Parcha выложила AgentRun: ревью кода дешевеет с $1 до 18 центов за проверку
Агенты каждый раз заново изучают один и тот же API и перечитывают доки, а вы платите за каждый токен. Parcha выложила под Apache-2.0 платформу AgentRun: после запуска агент сохраняет заметку, навык или готовый сценарий. Счёт за ревью у Greptile (доллар за проверку) вырос у них со $180 до $6451 в месяц, а свой ревьюер на дешёвой модели стоит 18 центов. При повторяющихся задачах дорогую модель выгодно звать лишь для первого обучения.
AI-обработка оригинала Hacker News AI; редакция Hamidun News
Представьте, что вы нанимаете очень умного сотрудника, который каждое утро забывает всё, чему научился вчера. Каждый день он заново читает документацию по одному и тому же API, заново придумывает план и заново набивает те же шишки, а вы платите ему за каждый час. Примерно так сегодня работают многие агенты в продакшене: каждый повторный запуск оплачивается токенами, хотя задача давно знакома. Команда Parcha выложила в открытый доступ платформу AgentRun, которая пытается убрать эту повторную работу. Проект вышел на Hacker News как Show HN, и все цифры ниже — заявления самих авторов, а не независимый бенчмарк.
Откуда взялись $1 и 18 центов
Мотивация у авторов земная. Сервис Greptile для ревью кода с марта брал доллар за каждую проверку pull request. Когда агенты в команде заработали активнее, месячный счёт вырос со $180 до $6451, то есть примерно в 36 раз. Тогда Parcha собрала собственного ревьюера на дешёвой модели и настроила его на своих PR. По словам авторов, одна проверка теперь стоит 18 центов вместо доллара. На 30 pull request, которых система раньше не видела, она нашла в 1,6 раза больше реальных багов, чем Greptile. Выборка маленькая, поэтому цифру стоит считать ориентиром, а не доказательством.
Второй пример — классификация мерчантов, то есть определение, к какой категории относится продавец. Сначала дорогой Opus сам разбирается, как это делать, затем накопленный опыт передают дешёвой модели. Цена за одного мерчанта упала с $0,89 до $0,12.
Как это устроено
AgentRun не заменяет вашего агента. Вы выбираете обвязку: Claude Code, Codex, OpenCode или pi. Платформа добавляет вокруг неё три вещи.
Первая — самообучение. После запуска агент сохраняет то, что пригодится в следующий раз: заметку, навык или готовый сценарий. Всё лежит в отдельной git-папке агента.
Слова человека, например оценка или сообщение после первого ответа, превращаются в строки файла corrections.md, и каждый следующий запуск получает его целиком. Когда у агента набирается 20 завершённых запусков (значение по умолчанию), платформа пытается собрать из них сценарий — пошаговый документ, где есть вызовы инструментов, шаги с моделью и быстрые решения «да/нет» с оценкой уверенности.
Например, модель склоняется к «одобрить» с уверенностью 0,61, а планка сценария — 0,75, поэтому случай уходит на ручную проверку. Сценарий сначала проверяют кодом, прогоняют вхолостую и один раз воспроизводят на прошлых входных данных. Он включается, только если сам отвечает на достаточное число случаев и совпадает с ответами агента.
Сложные случаи возвращаются агенту. Секреты в заметках и черновиках платформа отклоняет.
Вторая — устойчивое выполнение. Все запуски хранятся в одном хранилище. Если убить сервер посреди работы, после перезапуска запуск продолжится. Если раннер упал, другой подхватывает его работу, когда истекает 30-секундная аренда. Завершённые шаги повторно не выполняются, а запись, прерванную сбоем посреди вызова, помечается как interrupted, чтобы вы проверили её вручную.
Третья — панель управления. Для каждого инструмента задаётся режим: разрешён, спрашивать или запрещён. У запуска есть лимит расходов: при его достижении запуск встаёт на паузу, а не падает. Стоимость, которую платформа не может посчитать, показывается как «unknown», а не как $0. Агенту можно выдать нужный компьютер: песочницу, Linux-десктоп, Android-телефон или браузер.
Что можно взять уже сейчас
Платформа распространяется под Apache-2.0. Нужен Node 24.22.3 или новее, macOS или Linux. Запустить можно на ноутбуке, в одном контейнере или как сервер с несколькими раннерами. Есть инструкции для Railway, Render, VPS, Kubernetes, Coolify, Dokploy и Docker. Если вы уже работаете с Claude Code или Codex, можно подключить существующую конфигурацию. Для Codex и pi достаточно входа через ChatGPT, без ключа модели. Агентов, которые уже живут в вашем бэкенде, можно просто наблюдать через CLI и OpenTelemetry Collector, не включая обучение.
В комплекте есть готовые шаблоны агентов: ревью pull request восемью независимыми ревьюерами, due diligence по компании, еженедельный дайджест изменений у отслеживаемых компаний и скоринг лидов от 0 до 100. Каждый шаблон можно проверить на собственных тестовых случаях.
Ограничения и вывод
Рефлексия и независимая оценка качества добавляют расход токенов, так что экономия не бесплатна. Удалённые подключения пока требуют сервер и Python-коннектор из одного проверенного чекаута. Все цифры получены на задачах самой Parcha, и на вашем коде результат может отличаться.
Практический вывод простой. Если у вас есть повторяющиеся агентские задачи, такие как ревью, классификация или скоринг, стоит один раз заплатить сильной модели, а накопленный опыт перенести в сценарий для дешёвой. Проверить эту идею на своих данных можно уже сейчас: AgentRun годится как готовый стенд.
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
- 21 нояб. 2026 г.Капитан пловцов отдала ChatGPT три задачи по расписанию и сократила рутину в разы
- 21 нояб. 2026 г.OpenAI GPT-6 Cyber нашла около 35 дыр в iPhone, Mac и другой технике Apple
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: откуда взялись $1 и 18 центов?
Мотивация у авторов земная. Сервис Greptile для ревью кода с марта брал доллар за каждую проверку pull request. Когда агенты в команде заработали активнее, месячный счёт вырос со $180 до $6451, то есть примерно в 36 раз. Тогда Parcha собрала собственного ревьюера на дешёвой модели и настроила его на своих PR. По словам авторов, одна проверка теперь стоит 18 центов вместо доллара. На 30 pull request, которых система раньше не видела, она нашла в 1,6 раза больше реальных багов, чем Greptile.
Что известно по теме: как это устроено?
AgentRun не заменяет вашего агента. Вы выбираете обвязку: Claude Code, Codex, OpenCode или pi. Платформа добавляет вокруг неё три вещи. Первая — самообучение. После запуска агент сохраняет то, что пригодится в следующий раз: заметку, навык или готовый сценарий. Всё лежит в отдельной git-папке агента. Слова человека, например оценка или сообщение после первого ответа, превращаются в строки файла corrections.md, и каждый следующий запуск получает его целиком.
Что известно по теме: что можно взять уже сейчас?
Платформа распространяется под Apache-2.0. Нужен Node 24.22.3 или новее, macOS или Linux. Запустить можно на ноутбуке, в одном контейнере или как сервер с несколькими раннерами. Есть инструкции для Railway, Render, VPS, Kubernetes, Coolify, Dokploy и Docker. Если вы уже работаете с Claude Code или Codex, можно подключить существующую конфигурацию. Для Codex и pi достаточно входа через ChatGPT, без ключа модели.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.