LLM — программа, через которую можно обращаться к разным языковым моделям из одного места: сегодня к облачной, завтра к локальной, не переучиваясь каждый раз. В версии 0.32 появились три вещи: модель показывает ход своих рассуждений, умеет вызывать инструменты на стороне сервера и по-новому хранит историю диалогов. Разбираем, что каждая из них меняет и почему это касается не только разработчиков.
Видно, как модель рассуждала
Раньше ответ приходил как готовый результат: непонятно, откуда взялся и на чём основан. Теперь LLM умеет показывать трассы рассуждений — промежуточные шаги, которые модель прошла перед ответом. Выводятся они отдельно и основной ответ не загромождают.
Ценность здесь не в любопытстве. Модель ошибается правдоподобно: неверный вывод выглядит так же уверенно, как верный. По готовому тексту вы этого не увидите, а по ходу рассуждений — увидите: подмену условия, пропущенный шаг, натянутое допущение.
Практическое правило: если ответ вам важен и вы не можете проверить его сами, смотрите не только вывод, но и путь к нему.
Инструменты на стороне сервера
Второе новшество — модель может обращаться к внешним инструментам прямо в диалоге: искать в интернете, запускать код, ходить в сервисы через API.
Это закрывает главную слабость языковых моделей. Сама по себе модель не считает — она правдоподобно предсказывает текст, поэтому арифметика у неё плавает. И знает она только то, что было в обучении, поэтому про вчерашние события говорит наугад.
С инструментами обе дыры закрываются: посчитать — запустить код, узнать свежее — сходить в поиск. Ответ перестаёт зависеть от памяти модели. Похожая логика — в разборе про модель Ling-3.0-flash с адресацией инструментов.
Новая система хранения диалогов
Третье изменение техническое: логи теперь адресуются по принципу, похожему на git. Повторяющиеся куски не дублируются, а хранятся один раз со ссылками.
Звучит скучно, но следствие важное: длинные диалоги перестают распухать. Для тех, кто ведёт долгие рабочие переписки с моделью или хранит историю запросов, это разница между удобным архивом и неуправляемой свалкой. Плюс проще разобраться, что именно вы когда-то отправляли модели — а это уже вопрос приватности, смежный с темой изоляции личных чатов.
Что из этого доступно обычному пользователю
Сам LLM — программа для командной строки, и если вы работаете с ИИ через чат, ставить её незачем.
Но два признака из этого релиза стоит перенести на выбор любого сервиса. Первый: может ли ассистент показать ход рассуждений — это ваш способ поймать ошибку. Второй: ходит ли он в интернет и умеет ли считать по-настоящему, а не по памяти.
Оба признака уже приходят в обычные приложения — этот релиз показывает, куда движется индустрия целиком.
Что попробовать на следующей неделе
Возьмите вопрос, ответ на который вы можете проверить, и задайте его своему ассистенту дважды: обычным способом и с просьбой показать ход рассуждений. Сравните — и вы увидите, где именно он склонен домысливать.
Дальше это превращается в привычку: чем важнее ответ, тем нужнее видеть путь к нему. Как подключить такую модель к своим задачам через агента, разобрано в полном гиде по OpenClaw и в разделе интеграций; свежие изменения — в новостях и материале про OpenClaw 2026.7.2.
Источник: New release of LLM adds support for reasoning traces, OpenAI Responses, server-side tools, and smarter logging, Simon Willison, 4 августа 2026.
Рядом по инструментам и стандартам: Datasette-upload-dbs 0.5a0 и данные Artifacts Hub.