12 августа 2026 года Сбер представил ГигаАгент (Giga Agent): автономного ИИ-агента для бизнес-задач и повседневной работы. Это уже не «чат с нейросетью в цикле вопрос–ответ», а сервис, который, по заявлению разработчиков, планирует шаги, работает в фоне, подключает навыки и возвращается с готовым результатом.
Официальная витрина продукта: developers.sber.ru/portal/giga-agent. Попробовать агента предлагают через пространство Agents Space (Cloud.ru).
Что анонсировали
На лендинге ГигаАгент описан как персональный ИИ-агент: параллельно ведёт задачи, не требует постоянного контроля на каждом шаге, уточняет недостающие детали и в итоге отдаёт не «статус работы», а документ, расчёт или выполненное действие.
Сбер позиционирует продукт как российский ответ зарубежным agent-решениям вроде OpenClaw, Hermes Agent и NemoClaw. Так формулировку передают отраслевые издания, опираясь на сообщения компании. Это маркетинговое сравнение, а не независимый бенчмарк «кто сильнее».
Чем ГигаАгент отличается от обычной ИИ-модели
На странице продукта Сбер прямо сравнивает «ИИ-модель» и «ГигаАгент». Смысл таблицы простой:
- обычная модель работает в цикле «запрос — ответ»; агент поддерживает непрерывный цикл выполнения задачи;
- модель опирается в основном на контекст текущего диалога; агент заявляет память между сессиями и перезапусками;
- модель следует промпту; агент планирует решение, выполняет действия и может сам создавать навыки;
- модель использует заранее подключённые инструменты; агент может подключать новые;
- модель может повторять прежние ошибки; агент заявлен как система, которая «учится на ошибках».
На практике это ближе к классу AI agents, чем к классическому GigaChat-чату. Вопрос, насколько стабильно это работает на реальных задачах, решается только прогоном своих сценариев, а не чтением лендинга.
Какие задачи заявлены
По официальному описанию ГигаАгент:
- планирует и выполняет многошаговые задачи, собирает параллельные дела в единый план;
- разбирает большие объёмы разрозненных данных, сравнивает факты и собирает сводку;
- создаёт рабочие прототипы: пишет код, запускает тесты и правит ошибки до результата;
- участвует в бизнес-процессах: входящие запросы, показатели, заявки, метрики, отчётность;
- осваивает навыки под задачу: подключает готовые или создаёт новые, если подходящего нет.
В обзорах запуска дополнительно упоминают календарь, работу с документами, переписку, отчёты и презентации. Это согласуется с общей логикой «агент берёт задачу целиком», но детали интеграций и лимиты нужно сверять уже внутри Agents Space.
Как это работает по схеме Сбера
На лендинге цикл описан в пять шагов:
- вы ставите задачу обычным языком;
- агент планирует работу, подбирает навыки и подключается к инструментам;
- выполняет работу в фоне, в том числе между сессиями;
- учитывает контекст и предпочтения из прошлых задач;
- возвращается с результатом: документ, расчёт или действие, а не только прогресс-бар.
Отдельно в публикациях о запуске фигурирует способность агента править собственный код и фиксировать изменения как коммиты во встроенном Git-репозитории. Если это подтверждается в продукте, для разработчика это важно: появляется auditable trail, а не «магическое» самоизменение без истории. На момент подготовки материала это заявленное свойство; проверять нужно на реальном доступе.
Основа: Ouroboros и Agents Space
По сообщениям СМИ, в основе ГигаАгента лежит проект саморазвивающегося агента Ouroboros, который развивают вместе со Сбером специалисты московского Института AIRI. Для пользователя важнее прикладной слой: запуск через Agents Space и обещание хранить и обрабатывать данные на отечественных платформах.
iXBT со ссылкой на разработчиков приводит цифру по Terminal Bench 2.1: 86,97% при работе с моделью Opus 5 от Anthropic. Это результат на конкретном бенчмарке и конкретной модели, а не универсальная оценка «качества ГигаАгента для бизнеса». На свои документы, CRM и внутренние регламенты переносить такой процент нельзя.
Доступ, бонусы и деньги
Как получить доступ: кнопка «Попробовать первым» на странице Giga Agent ведёт к регистрации в Agents Space.
Сбер пишет: новым пользователям дают 4000 бонусов на тестирование и настройку агента. Дальше оплата «по мере интенсивности использования». То есть это не классическая подписка «X ₽ в месяц за всё», а модель, завязанная на объём и частоту задач. Конкретный прайс на лендинге не вывешен: перед нагрузкой разумно посмотреть тарифы и расход бонусов уже в кабинете Cloud.ru / Agents Space.
Технические навыки, по FAQ продукта, не обязательны: задачу ставят обычным языком. Глубже копать настройки имеет смысл тем, кто хочет кастомные интеграции и контроль над навыками.
Почему это важно на практике
Для владельца сайта, небольшой команды и разработчика в РФ интересны три вещи.
1. Сдвиг от чата к исполнению. Черновик письма в чате и автономный прогон «собери сводку, разложи по задачам, доведи до файла» — разные уровни автоматизации. Если агент реально держит контекст между сессиями, длинные проекты перестают разваливаться после закрытия вкладки.
2. Локальный контур и инфраструктура. Продукт идёт через экосистему Сбера и Cloud.ru. Для части компаний это проще с точки зрения закупок, доступа и ожиданий по размещению данных, чем связка «иностранный agent + карта + VPN».
3. Новые риски рядом с новыми возможностями. Агент с доступом к инструментам, коду, переписке и бизнес-процессам — это уже не игрушка. Нужны границы: какие данные можно отдавать, какие действия агент вправе выполнять без подтверждения, как откатывать ошибочные правки, кто смотрит логи.
Где обычно ломается ожидание
Даже сильный agent-стек не отменяет базовые правила работы с ИИ.
- фактчекинг: цифры, даты, юридические формулировки и «сводки по рынку» всё равно проверяют человек;
- доступ к системам: без нормально настроенных интеграций агент останется умным чатом с красивым названием;
- безопасность: права на почту, календарь, репозиторий и CRM должны быть минимально достаточными;
- стоимость: pay-as-you-go на длинных автономных циклах легко разгоняет расход, если не смотреть лимиты;
- самоизменение кода: если функция есть, без Git-истории, ревью и возможности отката это риск, а не фича.
Что сделать, если хотите попробовать
- Откройте официальную страницу ГигаАгента и перейдите в Agents Space.
- Зарегистрируйтесь и зафиксируйте стартовые 4000 бонусов, чтобы понимать бюджет теста.
- Прогоните 3–5 реальных задач: сводка по документам, черновик отчёта, план работ, простой прототип или разбор входящих, а не «напиши стих».
- Проверьте, сохраняется ли контекст между сессиями и насколько осмысленно агент уточняет недостающие данные.
- Если планируете рабочие данные, заранее определите, что нельзя отдавать агенту, и как выглядит процедура отката результата.
Вывод
ГигаАгент — заметный шаг Сбера от диалоговой модели к автономному агенту: фон, память между сессиями, навыки, многошаговые задачи и запуск через Agents Space. Дата анонса: 12 августа 2026 года. Для практики важны не сравнения с OpenClaw в пресс-релизах, а то, как агент ведёт себя на ваших документах, с вашими ограничениями по данным и с понятной экономикой бонусов.
Имеет смысл смотреть продукт как ранний доступ к agent-платформе в экосистеме Сбера: пощупать на бонусах, зафиксировать слабые места, и только потом решать, куда его встраивать в рабочие процессы.
