ИССЛЕДОВАНИЕ · RESEARCH · #1008
Статья arXiv предлагает маршрутизатор 'Jev' для управления harness-ами AI-кодирующих агентов в компаниях и снижения затрат
Статья (arXiv:2609.28919v1) рассматривает «harness»-ы — продукты для запуска AI-агентов для программирования — и предлагает Jev, быстрый калиброванный классификатор-маршрутизатор, который помечает запросы по типу агентной задачи и перенаправляет работу так, чтобы не перестраивать кеш сессий и снизить расходы на модели. На основе репрайсинга примерно 10 000 реальных сессий из публичных наборов данных и цен Anthropic от 21 сентября 2026 года авторы оценивают снижение расходов на модели на 14–21% (3,3–5,0 млн $/год) для эмулированной компании с 10 000 пользователями; также картируют риски по 20 harness-ам и предлагают внутреннюю control plane для предприятий.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья (arXiv:2609.28919v1) рассматривает «harness»-ы — продукты для запуска AI-агентов для программирования — и предлагает Jev, быстрый калиброванный классификатор-маршрутизатор, который помечает запросы по типу агентной задачи и перенаправляет работу так, чтобы не перестраивать кеш сессий и снизить расходы на модели.
- На основе репрайсинга примерно 10 000 реальных сессий из публичных наборов данных и цен Anthropic от 21 сентября 2026 года авторы оценивают снижение расходов на модели на 14–21% (3,3–5,0 млн $/год) для эмулированной компании с 10 000 пользователями; также картируют риски по 20 harness-ам и предлагают внутреннюю control plane для предприятий.
- Поскольку harness-ы задают выбор моделей, промптов и субагентов, маршрутизация и инструменты управления вроде Jev могут существенно снизить расходы на облачные модели и уменьшить зависимость от вендоров в масштабных корпоративных развертываниях.
ПОЧЕМУ ЭТО ВАЖНО
Поскольку harness-ы задают выбор моделей, промптов и субагентов, маршрутизация и инструменты управления вроде Jev могут существенно снизить расходы на облачные модели и уменьшить зависимость от вендоров в масштабных корпоративных развертываниях.