Перейти к содержанию

Google

Gemini agent от Google гоняет задачи и на моделях Claude

6 мин чтения

Текст написан ИИ-моделью по источникам, на которые ведут ссылки, и сверен с ними второй моделью. Как мы работаем

Изображение: threads.com

Google Cloud 8 октября на Gemini at Work 2026 представила Gemini agent, единого агента для Gemini Enterprise. Он отвечает на вопросы, берёт на себя работу с документами, генерирует изображения и медиа, пишет и запускает код. Всё это идёт через одно окно ввода и один API. Модель под агентом выбирается отдельно для каждой задачи: сейчас это семейство Gemini и модели Claude от Anthropic. Анонс прозвучал в кейноуте главы Google Cloud Томаса Куриана, адаптированный текст которого вышел в блоге Google Cloud.

Сам Gemini Enterprise появился 9 октября 2025 года на месте Agentspace. На старте платформа строилась вокруг no-code-конструктора, где собирают и оркеструют агентов, и набора готовых агентов Google. Теперь в центре один агент, которому, по словам Куриана, «дают цели, а не инструкции»: вы поручаете ему результат и возвращаетесь уже к готовой работе.

Аудиторию Google описывает так: за последний год почти 500 клиентов Google Cloud обработали больше триллиона токенов каждый, почти 80% клиентов пользуются ИИ-продуктами компании, а Gemini Enterprise работает почти у 90% компаний из Fortune 100. «Работа теперь начинается в окне промпта», - говорит Куриан.

Агент может работать в трёх ролях: как личный ассистент, как участник команды (например, проджект-менеджер группы) или от имени конкретной должности, скажем аналитика финансового отдела. Доступ к нему открыт из веба, с iOS и Android, с десктопов на Windows и Mac, а также из командной строки, Google Workspace, Microsoft 365 и Slack. Кроме того, его можно встроить в сторонние приложения и запускать headless, без собственного интерфейса.

Агент в облаке

Gemini выполняется в облаке Google, а не на устройстве пользователя. Поэтому у него один набор памяти, один контекст и один граф персонализации, с какого бы устройства или канала вы к нему ни пришли. Заново вводить агента в курс дела не нужно, и вспоминать, на какой машине вы дали поручение, тоже. Задача на несколько часов или дней продолжает выполняться после того, как вы закрыли ноутбук.

Работу можно поручить напрямую, поставить по расписанию или привязать к событию, на которое агент отреагирует сам. В Workspace агент встроен прямо в Gmail, Drive, Docs, Slides, Sheets, Chat и Calendar, и там у него та же память, те же навыки и те же настройки контроля, что и в остальных каналах.

Субагенты и агенты-коллеги

Многошаговую задачу Gemini раскладывает на ростер субагентов. Это временные агенты под конкретную работу, у каждого своя идентичность. Gemini переписывается с ними и координирует шаги, параллельные и последовательные, а такие цепочки могут идти часами и днями.

Второй тип помощников живёт дольше. Агент-коллега, по описанию Google, ближе к члену команды: у него постоянная роль и присутствие, которое сохраняется между днями и сессиями, даже когда меняется круг обязанностей. Таким агентам выдают собственные адреса на @agents.company.com и отдельное постоянное хранилище, а видят они только тот контекст, который им дали вы или ваши коллеги. Gemini может передавать агентам-коллегам задачи и координировать их работу.

Инструменты, навыки и четыре вида памяти

Знание о бизнесе, от цен и продуктовой линейки до порядков в отделах, Google собирает из трёх частей: инструменты подключают агента к системам компании, навыки описывают, как делается работа, а контекст отвечает за память.

В списке инструментов Confluence, Microsoft Office, Teams, Slack и Workspace, Git и Jira, Salesforce и ServiceNow, базы BigQuery, Databricks, Postgres и Snowflake, а также файлы на вашем компьютере. Агент работает с любым MCP-сервером внутри корпоративной сети или за её пределами. В сентябре подключение собственных MCP-серверов в редакции Business было помечено как Public Preview. Есть и корпоративный реестр инструментов: команды публикуют туда свои инструменты для остальной компании.

Навыки устроены как многоразовые наборы инструкций, знаний или процессов, которые хранятся модульными промптами и учат агента выполнять конкретную многошаговую задачу. Gemini поставляется с глобальной библиотекой навыков, отделы публикуют свои в общий реестр компании, а сотрудник может завести личные. Агент сам подбирает навыки и инструменты под задачу и учится на каждом выполнении. По словам Google, так растёт стабильность результата и снижается расход токенов.

Памяти у агента четыре вида:

  • сессионная, для текущей задачи, даже если она идёт несколько дней;
  • семантическая, структурированная база знаний, которую агент собирает из документов, разговоров с людьми и работы с другими агентами;
  • процедурная, о том, как делается работа, включая навыки, которые агент пишет себе сам;
  • эпизодическая, обо всём, что он уже делал.

Входит в работу агент, как описывает Google, словно новый сотрудник: сначала изучает вас, ваши инструменты и команду. Для тонкой настройки команды заводят отдельные проекты со своим набором контекста, навыков и инструментов.

Банки, страховщики, ритейл

Рядом с агентом Google анонсировала навыки для работы с данными и аналитики: и технические команды, и обычные сотрудники получают операционные выводы за минуты, задавая вопросы обычным языком. Есть и отраслевая специализация для финансовых и юридических команд со своими инструментами, навыками, коннекторами и базой знаний.

Клиентские истории в кейноуте относятся к Gemini Enterprise в целом, а не только к новому агенту. Бразильский Bradesco автоматизировал налоговый, бухгалтерский и договорной анализ: проверка документа сократилась с часа до 5 минут, расхождений в оценке рисков стало на 60% меньше, а финансовая эффективность выросла больше чем на 10%. Японская страховая SOMPO собрала больше 10 000 собственных агентов на 34 000 сотрудников, а её инженеры сократили разработку новых моделей с недели до одного дня. Orange Spain развернула больше 1 000 собственных агентов в HR, IT, продажах и поддержке. В Bunnings, входящей в Wesfarmers, внутренний агент сэкономил сотрудникам полмиллиона часов административной работы.

Какую модель выбирает агент?

Агент и модель в Gemini - разные сущности. Каждая задача уходит на модель, которая подходит ей лучше всего: сейчас это модели Gemini и Claude от Anthropic, позже Google обещает добавить другие закрытые и открытые модели. «Лучшая модель для задачи - не всегда самая большая», - говорится в тексте кейноута. Аргумент Google такой: подбор модели под работу повышает точность на сложных задачах и снижает стоимость на простых. Лидер среди моделей меняется раз в несколько месяцев, а при открытом выборе ваш контекст, навыки и данные остаются на месте.

Динамический выбор модели заранее тестировал спортивный бренд On, чтобы быстрее выводить продукты на рынок. В пример Google приводит и мультимодельные схемы, которые клиенты уже используют: PayPal маршрутизирует 10 миллионов мультимодельных запросов в неделю. Расходы ограничивают Smart Routing и лимиты трат в реальном времени. Для безопасности у агентов есть управление идентичностями и политиками, контроль авторизации и прав, изолированные песочницы и сетевые шлюзы.

Позже, 15 октября, в release notes Gemini Enterprise появилась запись о Claude Opus 5.5 и Claude Sonnet 5.5: администраторы могут открыть их пользователям приложения Gemini Enterprise. Модель включают в разделе Enable third-party models на вкладке Feature Management, после этого она появляется в селекторе моделей. Claude доступен в локации global и мультирегионах us и eu, оплачивается по схеме pay-as-you-go, функция в статусе GA.

AI-индустрияOpenAI

OpenAI добралась почти до половины кодинга на OpenRouter

По данным OpenRouter, которые видела The Wall Street Journal, доля OpenAI в задачах на код и продуктивность выросла с менее чем 25% в начале 2026 года почти до 50% в прошлом месяце. Правда, выборка в основном из ИИ-стартапов.

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.