Тупая модель с жёстким циклом проверки бьёт умную модель без него

21.09.2026 11:09:59 | Хабр

Хабы: Искусственный интеллект, Тестирование IT-систем, Open source, Ненормальное программирование

Недавно читал тут статью про «Cost per Task» и про то, что самая дешёвая модель в линейке внезапно обгоняет самую умную по цене решённой задачи. С выводом согласен полностью, но хочу добавить то, чего в той статье не было: дело не только в модели. Дело в том, что происходит после того, как модель написала код.

Последние восемь месяцев я строю агентную обвязку, в которой модель не просто пишет файлы, а обязана доказать, что написанное работает. Выяснилось следующее: если прикрутить к слабой модели честный цикл верификации, она уверенно обходит сильную модель, работающую в режиме «написал и отчитался».

Ниже цифры, архитектура и грабли.

Подробнее

Читайте также

Headroom на 80 запусках агента: что получилось с расходом токенов
21.09.2026 11:08:03 | Хабр

Почему regex больше не находит клиентов в Telegram: препарируем 12 081 сообщение с помощью каскадного AI-скоринга
21.09.2026 10:54:54 | Хабр

«Яндекс» прекратит выпускать обновления для «Яндекс Мессенджера» — приложение не закрывают, но новых функций больше не будет
21.09.2026 10:41:12 | vc.ru

Вайб-спекинг для 1С: как ИИ помогает аналитику превратить идею в техническое задание
21.09.2026 10:34:54 | Хабр

Как выучить английский во взрослом возрасте
21.09.2026 10:33:32 | Хабр

Как устроено автоматическое охлаждение данных в in-memory HTAP СУБД: разбор механизма на примере Tarantool Column Store
21.09.2026 10:32:52 | Хабр

Новая модель Яндекса превзошла DeepSeek и Nemotron
21.09.2026 10:29:06 | it-world

Как патентный тролль подал в суд на Telegram, Walmart и Toyota
21.09.2026 10:25:27 | Хабр

На чём советские гики учились программировать? Часть 4
21.09.2026 10:17:38 | Хабр

12 ГБ VRAM и WAN 2.2 I2V‑A14B: как заставить RX6700XT генерировать видео неограниченной длины
21.09.2026 10:09:29 | Хабр

SoftSerial: Двоичный ЦАП на STM32
21.09.2026 10:08:45 | Хабр

Как проверить postmortem, подготовленный LLM. Разбираем инцидент Cloudflare
21.09.2026 10:05:28 | Хабр

[Перевод] React 19.3
21.09.2026 09:47:32 | Хабр

Заявки есть, а продаж нет: что скрывается за красивыми цифрами в аналитике
21.09.2026 09:46:27 | Хабр

Что, опять сетевики не нужны? И немного про SRv6
21.09.2026 09:37:20 | Хабр

Я стала руководителем. А кто-нибудь объяснит, что теперь делать?
21.09.2026 09:35:36 | Хабр

Бесплатного интеллекта не бывает: кто оплачивает данные для LLM
21.09.2026 09:10:21 | Хабр

Whisper без облака: локальное распознавание чувствительных записей
21.09.2026 09:10:01 | Хабр

Про то, как я научил своего аватара снимать видео по сценарию без ИИ-генерации видео (часть 2)
21.09.2026 09:07:37 | Хабр

Знакомьтесь, мой цифровой двойник
21.09.2026 09:07:26 | Хабр

Безопасный источник энергии на тысячу лет. Ядерные реакторы IV поколения
21.09.2026 09:01:36 | Хабр

Хакеры.RU: Как появилась художественная история про русских хакеров
21.09.2026 08:59:17 | Хабр

Соосновательница бренда косметики Mixit назвала «рейдерским захватом» задержание гендиректора компании
21.09.2026 08:50:12 | vc.ru

[Перевод] Программирование на грани понимания
21.09.2026 08:40:09 | Хабр

Рабочий стол за NAT: autossh, systemd и VNC
21.09.2026 08:35:15 | Хабр

Вход в Kubernetes по 2FA: как мы связали Gateway API, Dex и MULTIDIRECTORY
21.09.2026 08:35:06 | Хабр

История одного аккаунта OpenAI: паровозик, который не смог
21.09.2026 08:34:27 | Хабр

Практическая демонстрация эффективности СЗИ в ОС Astra Linux
21.09.2026 08:20:00 | Хабр

Парсер, который не падает, а врёт: шесть случаев из моей практики
21.09.2026 08:14:00 | Хабр

Почему LLMProvider недостаточно: проектируем AI Gateway для SaaS на Go
21.09.2026 08:03:46 | Хабр

Кому ты нужен завтра, программист?
21.09.2026 08:03:23 | Хабр

День 1670: крупнейшие российские компании сократили затраты на офлайн-рекламу в первой половине 2026 года
21.09.2026 08:03:09 | vc.ru

Почему трогать траву действительно важно: что подтверждается исследованиями
21.09.2026 08:02:43 | Хабр

А-ЦОД глазами инженера: зачем это дата-центру и что вообще там сертифицируют
21.09.2026 08:00:31 | Хабр

Как за один Хакатон мы вживили ICQ в Битрикс24
21.09.2026 08:00:31 | Хабр

Смотреть все

НОВОСТИ

Набирающий популярность в РФ кроссовер получит полный привод: новая модификация
20.12.2026 06:40:00 | За рулем

Пострадавшую при атаке ВСУ на автобус в Горловке девочку доставили в Донецк
21.09.2026 16:54:00 | ТАСС

В районе Бучи начался пожар
21.09.2026 16:53:02 | Lenta.ru

ЦБ: изменения бюджетной политики не исключают пространства для снижения ставки в 2027 году
21.09.2026 16:52:54 | ТАСС

Ирина Салтыкова продала квартиру на Пречистенке, где снимали фильм "Брат-2"
21.09.2026 16:51:35 | ТАСС

Депутат Рады Гончаренко утверждает, что обнаружил в машине прослушку
21.09.2026 16:51:15 | ТАСС

В ФРГ с 1 октября снизят налог на горючее на 14 центов
21.09.2026 16:50:35 | ТАСС

В Петербурге согласовали документацию для создания пяти станций кольцевой линии
21.09.2026 16:50:03 | ТАСС

Москвичам назвали срок наступления старого бабьего лета
21.09.2026 16:50:00 | Lenta.ru

В Белгородской области при атаке БПЛА на автомобиль пострадала женщина
21.09.2026 16:49:51 | ТАСС

87-летний пенсионер из Кировской области восемь дней блуждал по лесу и выжил
21.09.2026 16:49:31 | Life.ru

Вернула себе свои 20: Кристина Агилера потрясла публику удивительным омоложением
21.09.2026 16:49:04 | Life.ru

Недопущение "финансового разгильдяйства" и непростой бюджет. Заявления Силуанова
21.09.2026 16:48:48 | ТАСС

Володин дал оценку итогам выборов в Госдуму
21.09.2026 16:47:39 | Lenta.ru

Кабмин обновил программу развития угольной промышленности до 2050 года
21.09.2026 16:47:34 | ТАСС

«У нас даже живут дома на всякий случай»: Вадим Галыгин пугает своих детей бабайкой
21.09.2026 16:46:55 | Life.ru

14-летнюю школьницу втянули в поджог машин полиции через «Дайвинчик»*
21.09.2026 16:46:44 | Life.ru

Назван город с самым долгим накоплением на ипотечный взнос
21.09.2026 16:46:20 | Lenta.ru

"Качество контента: стратегии поддержания профессиональных стандартов". Видеотрансляция
21.09.2026 16:45:32 | ТАСС

Собянин раскрыл смысл разговоров про искусственный интеллект
21.09.2026 16:45:00 | Lenta.ru

«Цель дальше жизни»: К 80-летию Михаила Ковальчука покажут фильм о выдающемся учёном
21.09.2026 16:44:48 | Life.ru

Китайский Changan раскрыл россиянам комплектации флагманского кроссовера
21.09.2026 16:43:49 | Lenta.ru

Управляемый робот победил человека на турнире по смешанным единоборствам
21.09.2026 16:43:08 | ТАСС

Корреспондент ТАСС стал лауреатом премии в области финансов "Финкор"
21.09.2026 16:42:32 | ТАСС

«Про снег в Москве даже не заикаемся»: Синоптики пообещали неоднородную зиму в России
21.09.2026 16:42:23 | Life.ru

Володин заявил, что выборы в Госдуму показали устойчивость партийной системы РФ
21.09.2026 16:42:11 | ТАСС

Джака исключен из состава сборной Швейцарии за подделку справки о вакцинации
21.09.2026 16:42:06 | ТАСС

Летевшие на курорт богачей москвичи стали жертвами аэроворов
21.09.2026 16:41:59 | Lenta.ru

Экс-генпрокурор Украины Кравченко так и не вернулся из зарубежной командировки
21.09.2026 16:41:35 | Life.ru

В Подмосковье почти 126 тыс. жителей привились от гриппа
21.09.2026 16:41:34 | ТАСС

"Единая Россия" побеждает на выборах в Госдуму в Татарстане с 72,03%
21.09.2026 16:41:08 | ТАСС

Москвичей призвали не ждать классического бабьего лета
21.09.2026 16:41:03 | Lenta.ru

Пожар охватил 5 тысяч квадратов станции по сортировке мусора в Щёлкове
21.09.2026 16:40:46 | Life.ru

В Свердловской области в ДТП погибли три человека
21.09.2026 16:40:45 | ТАСС

Умерла актриса сериала «Тайны следствия»
21.09.2026 16:40:00 | Lenta.ru

Все новости

ВСЕ НОВОСТИ

ПИШИТЕ

Техническая поддержка проекта ВсеТут

info@vsetut.pro