Обзор Skywork AI 2026: исследовательский агент и AI Workspace Agents

Что такое Skywork AI

Skywork AI — это AI-лаборатория китайской интернет-компании Kunlun Wanwei (昆仑万维), известная открытыми моделями Skywork-OR1 (o1-подобное рассуждение), SkyClaw (агентная модель с миллионным контекстом), Skywork-R1V (мультимодальное рассуждение) и генеративными медиа-моделями SkyReels. В 2025–2026 годах лаборатория сместила фокус с «чистых» LLM в сторону агентных систем и позиционирует себя как «The Originator of AI Workspace Agents» — создатель агентов для автоматизации офисной работы.

Ключевая идея платформы — превратить простой текстовый запрос в готовый мультимодальный результат: документы, слайды, электронные таблицы, подкасты и веб-страницы, подкреплённые глубоким исследованием сети (deep research). Вокруг этого ядра выстроена экосистема Skywork Super Agents — оркестратор специализированных агентов, поддерживающих протоколы MCP (Model Context Protocol) и A2A (Agent-to-Agent).

Значительная часть разработок открыта на GitHub: фреймворк DeepResearchAgent (3.5K+ звёзд) с протоколами самоэволюции RSPL/SEPL, набор офисных навыков Skywork-Skills, а также медиа-модели SkyReels-V2 (7.3K+ звёзд) и UniPic. Таким образом, Skywork AI работает сразу в двух нишах — как коммерческая SaaS-платформа и как open-source лаборатория, что для западных аналогов большая редкость.

История лаборатории показательна. Начав в 2023 году с открытых LLM семейства Skywork (13B, 3B, 7B), команда быстро перешла к моделям с рассуждением — в конце 2024 года вышла Skywork-o1, одна из первых открытых o1-подобных моделей с длинными цепочками размышлений. Затем последовали мультимодальная Skywork-R1V, агентная модель SkyClaw с контекстом в миллион токенов и, наконец, фокус на агентных системах и глубоком исследовании. Такой трек — от «чистых» моделей к полноценной агентной платформе — повторяет эволюцию ведущих западных лабораторий, но с упором на открытость: ключевые фреймворки и веса моделей публикуются на GitHub и Hugging Face.

Архитектура Skywork AI

Ключевые возможности

Возможность	Описание	Оценка
🔍 Deep Research	Исследовательский агент Skywork DeepResearch V2 проводит многошаговое веб-исследование: сам строит план, ищет источники, проверяет факты и собирает отчёт со ссылками. Достигает SOTA-точности 38.7% на бенчмарке BrowseComp.	★★★★★
🎨 Мультимодальный вывод	Превращает запрос в готовые документы, слайды, электронные таблицы, подкасты и веб-страницы — не просто текст, а целые офисные артефакты «под ключ».	★★★★★
🤖 Super Agents	Оркестратор специализированных агентов: планировщик верхнего уровня декомпозирует задачу и координирует агентов-исполнителей (поиск, анализ, генерация, музыка, изображения).	★★★★★
🔌 MCP / A2A	Поддержка Model Context Protocol и протокола Agent-to-Agent — агентов Skywork можно подключать к внешним MCP-серверам и связывать в мультиагентные команды.	★★★★☆
🔄 Самоэволюция (RSPL/SEPL)	Фреймворк DeepResearchAgent реализует замкнутый цикл Act → Observe → Optimize → Remember: агент улучшает собственные промпты и стратегии по итогам выполнения.	★★★★☆
🧩 Открытые модели	В основе — собственные open-source модели: Skywork-OR1 (рассуждение), SkyClaw (миллионный контекст для агентов) и мультимодальная Skywork-R1V.	★★★★☆
🗂️ Skywork-Skills	Набор переносимых навыков (AI PPT, AI Document, AI Excel, AI Image, AI Search/DeepResearch, AI Music), совместимых с Claude Code, Codex CLI и OpenClaw.	★★★★☆
☁️ SaaS + API	Готовая платформа на skywork.ai и API-доступ к DeepResearch V2 (по заявке). Гибридная модель — и продукт, и исследовательский инструмент.	★★★☆☆

Исследовательский агент Skywork DeepResearch

Флагманский продукт — Skywork DeepResearch V2, исследовательский агент нового поколения. Его отличает не «обёртка» над сторонней LLM, а собственная сквозная система обучения: новая пайплайн синтеза данных плюс end-to-end reinforcement learning с асимметричной верификацией и плотным «clue-aware» шейпингом наград. Проще говоря, агента учили не просто отвечать, а докапываться до истины — проверять улики и отбрасывать недостоверные источники.

Двухстадийный синтез данных итеративно повышает качество, разнообразие и сложность обучающих задач, а параллельный инференс и self-learning мультиагентные циклы обеспечивают быстрое непрерывное улучшение. Результат — 38.7% точности на BrowseComp, что на 6.1 процентных пункта выше прежнего лидера Grok-4 и заметно сильнее Claude-4-Opus и GLM-4.5. На сегодня это один из лучших публично заявленных результатов среди deep-research-систем.

Архитектурно система опирается на open-source фреймворк DeepResearchAgent — иерархическую мультиагентную систему, где планировщик верхнего уровня декомпозирует задачу и координирует узких агентов-исполнителей. Протоколы RSPL (ресурсный слой: промпты, агенты, инструменты, окружения, память) и SEPL (слой самоэволюции с аудируемой родословной изменений и откатом) делают систему модульной, инспектируемой и способной к самосовершенствованию.

Практически это работает так: планировщик разбивает сложный вопрос на подзадачи, распределяет их между агентами-исполнителями (поиск, чтение страниц, извлечение фактов, верификация), затем собирает результаты в связный отчёт с цитатами. В отличие от наивного «спросил — получил ответ», агент может перечитывать источники, уточнять запрос и отбрасывать противоречивые данные. А благодаря слою самоэволюции SEPL каждое выполнение пополняет память системы: удачные стратегии поиска и анализа сохраняются и переиспользуются в следующих сессиях. Для аналитиков, инвесторов и исследователей это означает меньше ручной рутины и более воспроизводимые результаты.

Установка и API

DeepResearch V2 доступен через API (доступ по заявке на deepresearch@skywork.ai). Для локальной работы с открытым фреймворком DeepResearchAgent достаточно клонировать репозиторий и настроить ключ модели. Платформа skywork.ai предоставляет готовый веб-интерфейс без установки — достаточно ввести запрос, и система сама соберёт исследование и сгенерирует нужный формат вывода.

🐍 Установка клиента для API

# Установка OpenAI-совместимого клиента
pip install openai

# Или клонирование open-source фреймворка DeepResearchAgent
git clone https://github.com/SkyworkAI/DeepResearchAgent.git
cd DeepResearchAgent && pip install -r requirements.txt
    

🚀 Вызов исследовательского агента через API

from openai import OpenAI

client = OpenAI(
    api_key="sk-...ваш-ключ...",   # ключ с model.skywork.ai
    base_url="https://api.skywork.ai/v1",
)

# Запуск deep-research: агент сам спланирует, найдёт
# источники, проверит факты и соберёт отчёт со ссылками
response = client.responses.create(
    model="skywork-deepresearch-v2",
    input="Исследуй рынок AI-агентов в 2026 году и подготовь"
          "отчёт с цифрами, трендами и ссылками на источники",
)

print(response.output_text)
    

📄 Пример вывода агента

=== Отчёт: Рынок AI-агентов 2026 ===
Объём рынка агентного ИИ вырос до $45+ млрд (источник: Gartner).
60% компаний внедрили хотя бы одного AI-агента в продакшен.
Ключевые тренды: MCP-стандартизация, мультиагентные оркестраторы.
Ссылки: gartner.com/... · a16z.com/... · skywork.ai/research
    

⚙️ Запуск локального tool-calling агента

# Запуск агента с tool-calling из фреймворка DeepResearchAgent
python examples/run_tool_calling_agent.py \
  --config configs/tool_calling_agent.py \
  --cfg-options model_name=openrouter/gpt-4o workdir=workdir/demo
    

⚠️ Требования: Python 3.9+, API-ключ (OpenRouter, OpenAI или ключ Skywork) для локального фреймворка. Для доступа к DeepResearch V2 — подача заявки на deepresearch@skywork.ai с описанием организации, сценария использования и ожидаемой нагрузки.

Сравнение с аналогами

Сегмент deep-research-агентов в 2026 году переполнен. Вот как Skywork AI выглядит на фоне лидеров:

Критерий	Skywork AI	OpenAI Deep Research	Perplexity	Gemini Deep Research
Модель/движок	✅ Собственная (OR1, SkyClaw)	⚡ GPT (проприетарная)	⚡ Смесь LLM	⚡ Gemini (проприетарная)
Мультимодальный вывод	✅ Документы, слайды, таблицы, подкасты	⚡ Текст + изображения	⚡ Текст + картинки	⚡ Текст + таблицы
Open Source	✅ Да (DeepResearchAgent, MIT)	❌ Нет	❌ Нет	❌ Нет
Протоколы MCP / A2A	✅ Оба	⚡ MCP частично	⚡ Ограниченно	⚡ MCP частично
Офисная экосистема	✅ PPT / Doc / Excel / Music	❌ Нет	❌ Нет	⚡ Через Workspace
Доступ	⚡ API по заявке	✅ В подписке ChatGPT	✅ В Pro-тарифе	✅ В AI Pro/Ultra
BrowseComp (заявл.)	✅ 38.7% (SOTA)	⚡ Не публикуется	⚡ Не публикуется	⚡ Не публикуется
Локализация	⚡ CN + EN (расширяется)	✅ Глобально	✅ Глобально	✅ Глобально

✅ = Полноценная поддержка ⚡ = Частичная/ограниченная ❌ = Отсутствует

Ключевые метрики

🎯

38.7%

BrowseComp (SOTA deep research)

🚀

+6.1 п.п.

Отрыв от Grok-4

⭐

3.5K+

Звёзд DeepResearchAgent

🧠

1M

Токенов контекста (SkyClaw)

🎬

7.3K+

Звёзд SkyReels-V2

🛠️

6+

Офисных AI-навыков (Skills)

📜

MIT

Лицензия фреймворка

🔁

V2

Актуальная версия Deep Research

Плюсы и минусы

✅ Преимущества

SOTA-качество deep research — 38.7% на BrowseComp, лучше Grok-4, Claude-4-Opus и GLM-4.5
Мультимодальный вывод «под ключ» — документы, слайды, таблицы и подкасты из одного запроса
Open Source — фреймворк DeepResearchAgent (MIT) и модели Skywork открыты, без привязки к вендору
Собственные модели — OR1, SkyClaw (1M контекст) и R1V дают независимость от западных провайдеров
MCP + A2A — встраивание в мультиагентные системы и подключение внешних инструментов
Самоэволюция — цикл Act/Observe/Optimize/Remember улучшает агента с каждым запуском
Офисная экосистема — Skywork-Skills закрывают PPT, Excel, документы и музыку

❌ Недостатки

Доступ к V2 по заявке — API выдаётся вручную, нет самообслуживания как у OpenAI/Perplexity
Китайская экосистема — часть документации и интерфейса ориентирована на CN-рынок
Ограниченная локализация — русскоязычные сценарии слабее проработаны, чем CN/EN
Молодое сообщество — меньше туториалов и интеграций, чем у западных гигантов
Репутационный риск — данные уходят на серверы китайского вендора, для части компаний это стоп-фактор
Сырые интерфейсы — SaaS-платформа моложе и менее отполирована, чем у конкурентов
Закрытая верификация — независимых бенчмарков BrowseComp от третьих лиц пока мало

Кому подойдёт Skywork AI

Профиль пользователя	Насколько подходит	Почему
🔬 Исследователь / аналитик	★★★★★	Deep research с верификацией фактов, отчёты со ссылками и цитатами — идеален для обзоров рынка, due diligence и академической работы.
📊 Офисный работник / менеджер	★★★★★	Генерация PPT, документов, Excel и подкастов из одного запроса закрывает рутину подготовки материалов.
🐍 AI-инженер / ML-разработчик	★★★★☆	Открытый фреймворк DeepResearchAgent и модели Skywork позволяют строить собственные агентные пайплайны без вендор-лока.
🎓 Студент / преподаватель	★★★★☆	Слайды и конспекты по теме за минуты; но нужен английский/китайский для лучших результатов.
🏢 Enterprise с жёстким compliance	★★★☆☆	Обработка данных на серверах китайского вендора и доступ по заявке могут не пройти внутренние политики безопасности.

Итог и вердикт Qantcore

🏆 Оценка Qantcore: ★★★★☆ 8.6 / 10

Skywork AI — редкий случай, когда за громким маркетингом «Originator of AI Workspace Agents» стоит реальная инженерная глубина. DeepResearch V2 с заявленными 38.7% на BrowseComp — это не «обёртка над GPT», а самостоятельная RL-обученная система, а открытый фреймворк DeepResearchAgent (RSPL/SEPL, самоэволюция) делает платформу интересной и для исследователей, и для инженеров.

Главная сила Skywork — связка deep research + мультимодальный вывод: ни один западный конкурент пока не генерирует из одного запроса готовый отчёт, слайды, таблицу и подкаст одновременно. Главные сдерживающие факторы — доступ к API по заявке, китайская экосистема и молодое сообщество. Если вам нужен независимый open-source исследовательский агент с офисным «выхлопом» — Skywork AI определённо стоит попробовать. Если критична мгновенная самообслуживаемая выдача API и глобальная поддержка — оставайтесь на OpenAI Deep Research или Perplexity.

🏅 Награда Qantcore «Тёмная лошадка 2026» — лучший open-source исследовательский агент с мультимодальной генерацией офисных артефактов, август 2026.