Рынок агентных продуктов снова показывает, где инвесторы и разработчики видят реальную ценность: деньги идут в стартапы с выручкой, инфраструктуру доверия к моделям и инструменты безопасности. Ниже — четыре заметных сигнала из текущей подборки.

Manus привлекла более 500 млн долларов

Китайский стартап Manus, который строит AI-агентов, по данным TechCrunch, привлек более 500 млн долларов в первом раунде после расхождения с переговорами, связанными с Meta. В материале также упоминается, что ранее компанию описывали как бизнес с годовой повторяющейся выручкой свыше 100 млн долларов.

Почему это важно: рынок уже не оценивает агентные продукты только по демонстрациям. Большие раунды получают те, кто может показать выручку, масштабирование и понятный сценарий применения.

Arena подняла 200 млн долларов и достигла оценки 3,1 млрд долларов

Arena, известная по таблицам сравнения моделей LMArena, привлекла 200 млн долларов от Lightspeed, Khosla и других инвесторов. Оценка компании, по данным TechCrunch, почти удвоилась за десять месяцев и достигла 3,1 млрд долларов.

Это не стартап, который сам строит агентов, но его роль для экосистемы растет: разработчики выбирают модели по качеству, цене и поведению в сравнительных испытаниях. Чем больше продуктов зависит от автономных действий моделей, тем важнее независимые замеры и доверие к ним.

Goodfire показала более дешевый способ следить за опасным поведением агентов

Goodfire представила мониторы, которые смотрят не только на финальный ответ модели, а на внутренние активации во время работы агента. В тесте, описанном TechCrunch, контроль примерно 1500 сессий Kimi K3 стоил около 51 доллара против 233 долларов для более дешевого внешнего наблюдателя и около 10 000 долларов для сильной модели-наблюдателя. При этом система поймала 94% вредоносных сессий, связанных со взломом.

Если подход выдержит проверку на реальных клиентах, это может стать важным слоем безопасности для агентных продуктов: не просто читать результаты, а заранее замечать опасный ход рассуждений или действий модели.

Обсуждение AI Agents Zero to Hero на Hacker News показывает спрос на практическое обучение агентам

Ветка Show HN вокруг курса AI Agents Zero to Hero быстро ушла в прикладные вопросы: например, будет ли раздел оценки проверять одного и того же агента на локальных и облачных моделях.

Это менее громкая новость, чем раунды на сотни миллионов долларов, но полезный сигнал снизу: разработчикам нужны не общие рассказы об агентах, а переносимые схемы проверки, сравнения и запуска. Именно такие практики обычно отделяют игрушечную демонстрацию от продукта, который можно поддерживать в работе.

Общая картина: агентный рынок взрослеет сразу в трех местах — в капитале, в измерении качества и в безопасности. Стартапам теперь мало показать умного помощника; нужно доказать, что он надежно работает, проходит понятные проверки и стоит своих денег.