AI-агенты: почему лучшие практики противоречат друг другу | ИИ — не новости

Выпуск на YouTube: https://youtu.be/QQ_rT-us-t4

— Почему одна и та же нейронка сначала уверенно говорит, что задача не решается, а потом сама чинит её за 20 минут — и почему иногда «сделай хорошо» работает лучше подробной инструкции?

— Одна дорогая модель или умный оркестратор и рой дешёвых агентов: как два исследования получили противоположные результаты — и почему оба могут быть правы?

— Когда высокий reasoning помогает, а когда модель начинает сомневаться, ходить кругами и просто жечь токены?

— Почему AI-разработку почти невозможно нормально забенчмаркать и как работать в мире, где сегодняшняя best practice через две недели может оказаться анти-паттерном?

— И заодно: неужели нейронки всё-таки научились шутить?

ТАЙМСТАМПЫ

00:00 — ИИ — не новости

00:47 — Codex сказал, что это невозможно. А потом взял и сделал

04:14 — 2 миллиарда токенов и борьба за токен-эффективность

07:31 — Одна дорогая модель или дешёвые исполнители?

11:59 — Cursor посчитал то же самое — и получил противоположный результат

14:47 — Как передавать контекст между агентами

19:18 — Умный оркестратор или тупой роутер

25:31 — Когда слишком высокий reasoning только мешает

30:40 — Почему AI-разработку так сложно измерять

35:20 — Нейронки наконец научились шутить?

39:21 — Почему накопленный опыт нужно регулярно ставить под сомнение

ССЫЛКИ ВЫПУСКА

* LLM и мышление | философ Андрей Морозов — https://youtu.be/WswHn_mJo8I

* ИИ и IT конференции, когда знания бесплатны | Алексей Федоров, JUG Ru Group — https://youtu.be/VhQPchnlwo8

* Stencil — “You only need the frontier model for one single edit” — https://stencil.so/blog/prewalk

* Cursor — “Agent swarms and the new model economics” — https://cursor.com/blog/agent-swarm-model-economics

* OpenAI — Codex Subagents — https://learn.chatgpt.com/docs/agent-configuration/subagents

* OpenAI — reasoning effort — https://developers.openai.com/api/docs/guides/latest-model

* OpenAI Evals — Software Engineering — https://evals.openai.com/

* OpenAI — “Separating signal from noise in coding evaluations” — https://openai.com/index/separating-signal-from-noise-coding-evaluations

* Pi Agent Harness — https://github.com/earendil-works/pi, https://pi.dev/docs/latest

* Пост про LLM и юмор — https://t.me/devspotting/89

О ПОДКАСТЕ

«ИИ — не новости» — регулярный видеоподкаст Владимира Гриненко https://grinenko.pro и Сергея Бережного https://veged.ru об искусственном интеллекте после первого шума.

Мы не пытаемся пересказать всё, что произошло за неделю. Вместо этого разбираемся:

— что здесь действительно новое, а что просто переименовали;

— для кого меняются правила игры;

— какие последствия уже видны, а какие пока существуют только в прогнозах;

— что стоит делать прямо сейчас, за чем наблюдать, а что можно спокойно пропустить.

Новость проходит. Последствия остаются.

Подписывайтесь, если хотите раз в неделю обновлять свою картину мира об ИИ, не превращая слежение за AI-новостями во вторую работу.