будувати змішану AI‑інтеграцію, де не кожна підзадача проганяється через найдорожчий профіль міркування. Другий: швидше йдуть великі завдання, які можна чесно розпаралелити. Третій: архітектура стає ближчою до реальної інженерної організації, де є оркестратор і спеціалізовані виконавці.
Хто програє? Ті, хто сподівався, що мультиагентність сама собою вирішить хаос у процесі. Без правил маршрутизації, пісочницевих обмежень і зрозумілої спостережуваності це легко ламається на проді.
Ми в Nahornyi AI Lab якраз вирішуємо такі речі на практиці: не просто під’єднуємо модний агентний режим, а збираємо AI‑рішення для бізнесу так, щоб вони були керованими, перевірюваними й не спалювали бюджет на рівному місці. Якщо у вас визрів сценарій, де один асистент уже вперся в стелю, я можу разом із вами розкласти архітектуру й побудувати AI‑автоматизацію під ваш реальний процес — без іграшкової агентності заради галочки.