Разработка автономных систем подошла к рубежу, когда попытка решить весь комплекс разнородных задач одной универсальной большой языковой моделью становится экономически и архитектурно неэффективной. Монолитные модели тратят избыточный вычислительный контекст на простые операции, но при этом могут уступать узкоспециализированным сетям в математическом анализе, написании кода или поиске актуальных фактов. Инженерный фокус смещается от наращивания параметров одной базовой нейросети к построению оркестрационных платформ, где ключевую роль играют декомпозиция задач, графовая маршрутизация и наблюдаемость параллельных вычислительных контуров.
Sakana AI Fugu
Японская исследовательская лаборатория Sakana AI представила систему Fugu Ultra, позиционируемую разработчиками как автономный оркестратор ансамблей нейросетей. В отличие от привычного инференса через одну базовую модель, Fugu выступает надстроечным координационным слоем. Входящий комплексный запрос не отправляется целиком в тяжелую флагманскую LLM, а анализируется планировщиком: задача разбивается на независимые подзадачи, каждая из которых направляется наиболее подходящему исполнителю.
Например, для сбора первичных данных задействуется модель с широким поисковым окном, для генерации алгоритмического решения — специализированный кодинг-ассистент, а для классификации и фильтрации промежуточных артефактов — легковесная и дешевая сеть. После получения локальных ответов внутренний модуль валидации Fugu сопоставляет результаты, выявляет логические расхождения и синтезирует финальный ответ. В техническом отчете разработчики подчеркивают, что такая маршрутизация позволяет приближаться к уровню передовых моделей при оптимизации совокупных вычислительных затрат.
Однако мультимодельная архитектура несет в себе новые инженерные риски. Она не гарантирует автоматического снижения расходов: множественные промежуточные вызовы, перекрестная оценка качества и повторные генерации при сбоях способны многократно увеличить итоговый счет за токены. Кроме того, возникают дополнительные точки отказа — ошибки планировщика при декомпозиции, потеря контекста при передаче состояния между несовместимыми моделями и риск зацикливания при согласовании разнородных ответов.
Agent OS и Hermes
Если платформа Fugu фокусируется на интеллектуальной маршрутизации между моделями разного типа, то обновленный стек Agent OS и среды Hermes решает проблему наблюдаемости и контроля за исполнением параллельных агентных процессов. Традиционные автономные агенты работают по принципу «черного ящика»: пользователь задает глобальную цель и вынужден ждать завершения всех итераций, не имея возможности вмешаться в ход выполнения без полного прерывания и потери контекста.
В архитектуре Agent OS реализован паттерн «супервизор — исполнители», при котором центральный координатор порождает изолированные рабочие процессы (субагенты) для одновременного выполнения независимых ветвей задачи. Ключевым нововведением стала концепция Live Steering (оперативное перенаправление на лету): разработчик видит шаги каждого агента в реальном времени и может скорректировать промпт, уточнить граничные условия или остановить тупиковую ветвь, не перезапуская остальную систему.
При всей привлекательности концепции разработчикам важно учитывать границы ее применимости. Живое вмешательство эффективно только на обратимых этапах работы — например, во время исследовательского поиска или подготовки черновиков кода. Если агент переходит к действиям с необратимыми внешними последствиями (вызов платных API, запись транзакций в базу данных, отправка сообщений или деплой), концепция оперативной правки промпта недостаточна: система требует детерминированных контрольных точек (checkpoints), строгой изоляции состояния и явного подтверждения действий оператором.
Оба релиза отражают общий архитектурный сдвиг: единицей проектирования в ИИ-разработке становится не отдельная модель, а оркестрируемый контур. Увеличение числа параллельных субагентов или подключение десятка специализированных сетей не создает ценности само по себе. Надежность системы определяется прозрачностью передачи данных между узлами, наличием строгих политик доступа к инструментам и способностью человека-оператора вовремя обнаружить и локализовать сбой исполнителя.