Если смотреть на свежие AI-стартапы и продукты через Product Hunt, Hacker News, GitHub и TechCrunch одновременно, становится видно, что рынок взрослеет. Самые интересные проекты теперь выигрывают не за счёт громких слов про AGI, а потому что закрывают конкретные пробелы: память агента, облачное исполнение, аналитика провалов в живых диалогах, вертикальные рабочие процессы и качественные данные.

OpenViking вырывается в лидеры как инфраструктура памяти и контекста для AI-агентов

OpenViking подаёт себя не как очередную оболочку для моделей, а как инфраструктурный слой: self-evolving context database, который объединяет память агента, RAG-знания и переиспользуемые навыки. Это важно, потому что именно память и контекст сейчас остаются одной из самых слабых частей production-агентов: инструменты могут действовать, но знания о пользователе, задачах и прошлом опыте часто разбросаны по промптам, векторным базам и случайным заметкам.

Сильная GitHub-тяга здесь особенно показательна: для инфраструктурного проекта десятки тысяч звёзд и сильный дневной прирост означают, что проблема действительно болит у разработчиков. Источник: GitHub.

munder-difflin набирает скорость как локальный multi-agent harness

munder-difflin хорошо попадает в другой растущий запрос: как запускать несколько агентов локально, без обязательной привязки к очередному hosted SaaS. По сути, рынок начинает разделяться на два лагеря — платформы, которые обещают удобство в облаке, и инструменты, которые возвращают контроль разработчику на его собственной машине.

Рост на GitHub показывает, что спрос на локальную оркестрацию не декоративный. Разработчикам нужны не только сильные модели, но и способы связывать их между собой под своим контролем. Источник: GitHub.

Omni by xpander переводит агентные сценарии из ноутбука в постоянное облачное исполнение

Omni by xpander решает очень практичную проблему: многие лучшие агентные автоматизации всё ещё живут в локальной сессии разработчика и умирают, как только закрывается ноутбук. Продукт переупаковывает это как execution layer и предлагает вывести такие сценарии в always-on режим.

Это важный сдвиг в логике рынка. Вопрос уже не только в том, может ли агент выполнить задачу, а в том, может ли он надёжно продолжать её выполнять без постоянного присутствия человека. Источник: Product Hunt.

Scrumball превращает influencer-маркетинг в агентный workflow

Scrumball интересен как пример вертикального AI-продукта с понятной коммерциализацией. Он вырос из базы и CRM для influencer-маркетинга, а затем двинулся в сторону агентной системы, которая закрывает более широкий кусок исполнения.

Именно такие вертикальные апгрейды сегодня выглядят особенно живыми: не «агент на все случаи жизни», а агент, встроенный в уже существующий рабочий процесс с деньгами и пользователями. Источник: Product Hunt.

Agnost AI хочет вытаскивать скрытые сигналы провала из реальных разговоров пользователей с агентами

Agnost AI заходит в очень недооценённую зону: офлайн-эвалы могут выглядеть хорошо, а реальные пользователи при этом всё равно ломают сценарий живыми разговорами. Продукт обещает вытаскивать из таких диалогов скрытые запросы, жалобы и failure signals, которые не видны в красивом бенчмарке.

Это делает проект интереснее обычного analytics-слоя. Чем больше компаний выкатывают чат- и voice-агентов, тем дороже становится разрыв между «в лаборатории прошло» и «в проде всё развалилось». Источник: Hacker News.

Vivodyne делает ставку не только на AI, но и на роботизированную генерацию лучших биоданных

На фоне бесконечных обещаний «AI для биотеха» история Vivodyne выглядит сильнее среднего именно потому, что не сводится к модели как волшебной кнопке. Компания строит модульные роботизированные wet-lab-системы, чтобы получать более качественные тканевые данные для drug discovery.

Это важный тезис для всей AI-экономики: во многих отраслях победит не тот, кто громче говорит про модели, а тот, кто лучше организует производство уникальных данных под эти модели. Источник: TechCrunch.

Главный вывод простой: самая интересная волна AI-стартапов сейчас строится вокруг надёжности, памяти, исполнения и данных. То есть вокруг тех слоёв, без которых агентный хайп не превращается в устойчивый бизнес.