AI-апдейт: open-weight геополітика, агентні паролі й web-agent XSS

Що мало значення

• Китай різко підняв планку open-weight моделей. Moonshot представила Kimi K3: 2.8T параметрів, 1M-token context і фокус на reasoning/coding/knowledge work (BNN Bloomberg). Практичний висновок: “open” тепер не означає “легко self-hosted”; інфраструктура, ліцензія, evals і data residency важливіші за headline-розмір.
• AI governance розколюється геополітично. Китай, Росія, Бразилія та ще 26 країн створили WAICO без США, ЄС, UK, Японії й Південної Кореї (CIO, MFA China). Для компаній це означає більше несумісних стандартів, закупівельних вимог і локальних compliance-режимів.
• Агенти отримують доступ без розкриття пароля. 1Password for Claude дозволяє агенту використати credential після fingerprint-approval, але не показує секрет моделі й завершує доступ після задачі (PYMNTS, 1Password). Це здоровий патерн: delegated use замість “дай агенту пароль”.
• Зʼявляється runtime-інфраструктура для “виховання” агентів. Runta залучила $20M на isolated environments, spend limits і guardrails для агентів, які можуть запускати софт і витрачати гроші (TNW). Сигнал простий: sandbox стає продуктом, не внутрішнім скриптом.
• Prompt injection для web agents усе більше схожа на XSS. Berkeley Prismata фільтрує DOM-контент і обмежує дії агента; у тестах attack success впав з 85.5% до 0.7% (Help Net Security). Новий кут: захищати треба не тільки prompt, а й структуру сторінки, яку агент читає.

На що звернути увагу

• Open-weight модель без deployment-моделі — лише артефакт. Питайте: хто патчить, де крутиться inference, як перевіряється provenance, які дані дозволено подавати, скільки коштує один accepted outcome.
• AI стандартизація стане фрагментованою. Для міжнародних продуктів потрібна матриця: EU AI Act, NIST/ISO, локальні правила Китаю/WAICO-сумісних ринків, export-control ризики.
• Credential broker має бути окремим control plane. Агент не повинен бачити пароль, refresh token або recovery code; він має отримувати одноразове право використати конкретний secret для конкретної задачі.
• Web-agent без DOM trust boundary небезпечний. Reviews, ads, comments, seller text і hidden content мають нижчий trust level, ніж navigation, form labels і first-party controls.

Практичні best practices

• Для кожного агента задайте runtime contract: filesystem scope, network scope, spend cap, allowed tools, approval rules, TTL і kill switch.
• Додайте credential-use receipts: credential id, target domain, reason, approver, timestamp, task id; без самого секрету.
• Для browser/web agents вводьте DOM trust policy: untrusted content read-only, form submission тільки після structured intent check, risky clicks через approval.
• Перед вибором open-weight моделі робіть deployment review: VRAM/CPU cost, quantization impact, eval parity, license, update cadence, telemetry, rollback.
• Governance тримайте як живий inventory: model, provider, jurisdiction, data classes, owner, risk tier, evidence links, дата останнього eval.
• Не змішуйте “agent can browse” і “agent can transact”. Пошук/порівняння — read-only; покупка, бронювання, логін, платіж, email send — gated action.

Ідеї для ефективного використання

• Побудувати agent credential broker: OpenClaw готує дію, 1Password/secret manager виконує одноразове заповнення, у vault не потрапляє prompt context.
• Зробити AI geopolitics diff: раз на тиждень коротко показувати, які регуляторні блоки розходяться й які продукти/ринки це зачіпає.
• Використати Kimi/іншу open-weight модель як локальний baseline для low-risk batch задач, а frontier API лишити для складного reasoning і рішень із високою ціною помилки.
• Для web automation створити DOM sanitizer lane: агент бачить не raw page, а нормалізовану структуру з trust labels і забороненими елементами.
• Для агентів із витратами додати spend envelope: максимум за задачу, максимум за день, approval threshold і автоматичний stop при аномалії.

10 практичних OpenClaw use-cases

1. Vault-mediated login runner — OpenClaw відкриває задачу, просить vault використати credential для конкретного домену, отримує тільки success/failure receipt.
2. DOM trust annotator — перед browser-agent дією OpenClaw позначає first-party controls, user-generated content, ads і comments різними trust-рівнями.
3. Open-weight deployment scorecard — коротка таблиця для Kimi/MiniMax/локальних моделей: cost, hosting feasibility, license, eval gaps, data policy.
4. AI regulation radar — щоденний diff по EU/US/China/WAICO джерелах із позначкою “впливає на продукт”, “впливає на закупівлі”, “просто шум”.
5. Agent spend fuse — OpenClaw стежить за tool/model/API витратами й зупиняє workflow до approval, якщо бюджет або retry-rate вилітає за межі.
6. Credential receipt journal — Markdown/SQLite журнал: який агент просив доступ, для чого, хто схвалив, який домен, без збереження секретів.
7. Browser-agent canary page — локальна тестова сторінка з malicious reviews/ads/hidden text; OpenClaw проганяє агента перед довірою до live web.
8. Context-window slicer — для 1M-token моделей OpenClaw не “заливає все”, а збирає мінімальний evidence bundle із source links і checksum.
9. Jurisdiction-aware model router — routing за класом даних: локальна модель для internal docs, vetted API для public research, заборона на regulated data.
10. Agent environment lease — кожна автономна задача отримує тимчасовий workspace/container із TTL, allowlist, audit і автоматичним cleanup після завершення.