Автор отдал сценарий под суд ИИ-присяжных: вердикт обошёлся в 850 тысяч токенов

Языковые модели льстят. Спросите, хорошая ли у вас идея, и почти всегда услышите «отличная». Автор Telegram-канала «Технокафе» 29 октября проверил идею иначе. Он поставил бесплатный скилл Claude Court для Claude Code (агента для программирования от Anthropic) и устроил суд над сценарием собственного ролика. Скилл — это готовый набор инструкций, который расширяет возможности агента. Результат: сценарий оправдали двумя голосами из трёх, а проверка заняла 8 агентов и 849 660 токенов. Токен здесь — единица, в которой модель считает объём текста. От числа токенов зависит и цена, и расход лимита подписки.

Как устроен суд из нейросетей

Скилл разыгрывает судебный процесс. Каждую роль исполняет отдельный агент, то есть отдельная сессия языковой модели.

• Обвинитель ищет, чем идея плоха. • Защитник доказывает, что она жизнеспособна. • Присяжные получают роли (например, статистик) и голосуют каждый сам. Друг друга они не видят, поэтому не подстраиваются под чужое мнение. • Судья пишет итоговый файл VERDICT.md.

Главное в файле не похвала. Судья перечисляет слабые места и формулирует условие, при котором идею можно запускать. Код скилла лежит на GitHub: alexyc9381/court-skill.

У обычного вопроса «ну как?» одна точка зрения, и она склонна соглашаться. Здесь есть стороны, у которых задача спорить. Есть и независимое голосование: присяжные не читают друг друга, а значит, не копируют ошибки соседа.

Что нашёл суд и что потребовал судья

Сценарий оправдали 2:1. Против проголосовал статистик. Его претензия: в плане не было ни одной собственной цифры. Судья принял довод и поставил условие: сначала замерить расход, потом снимать ролик.

Автор замерил и получил такие цифры:

• Суд на трёх присяжных: 8 агентов, 849 660 токенов. • Полный суд на двенадцать присяжных: 17 агентов, около 1,8 млн токенов. Это расчёт, а не прогон. • Урезанный состав дешевле полного вдвое, а не вчетверо. Обвинение, защита и судья работают при любом числе присяжных, и эта часть расхода остаётся постоянной.

По этим числам видно ещё одну вещь, но это уже наша прикидка. 849 660 токенов на 8 агентов и 1,8 млн на 17 дают в обоих случаях порядка 100 тысяч токенов на агента. Каждый дополнительный присяжный добавляет примерно столько же. Если нужен дешёвый суд, сокращать стоит присяжных. Судью и две спорящие стороны лучше оставить.

Когда суд окупается

Автор честно ограничивает область применения. Для мелкой правки такой суд не нужен. Для идеи, на которую уйдёт неделя работы, 850 тысяч токенов дешевле недели впустую. Логика простая: проверка идеи стоит в токенах, а ошибка в планировании стоит в днях. Она же объясняет, почему статистик оказался полезнее остальных. Он потребовал заменить общие слова измеримым числом.

Сколько стоил сам ролик

Автор приводит и стоимость остальной цепочки:

• Сценарий, монтаж и стиль собирал Claude Code на модели Opus 5.5. Вместе с пробой стиля это около $13 в API-эквиваленте (по тарифам оплаты за токены) и 1,3 % недельного лимита подписки. • Голос принадлежит автору, это клон в ElevenLabs. 960 знаков обошлись в $0,11. • Шестнадцать фигурок нарисовал GPT Image через Codex по подписке ChatGPT. • Анимацию сделали на HyperFrames и GSAP.

Отдельно суд в $13 не входит, его расход автор замерял по токенам. Но порядок величин ясен. Весь ролик с озвучкой, графикой и юридической проверкой идеи собран из подписок и копеечных API-вызовов.

Практический вывод

Для инженеров и продуктовых команд из этой истории следует несколько вещей.

• Один вопрос к одной модели даёт комплимент. Структурированный спор с независимым голосованием даёт список слабых мест. • Перед запуском многоагентной проверки стоит замерить расход. Автор так и сделал по требованию судьи. • Если бюджет ограничен, уменьшайте число присяжных, а не убирайте судью и стороны. • Применять такой суд имеет смысл к решениям с дорогой ошибкой, например к планам на неделю работы. Для мелких правок он избыточен.

Ограничение у метода очевидное. Все участники суда остаются языковыми моделями и могут разделять одни и те же слепые пятна. Даже при независимом голосовании результат остаётся мнением моделей, а не проверкой реальностью. Тем не менее вердикт с конкретными условиями полезнее, чем «отличная идея!», и стоит он меньше миллиона токенов.