Малые языковые модели в агентах: пять применений, которые меняют архитектуру AI-систем

Малые языковые модели — SLM с числом параметров от 1 до 7 млрд — уверенно берут специализированные роли в агентных системах, которые раньше принадлежали фронтирным моделям. KDnuggets проанализировал пять конкретных применений, которые уже используются в агентах нового поколения прямо сейчас — с цифрами, инструментами и исследованиями, которые стоит знать прежде чем принимать архитектурные решения.

Почему SLM стали конкурентоспособными?

Ещё три года назад малые модели заметно уступали GPT-4 на сложных задачах. Сегодня картина другая: специализированные SLM на узких задачах нередко опережают универсальные фронтирные модели. Дело не только в прогрессе обучения — большинство шагов в агентных цепочках представляют собой узкие, хорошо формализуемые операции: классификация, маршрутизация, форматирование, валидация. Именно на таких задачах SLM показывают лучшее соотношение точности и стоимости.

Ключевые ориентиры по стоимости:

• GPT-4o: ~$5 за миллион входных токенов
• Microsoft Phi-3-mini (3,8B параметров): ~$0,1 за миллион токенов — разрыв в 50 раз
• Mistral 7B Instruct: популярный выбор для task-specific агентов в продакшне
• Meta Llama 3.2 1B и 3B: оптимизированы для локального запуска на edge-устройствах
• SmolLM2 1.7B (HuggingFace): работает на смартфонах, Raspberry Pi и ноутбуках без GPU

В многоступенчатых агентах, где каждый шаг — отдельный вызов модели, стоимостная разница складывается кратно.

Пять конкретных ролей в агентах

Маршрутизация задач. Входящий запрос нужно направить к правильному инструменту или субагенту. Это задача классификации с небольшим контекстом — 1–3B-модель справляется с ней почти так же точно, как GPT-4, но в 10–100 раз быстрее и дешевле. Оркестраторы LangGraph и CrewAI поддерживают замену роутера на SLM без изменения остальной части системы.

Специализированные субагенты. В мультиагентных цепочках каждый шаг обрабатывает отдельная модель: извлечение данных, форматирование, валидация JSON, перевод. Дообученная SLM на конкретном домене обыгрывает универсальный GPT-4 по точности и скорости. По данным исследований Berkeley SkyLab (2024 год), fine-tuned Llama-3.2-3B превосходит GPT-3.5-turbo на задачах извлечения структурированных данных.

Локальный вывод без облака. SLM запускается прямо на устройстве — ноутбуке, смартфоне или промышленном контроллере. Задержка снижается до менее 100 мс (против 500–2000 мс у облачного API), исчезает зависимость от интернета, а данные не покидают устройство. Gemma 2B от Google и Llama 3.2 1B стабильно работают на современных смартфонах средней ценовой категории.

Черновик перед дорогим вызовом. SLM генерирует первичный ответ или структуру, которую фронтирная модель затем уточняет — своего рода speculative decoding на архитектурном уровне. Агент обращается к GPT-4 только когда уверенность SLM падает ниже заданного порога. Команды, применяющие этот паттерн, сообщают о снижении числа вызовов к дорогим моделям на 60–80%.

Постоянный мониторинг и реактивные триггеры. В IoT- и продакшн-агентах нужна модель, непрерывно обрабатывающая поток событий. Держать GPT-4 в горячем режиме 24/7 экономически нецелесообразно: SLM на 1–3B параметрах выполняет классификацию и детектирование аномалий в реальном времени при стоимости обычного микросервиса — без ограничений по квотам и задержкам API.

Что это значит

Выбор между SLM и фронтирной моделью больше не сводится к компромиссу между мощью и экономией — это вопрос архитектурного дизайна. Агентные задачи, как правило, разбиваются на узкие шаги, каждый из которых под силу специализированной SLM. Фронтирная модель нужна там, где требуется глубокое рассуждение, широкий контекст или мультимодальность — и именно за эти шаги стоит платить.

Частые вопросы

Насколько дешевле SLM по сравнению с GPT-4o?

Microsoft Phi-3-mini с 3,8 млрд параметров обходится примерно в $0,1 за миллион входных токенов против ~$5 у GPT-4o — разница около 50 раз. В многоступенчатых агентных цепочках, где каждый шаг — отдельный вызов модели, экономия складывается кратно.

Какие SLM чаще всего используют в продакшн-агентах?

Для задач в продакшне популярны Mistral 7B Instruct, Microsoft Phi-3-mini и Llama 3.2 от Meta (1B и 3B). Для edge-устройств и смартфонов — Gemma 2B от Google и SmolLM2 1.7B от HuggingFace. Выбор зависит от требований к задержке, конфиденциальности и доступным вычислительным ресурсам.

*Meta признана экстремистской организацией и запрещена в РФ.