Многие люди уверены: если агент уже сидит на ваших документах и политиках, дело почти сделано. Им кажется — куски текста нашлись, модель умная, ответ готов.
Точнее, на каждый вопрос он снова роется по кускам. Жжёт токены. И всё равно отвечает без внятной опоры на нужную версию правила. «Возьми модель поумнее» счёт и доверие не лечит.
Pinecone выложила в общий доступ Nexus — слой знаний для агентов. Идея простая: знания собирают заранее, а агент забирает ответ одним запросом, а не петлёй поиска по кускам текста.
Это не «ещё один поиск по кускам»
С 6 августа 2026 Nexus в общем доступе — после примерно пяти недель открытого предпросмотра. Позиция вендора: продукт готов идти по цепочке оценка → пилот → закупка → прод.
По документации это не векторная база, не классический поиск по кускам текста и не фреймворк агентов. Это движок знаний: поверх базы Pinecone собирают управляемые, предметные знания и отдают агентам одним вызовом. Сама векторная база остаётся фундаментом поиска — Nexus её не «заменяет».
Данные крутятся в облаке заказчика — AWS, Google Cloud или Azure. Документы и скомпилированный слой, по заявлению Pinecone, не уходят с инфраструктуры клиента; у вендора нет постоянного доступа к данным. Модели вызывают по ключам, которые задаёт заказчик (в том числе открытые веса).
Агент спрашивает одним ходом
KnowQL — язык запросов к знаниям (рабочий черновик 0.1.0, дата той же недели, что и общий доступ). Агент задаёт вопрос или намерение, область поиска, при необходимости форму ответа, опору на источники и бюджет — и получает типизированный ответ со ссылками.
В документации один запрос — один ход; длинный диалог — через сессии. На GitHub в демо nexus-analyst-demo рядом стоят два агента: один с единственным инструментом nexus_query, другой — «классика» с тремя поисковыми инструментами по индексу Pinecone. Разница видна сразу: один вызов к слою знаний против нескольких поисков по кускам.
Три части модели из блога про общий доступ:
- Manifest — эксперт описывает сущности, связи и форму ответов под конкретную работу, а не «онтологию всей компании».
- Скомпилированный слой знаний — сводки, структурированные выжимки, граф сущностей и связей (то, что обычный поиск «первых кусков» обычно выкидывает).
- KnowQL — единый интерфейс запросов для агентов, чат-ботов, поиска и рекомендаций.
Новые и изменённые источники вливаются без полной пересборки; конфликты источников всплывают для разбора экспертом. В заявках про управление доступом: права на уровне полей, цитаты и уверенность по полям, метки персональных данных на входе, след до источника; скомпилированный слой можно скачать (заявление про отсутствие жёсткой привязки к вендору).
Где экономия, а где маркетинг
На открытом бенчмарке τ-Knowledge (Sierra), по прогонам самого Pinecone около начала августа 2026:
- GPT-5.5 + Nexus: проход 47.4% против 46.4% без Nexus; стоимость задачи примерно −77% ($2.00 → $0.52).
- GPT-5.2 + Nexus: 36.1% против 32.2%; стоимость примерно −80% ($1.45 → ~$0.53).
- Число вызовов у GPT-5.2: инструменты 42.5 → 17.7, модель 81.7 → 42.6; у GPT-5.5: инструменты 28.6 → 16.0, модель 60.9 → 39.4.
- Выигрыш по стоимости на почти всех задачах домена banking_knowledge (97 задач): 97/97 у GPT-5.2, 96/97 у GPT-5.5.
Важный сюрприз: у топовой связки GPT-5.5 точность почти не выросла — «победа» в деньгах и числе петель поиска, а не в магии IQ.
Отдельно — маркетинговые заявки продукта и пресс-релиза (другая линейка сравнения, с агентским поиском по кускам): больше чем на 90% ниже расход токенов, ответы до 30× быстрее, выполнение задач больше 90%. Их нельзя путать с проходом около 47% на τ-Knowledge и с −70–80% стоимости против тех же моделей без Nexus.
Своя очередь поддержки Pinecone (с 17 июля 2026): разрешение 24.6% → 55.1%; назначение 76.5% → 94.2%; помощь 60.5% → 87.8%. В открытом предпросмотре вендор насчитал порядка 300 контекстов и 3.5M исходных кусков, сжатых примерно до 26k структурированных артефактов — база поддержки, контракты, регуляторные бумаги, статьи, минутки, транскрипты звонков.
Свежий разбор недели: Unite.AI — общий доступ, бенчмарк, очередь поддержки, своё облако и отсутствие публичного прайса.
Что важно до пилота
- Это не «чат Pinecone за минуту». Своё облако плюс свои ключи моделей — движение уровня предприятия: оценить, пилот, закупка, прод.
- Прайс с общего доступа не опубликован — пробный доступ, продажи, стандартная закупка.
- KnowQL ещё черновик 0.1.0: интерфейс живой, спецификация рабочая.
- Цифры τ и support — от вендора, не независимый аудит.
- Не смешивать линейки: проход ~47% ≠ маркетинг «больше 90% завершения»; −70–80% стоимости на τ ≠ заявка «больше 90% токенов против агентского поиска по кускам».
- Не путать с гайдом «собери поиск по кускам с нуля»: угол здесь — готовый слой знаний одним запросом, а не сборка чанков вручную.
- В русском поиске слово «pinecone» часто про лаунчер Minecraft — в разговоре с командой лучше опираться на «слой знаний для агентов» / KnowQL, а не на голый бренд как якорь.
Все просто: потолок агента чаще в знаниях и контексте, а не в «следующей модели» и не в ещё одном линейном сценарии в Make. Nexus — свежий промышленный пример такого слоя.
Куда смотреть дальше
Разбор анонса и docs: блог про общий доступ, обзор Nexus, спека KnowQL. Если собираете агентов на своих документах и упираетесь в контекст — загляните в канал Ковчег в Telegram и в MAX: там про агентов, знания и автоматизацию без линейной каши. Практику Cursor + Make + AI можно разобрать на обучении на kv-ai.ru.
