Цинхуа, ModelBest и OpenBMB открыли код агентной среды PilotDeck 2.0

PilotDeck 2.0 разработали лаборатория THUNLP Университета Цинхуа вместе с ModelBest и сообществом OpenBMB. Проект распространяется с открытым кодом по лицензии AGPL-3.0 и доступен для macOS, Linux и Windows; предусмотрено развёртывание через Docker. Хотя разработчики называют его «операционной системой» для агентов, речь о среде, которая организует их работу с проектами, памятью, инструментами и разными моделями, а не о замене настольной ОС.

Основная единица PilotDeck – отдельное рабочее пространство, WorkSpace. Для каждого проекта система выделяет собственные файлы, набор доступных навыков и хранилище памяти. Такое разделение задумано для параллельных задач: сведения из проекта по монтажу видео не должны смешиваться с контекстом разработки приложения. При длительной работе это даёт агенту возможность возвращаться к нужным данным, не заставляя пользователя каждый раз заново объяснять исходные условия.

Сохранённая память здесь видима пользователю: можно посмотреть, что агент записал, изменить или удалить ошибочную запись и закрепить важную информацию. Режим Dream в периоды простоя обобщает и убирает повторы в накопленной истории; предусмотрен возврат к состоянию до такой обработки. Ещё одна функция, Always-on, позволяет агенту продолжать длительную задачу в фоне после закрытия чата и сохранять результаты в локальные файлы вместе с отчётом о ходе работы. Система поддерживает MCP – протокол подключения внешних инструментов, – а работать с ней можно через веб-интерфейс, командную строку и мессенджеры.

Отдельный механизм PilotDeck распределяет части задачи между моделями. Идея Smart Routing состоит в том, чтобы оставить сложное планирование сильной модели, а рутинное выполнение, редактирование и форматирование поручать более лёгкой. В приведённом командой примере семи сложных задач связка Claude Sonnet 4.6 для главного агента и MiniMax-M2.7 для дочерних получила оценку 70,6 при стоимости $3,15. Запуск только на Sonnet 4.6 оценили в 69,1 при стоимости $18,36. Это результаты конкретного набора задач и способа подсчёта расходов, а не обещание такой экономии при любом сценарии.

В другой представленной оценке, Workbuddy Bench, PilotDeck с Qwen3.6-35B-A3B набрал 79,1 балла против 77,3 у Claude Code. Эти результаты характеризуют проверенные конфигурации, а не качество PilotDeck отдельно от выбранных моделей и окружения теста. Для пользователя практическая разница заметнее в повседневных действиях: можно проверить запись в памяти, продолжить работу с тем же проектным контекстом и увидеть отчёт о фоновом задании. Насколько устойчиво всё это работает на чужих проектах, предстоит выяснять при использовании.