DeepSeek открыла прототип Super-agent: p95 времени выполнения 15,7 мин вместо 29,5

Команда DeepSeek Harness опубликовала архитектурную статью о прототипе Super-agent и выложила его код в открытом репозитории dsh-superagent-prototype. По пересказу в X, в эксперименте p95 времени выполнения задачи у многокомпонентной схемы составил 15,7 минуты, а у решения на одной сессии — 29,5 минуты. Разница — около 47%: самые долгие запуски заканчиваются почти вдвое быстрее. Сама статья в доступном нам тексте не приведена, так что опираться приходится на краткое изложение автора поста.

Что известно из поста

Источник — короткая запись в X от @JamesX_ai с очень малым охватом, около 22 просмотров. Автор пишет, что семь ИИ-блогеров из его ленты обсуждают эту новость, и датирует публикацию статьи 31 октября. Из архитектуры он успел назвать только один элемент: Router, то есть компонент, который, судя по названию, распределяет входящую работу. Дальнейшее описание в тексте обрывается, поэтому состав остальных узлов, число субагентов и способ передачи контекста между ними неизвестны.

Из этого можно уверенно утверждать немногое. Прототип опубликован в открытом виде. Команда сравнила его с вариантом, где весь процесс идёт в одной сессии. Сравнивали по p95 времени завершения. Всё остальное — предположения, и выдавать их за факты было бы неверно.

Почему важен именно p95

Метрика p95 показывает время, в которое укладываются 95% запусков. Она ловит «длинный хвост»: редкие, но мучительные случаи, когда агент ходит по кругу, перечитывает разросшийся контекст или ждёт тяжёлый шаг. Для продуктов с агентами этот показатель часто важнее среднего, потому что пользователь запоминает не типичный запуск, а самый долгий.

Однопоточная сессия обычно страдает именно в хвосте. Контекст растёт, каждый следующий шаг дороже, а независимые подзадачи выполняются строго друг за другом. Если Router в прототипе позволяет разбивать работу и гонять части параллельно, то выигрыш в p95 выглядит правдоподобно. Но это гипотеза: в пересказе нет данных о том, как именно устроено ускорение.

Чего в сообщении не хватает

Для оценки результата нужны сведения, которых пост не даёт:

• какие задачи использовались и сколько их было;
• какая модель стояла в обеих конфигурациях и были ли одинаковые бюджеты токенов;
• сколько запусков легло в p95: на малой выборке хвостовая метрика очень шумная;
• сравнивалось ли качество результата, а не только скорость;
• во что обошлось ускорение по стоимости: параллельные субагенты обычно расходуют больше токенов.

Последний пункт принципиален. Ускорение почти вдвое по времени легко купить ценой большего счёта за инференс или падения точности на сложных задачах. Пока в источнике нет данных о доле успешно решённых задач и о расходе токенов, 15,7 против 29,5 минуты говорит только о скорости.

Что делать практикам

Репозиторий открыт, значит, заявление можно проверить самостоятельно. Разработчикам, которые строят агентные системы, имеет смысл посмотреть, как в коде устроены Router и передача состояния, и прогнать прототип на своих типовых задачах. Сравнивать нужно по трём осям сразу: p95 времени, доля успешных запусков и стоимость в токенах.

До выхода полной статьи и независимых замеров новость стоит считать заявкой на интересную архитектуру, а не доказанным результатом. Сам факт открытого кода от DeepSeek важен: он даёт сообществу возможность быстро подтвердить или опровергнуть эти цифры.