Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #3863

Eric Provencher

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

MODELS · 1 ИСТОЧН. · The Decoder

Anthropic рекомендует объединять суб-агентов в один агент — новые модели справляются с большей сложностью

Anthropic утверждает, что новые модели (начиная с Opus 4.5, а также Opus 5.5 и Fable 5.1) могут выполнять сложные планы в одном цикле, и поэтому основной агент, подгружающий контекст и инструменты по требованию, часто превосходит сети специализированных суб-агентов по качеству, стоимости и задержке. Компания опубликовала на GitHub комплект миграции с пошаговым руководством и оговорками — например, суб-агенты остаются оправданными при ограничениях окна контекста, параллельных задачах или проблемах с выбором инструментов.

6.0

RESEARCH · 1 ИСТОЧН. · The Decoder

Vals AI: команды агентов требуют гораздо больше токенов при минимальном приросте качества

Компания Vals AI протестировала GPT-6 Sol и Claude Opus 5.5 на наборе Vibe Code Bench по одиночке и в командах агентов при среднем и максимальном уровне рассуждений. Команды использовали в 1,8–5,1 раза больше токенов, но практически не давали стабильного прироста качества — только GPT-6 Sol при среднем уровне показал статистически значимый прирост +7,3; при максимальном рассуждении преимуществ не было. Аналогичные выводы в тестах Anthropic и ProgramBench и комментарии исследователей OpenAI указывают, что рои агентов в основном ускоряют работу, но обходятся дороже и сталкиваются с проблемами координации.

6.0

CODING · 1 ИСТОЧН. · The Decoder

Разработчик Codex из OpenAI: рои агентов тратят токены без прироста качества

Эрик Провеншер, разработчик Codex в OpenAI, заявил в X, что большие параллельные рои агентов создают «налог на координацию» — расходуют токены на дублирующую проверку без улучшения качества результата. Он привёл пример, где якобы было потрачено $20 000 на рефакторинг Python-файла с помощью 1 393 агентов Fable, и предложил более лёгкие модели делегирования задач, чтобы снизить накладные расходы по токенам.

5.0