Что вообще произошло с DeerFlow 2.0
ByteDance — компания за спиной TikTok — выпустила в феврале одну из самых амбициозных open-source систем для AI-агентов: DeerFlow 2.0. DeerFlow 2.0 — это полноценный «SuperAgent harness», который управляет несколькими AI-подагентами и заставляет их автономно решать сложные задачи, занимающие часы работы, вместо того чтобы просто отвечать в чате как обычный чат-бот. Всё это бесплатно под MIT-лицензией — любой может брать, переделывать, использовать в коммерции без единого рубля.
На что способна эта штука
DeerFlow 2.0 создана для по-настоящему сложных задач, которые требуют работы минуты или часы подряд:
- Глубокие исследования трендов в индустрии — вникнуть в суть, а не просто скопипастить
- Генерация отчётов и презентаций с нуля
- Создание функциональных веб-приложений
- Производство AI-видео и изображений
- Анализ данных с красивыми графиками
- Пересказ подкастов и видео — нормально пересказ, а не просто выжимка
- Автоматизация сложных рабочих процессов с данными
- Даже комиксы про машинное обучение она может нарисовать
Как это работает: не просто так
Вот что важно понять: это не чат-бот. Не «я подключу модель к поиску в Google и назову это агентом». Нет.
DeerFlow даёт своим агентам реальную виртуальную машину — Docker-контейнер с собственной файловой системой, браузером и оболочкой. Система запоминает, что ты просил раньше, держит в голове весь контекст разговора. Когда задача слишком большая для одного агента, главный агент разбивает её на части, запускает несколько специализированных помощников параллельно, каждый работает в изоляции. Потом результаты собираются в один готовый выход.
Все команды выполняются в песочнице — ничего не может испортить твою основную систему. Даже если агент запускает bash-скрипты.
Почему вдруг везде о ней говорят
После релиза 28 февраля был первый всплеск интереса, но настоящий вал случился недавно. Сначала про неё писали в профильных изданиях типа deeplearning.ai, потом 21 марта популярный AI-инфлюэнсер Min Choi запостил в X свой пост: «ByteDance только что выбросила DeerFlow 2.0. Это супер-агент с памятью, песочницей, интеграцией с Claude Code. 100% open source». Пост получил больше тысячи лайков.
Потом началось. Инфлюэнсер Brian Roemmele написал, что «DeerFlow 2.0 сметает всё, что мы когда-либо пробовали» и назвал это «сдвигом парадигмы». Он говорит, что его компания вообще бросила конкурирующие фреймворки и теперь использует только DeerFlow локально.
А посты типа «MIT-лицензированные AI-сотрудники — конец для всех стартапов, которые пытаются продавать подписки» — они реально ударили в яблочко. Западные компании спорят о ценах, а Китай только что превратил агентов в товар. Если ты хочешь следить за такими прорывами и разбираться в новых AI-инструментах, присоединяйся к Telegram-каналу ProAi, где регулярно делятся опытом создания AI-автоматизаций и новостями в мире AI.
Но есть нюансы, конечно
Сначала: это не приложение для бабушек. Нужно знать Docker, YAML, переменные окружения, командную строку. Без графического интерфейса. Для разработчиков это просто, для остальных — серьёзный порог входа.
Если запускать всё локально, на своём железе, производительность зависит от количества памяти и мощности процессора. Когда одновременно работают несколько моделей — требования к ресурсам растут экспоненциально.
Документация еще дорабатывается. Нет независимого аудита безопасности песочницы — это важно, потому что если туда попадут опасные команды, могут быть проблемы.
И экосистема ещё совсем молодая. Плагинов и готовых скиллов почти нет.
Для компании: когда это имеет смысл
DeerFlow 2.0 стоит внедрять, если твоя компания постоянно сталкивается с «длинными» задачами — сложные многоэтапные работы, которые занимают часы, требуют кодинга, синтеза информации. Если ты сейчас на это кидаешь людей или платишь за дорогие сервисы — это для тебя.
Вторая предпосылка — техническая готовность. Тебе нужна инфраструктура: GPU, достаточно оперативки, опыт с Docker. Потому что каждый агент работает в своём контейнере, требует ресурсов, и когда их несколько — это давит на железо.
Третье — суверенитет данных. Если это критично для тебя, DeerFlow идеален: всё запускается локально, модель-агностична, работает с местными LLM типа DeepSeek или Ollama. Полный контроль, полная приватность.
Подождите, это же ByteDance
Да, это усложняет ситуацию. Код открытый, всё можно проверить — это хорошо. Но ByteDance работает по китайским законам. Для банков, больниц, оборонки, государства — это уже повод для формальной проверки и согласований с юристами. Не зависит от качества кода.
США уже рекомендуют федеральным агентствам с осторожностью смотреть на ПО китайского происхождения. Поэтому если ты — крупная госкомпания или в финсекторе, это сложная тема для согласования.
А если ты фрилансер или стартап, запускаешь всё локально — это уже не такая проблема.
Итого: это реальное изменение
Смысл DeerFlow 2.0 может быть не в самом инструменте, а в том, что он символизирует. Это очередной виток в гонке за тем, чтобы превратить генеративные AI-модели из чат-ботов во что-то вроде полноценных или неполноценных сотрудников — штук, которые не просто отвечают, но и делают реальную работу.
Если раньше OpenClaw пытался создать надёжного автономного агента, которому ты можешь писать в чат, то DeerFlow — это уже про целый флот таких агентов, которыми ты управляешь из одной системы.
Решение внедрять её — это расчёт: затраты на дорогие подписки vs. сложность самостоятельного развёртывания. DeerFlow под MIT-лицензией становится потолком цены для всей категории. Если ты готов к CLI, Docker и хочешь полного владения стеком — это выигрыш. Если ты ищешь click-click-готово — смотри в другую сторону.
🔔 Чтобы читать больше про нейросети, AI-сервисы и практические кейсы, подписывайся на канал «ProAI» в Telegram!