Оптимизация ИИ-агентов

Оптимизация ИИ-агентов устраняет парадокс затрат через восстановление логичной градации вычислительных усилий

Релиз дообученной версии Qwen3.8-27B-pi решает проблему базовой модели, где низкий уровень рассуждений требовал больше ресурсов, чем средний, за счет применения двухэтапного обучения (SFT и RL). Новый механизм вознаграждения в RL сравнивает затраты между уровнями усилий, гарантируя последовательный рост стоимости от low до xhigh. Это делает использование ИИ-агентов для кодинга предсказуемым и экономичным, позволяя инженерам точно планировать бюджеты токенов в пайплайнах CI/CD.

Событие: На бенчмарке Terminal-Bench 2.1 уровень medium новой версии решает столько же задач, что и xhigh базовой модели, но расходует на 41% меньше выходных токенов.

Фактор: Смена логики вознаграждения в RL с простой оценки успеха на сравнение затрат между уровнями усилий позволяет устранить аномалии, когда «дешевый» режим становится дороже «дорогого».

Эффект: Предсказуемость затрат упрощает настройку пайплайнов CI/CD, так как low-уровень теперь является объективно бюджетным вариантом для простых задач, а xhigh — для сложного анализа.

Риск: Качество обучения RL сильно зависит от точности верификаторов; без качественных тестов модель может «выучить» обходные пути вместо реального решения задачи.

Подробнее →