Agent Arena 2026: восемь AI-агентов на одной методике

01Методика: шесть осей и веса

Сравнивать агентов по маркетинговым страницам бессмысленно: почти все умеют «работать с кодом» и «подключать MCP». Поэтому оси разведены так, чтобы одна и та же команда оценивала разные типы задач, а веса отражали реальную нагрузку: кодинг весит четверть, потому что именно под него покупают большинство агентов, а память — вдвое меньше, хотя именно она отличает ассистента общего назначения от умной консольной команды.

02Восемь участников

Ниже — краткая характеристика каждого агента с проверенными метриками. Ссылки на полный разбор по каждому — в конце страницы.

Hermes Agent (Nous Research, Python, MIT, 249,1 тыс. ★) — агент общего назначения: долговременная память между сессиями, библиотека навыков, набор инструментов, планировщик задач и шлюз в мессенджеры. В арене он лидирует по оси памяти и силён в автономности: задачи можно ставить по расписанию и получать результат в канал, а не в открытую вкладку терминала. Слабое место — кодинг: правки в крупном репозитории агент делает уверенно, но уступает специализированным терминальным инструментам по работе с диффами и тестами.

OpenClaw (TypeScript, 390,5 тыс. ★ — самый популярный проект подборки) — персональный ассистент, который задуман как постоянно живущий рядом агент: локальный рантайм, подключение календарей, почты, мессенджеров и файловой системы. Лицензия в репозитории не распознаётся GitHub как стандартная SPDX — перед коммерческим внедрением её нужно читать в первоисточнике. По совокупности осей он в лидерах, но требует заметной инженерной работы: настройка каналов, прав и изоляции ложится на владельца.

Goose (Agentic AI Foundation, Rust, Apache-2.0, 54,7 тыс. ★ на GitHub при «45k+» на официальном сайте) — самый «расширяемый» участник: 70+ MCP-расширений, 15+ провайдеров моделей, работа через подписки (ACP), рецепты воркфлоу в YAML, субагенты и приложения MCP с интерфейсом внутри desktop. Это лучший выбор, когда задача — не «починить код», а собрать повторяемый процесс: рецепт описывается один раз и запускается командой или в CI. Автономность ниже: постоянный фоновый режим не его профиль.

SemaClaw (MIT, TypeScript, 84 ★; рантайм sema-code-core — 133 ★) — самый молодой проект подборки и единственный, у которого есть научная статья (arXiv 2604.11548) с описанием архитектуры: DAG Teams, PermissionBridge, трёхслойная память (рабочий контекст, внешняя память, персона в SOUL.md) и Agentic Wiki. Оценка памяти здесь высокая не из-за популярности, а из-за проработанной модели контекста; по кодингу — самая низкая в арене: инструмент строится как обвязка, а не как кодовый агент. Авторы заявляют рост Terminal Bench 2.0 с 52,8% до 66,5% за счёт изменений в harness — это их собственные данные.

OpenHands (ранее OpenDevin, MIT, TypeScript, 89,2 тыс. ★) — платформа, в которой агент работает в изолированном Docker-контейнере: терминал, файлы, браузер. Это самая «закрытая от вашей машины» схема: агент не трогает локальное окружение, а результаты приходят в виде изменений и pull-request. Память и персона — слабая ось: фокус сделан на выполнении задачи в песочнице, а не на длительных отношениях с пользователем.

Codex CLI (OpenAI, Rust, Apache-2.0, 126,6 тыс. ★) — самый сильный участник по оси кодинга: агент проектировался под работу в репозитории с полным доступом к терминалу, запуском тестов и многофайловыми правками, у него же один из лучших показателей восстановления после ошибок. Модели подключаются через аккаунт OpenAI, поэтому стоимость зависит от тарифа и лимитов, а не от цены за подписку агента. Память и персона — минимальные: контекст живёт в проекте и правилах репозитория.

Amp (Sourcegraph) — единственный полностью коммерческий участник: публичного репозитория нет, ставить нужно CLI @ampcode/cli. Каждый поток получает собственный «орб» — удалённую машину, где агент работает без вашего ноутбука, умеет просыпаться по событиям (новая задача в трекере, упавший CI, расписание) и показывает изменения через порталы. Итог 8,0 — за зрелость продукта, а не за открытость: исходников нет, а цена выражена в минутах орбов.

Grok Build (xAI, Rust, Apache-2.0, 27,1 тыс. ★) — терминальный агент с полноэкранным интерфейсом: Plan Mode, субагенты в отдельных worktree, sandbox и права, MCP, хуки, headless-режим для CI, ACP для редакторов и подмена моделей через ~/.grok/config.toml (любой OpenAI-совместимый эндпоинт). Проект молодой: экосистема плагинов и наработки сообщества пока заметно тоньше, чем у Goose или OpenClaw, отсюда просадка по восстановлению и памяти.

03Сводная таблица и графики

04Разбор по осям

Research. Лучший результат — у Amp (8,6): агент изначально делается как «работать из любого клиента», включая телефон, и рассчитан на сбор контекста с внешних систем. Практически рядом Hermes Agent (8,5) и Goose (8,4) — у обоих сильные веб-инструменты и доступ к документации. Ниже всех SemaClaw (7,2): он строится как локальная обвязка, и поиск в интернете — не его сильная сторона.

Кодинг. Здесь побеждает Codex CLI (9,2) — терминальный агент OpenAI изначально про репозиторий, тесты и многофайловые правки. Следом идут OpenClaw (8,2), OpenHands и Amp (по 8,2), Grok Build (8,0) и Goose (8,0). Замыкает SemaClaw (6,8): фреймворк строится как универсальная обвязка, кодовые задачи в нём решаются сторонним рантаймом.

Автономность. Максимум — у Hermes Agent (8,8): задачи ставятся по расписанию, выполняются в фоне и возвращаются в канал. OpenClaw (8,6) и Codex CLI (8,6) делят второе место, у OpenHands (8,4) и Amp (8,4) — сильная изоляция и удалённые машины, у Amp дополнительно пробуждение по событиям: новая задача в трекере, упавший CI или собственное расписание. У Goose автономность скромнее (7,5): его модель — запуск по команде или рецепту, а не постоянно живущий в фоне процесс.

Память. Ось, которая разводит участников сильнее всего. Hermes Agent (9,5) и SemaClaw (9,0) проектировались вокруг долговременного контекста: у первого — память между сессиями и навыки, у второго — три слоя контекста и персона в отдельном файле. OpenClaw (8,8) и Goose (8,4) помнят проектные правила и внешние знания через расширения, а у Codex CLI, Amp и Grok Build память привязана к репозиторию или профилю конфигурации — для длительных отношений «агент и пользователь» этого мало.

Восстановление. Ось про поведение при сбое: повторы, лимиты, права, sandbox, наблюдаемость. Codex CLI (8,4) и OpenClaw (8,2) обрабатывают ошибки и ограничения лучше остальных; OpenHands (8,0) выигрывает за счёт Docker-изоляции — агенту попросту нечем навредить. У Grok Build (7,4) и Amp (7,4) механики есть (sandbox, права, хуки), но публичных практик эксплуатации меньше.

05Что выбрать под задачу

06Деньги: подписка против токенов

Главная ошибка при выборе — сравнивать «цену агента» вместо полной стоимости месяца. У семи открытых участников платформа бесплатна, а платите вы за токены модели: ключ провайдера или локальная модель. Amp — единственный, кто продаёт подписку на среду: у него тариф считается в минутах работы «орбов». Ниже — структура тарифов по официальной странице цен на 26.09.2026.

07Итоги арены

Первое место делят три агента с итогом 8,4 — Hermes Agent (память и автономность), OpenClaw (зрелость и охват сценариев) и Codex CLI (кодинг и восстановление). Это не «ничья по слабости»: профили у них разные, и в реальной работе выбор определяется тем, что вы делаете большую часть дня. Отдельно стоит Goose (8,2) — лучший инструмент для повторяемых процессов и MCP-интеграций, и Amp (8,0) — единственный вариант, когда нужна работа без локальной машины и без возни с инфраструктурой.