Агент Skein стирает старые этапы из контекста: 97% удачных запусков, но дороже OpenCode
Кодинг-агенты вроде Claude Code копят всю переписку с моделью, и длинная лента дорожает и рассеивает внимание. Агент Skein стирает завершённые этапы и оставляет короткий итог. В 13 задачах Terminal Bench (65 запусков) он справился в 63 случаях, то есть в 97%, а OpenCode — в 65, но Skein дороже: 0,70 против 0,47 ₽. Стирать контекст стоит на длинных исследовательских задачах, на коротких выигрывает кэш.
AI-обработка оригинала Habr AI; редакция Hamidun News
Представьте, что вы весь день работаете над багом и не выбрасываете ни одной записки: на столе лежат все черновики, логи и неудачные догадки. Примерно так устроены современные кодинг-агенты, от Claude Code до Cursor. Модель вызывает инструмент, агент выполняет вызов, результат дописывается в конец переписки, и вся лента снова уходит в модель. Контекст только растёт. Для кэша это удобно, но у длинной ленты две известные беды: окно модели конечно, а внимание к середине длинного текста слабеет. Разработчик Skein на Habr попробовал обойти это иначе: не обрезать начало и не пересказывать всё подряд, а стирать целые завершённые куски работы. Результат неоднозначный: из 65 тестовых запусков агент решил 63 (97%), а конкурент OpenCode с обычной лентой решил все 65 и обошёлся дешевле.
Как устроена «гармошка»
В Skein каждый ход записывается в журнал: сообщение модели, вызов инструмента, результат. Перед обращением к модели специальная функция собирает из журнала ленту, причём часть событий в неё не попадает. Поэтому длина контекста то растёт, то сжимается. Автор сравнивает это с гармошкой, которую в обычном агенте только растягивают.
Первый вариант работает через состояния, то есть фазы разработки: Patch (исправить баг), Verification (проверить исправление), Research (исследовать), Construction (написать с нуля) и End. Каждое состояние — маленький агент со своим промптом, целью и критерием остановки. Когда модель решает, что цель достигнута, лента состояния удаляется. Остаются два служебных сообщения, «Start state» и «Finish state», и итог, который модель сама написала. Переходы между состояниями идут по фиксированной таблице через инструмент move. Например, после Patch можно идти в Verification или Research, а после неудачной проверки вернуться в Patch. Инструменты тоже меняются по фазе: перед стартом доступен только move, внутри состояния только рабочие.
Второй вариант строится на гипотезах. Автор опирался на идеи логика Чарльза Пирса об абдукции, то есть о построении объяснения наблюдаемому факту. Модель сама формулирует гипотезу и критерий остановки, проверяет её инструментами и возвращает JSON с наблюдениями, кратким итогом и вердиктом: подтверждена, опровергнута или сброшена по лимиту ходов. Лента гипотезы затем стирается. Гипотезы могут вкладываться друг в друга (идентификаторы вроде H1.2.3). Для чтения сохранённых результатов есть инструменты recall и search, при этом на ленту за раз попадает не больше 8K символов.
Что показали тесты
Автор взял 13 задач из Terminal Bench, набора заданий для терминальных агентов (git-восстановление, регулярки, OpenSSL, исправление уязвимости в bottle.py, баг в сборщике мусора OCaml, COBOL и другие), и запускал каждую по 5 раз. Использовалась одна модель, DeepSeek V4.1 Flash, а соперником стал OpenCode первой версии с классической монотонной лентой.
С включённой сетью Skein на состояниях решил 63 из 65 запусков, OpenCode решил все 65. Без сети результат Skein составил 60 из 60, а OpenCode решил 58 из 60. По качеству разницу автор считает неразличимой. Зато Skein уступает по цене. Ходов у него в среднем 14 против 9, нового входного текста 22,1k против 10,4k токенов, доля кэша 86,7% против 95,3%. Стоимость составила около 0,70 ₽ против 0,47 ₽ с сетью и 1,00 ₽ против 0,44 ₽ без неё.
Причина в экономике токенов. У провайдера автора кэш в 50 раз дешевле обычного входа. Кэш работает, только если текст совпадает буква в букву. Монотонная лента кэшируется почти целиком, а когда Skein стирает кусок середины, текст за этим местом меняется, и кэш там не срабатывает. Плюс переходы и открытие гипотез — это отдельные ходы. Автор отмечает, что суммарно токенов у Skein может быть меньше, но кэш всё равно приносит победу OpenCode.
Между собой два режима Skein сравнили на 7 задачах. Состояния решили 35 из 35 с сетью, гипотезы 34 из 35. Гипотезы потратили меньше свежего ввода (19,6k против 34,5k токенов), но делали больше ходов (20 против 17). Выигрыш по деньгам зависел от условий: с сетью гипотезы стоили 1,88 ₽ против 2,42 ₽, без сети наоборот, 1,98 ₽ против 1,61 ₽.
Ограничения и практический вывод
Выводы стоит читать осторожно. Тест небольшой, модель одна, а у провайдера она работает под разными субподрядчиками с разной квантизацией, вплоть до 4-битной, что добавляет шум в рассуждения. Задачи в основном слишком лёгкие, и по словам автора, плотность результатов не позволяет оценить эффективность подхода. Все промахи были связаны с лимитом ходов. Агент-наблюдатель, который должен следить за слишком долгими состояниями, пока не готов.
Для тех, кто строит своих агентов, польза в трёх вещах. Во-первых, контекст стоит собирать из журнала событий, а не просто дописывать: так проще экспериментировать с проекциями. Во-вторых, стирание ленты надо считать вместе с ценой кэша: на коротких задачах оно проигрывает. В-третьих, автор видит применение Skein, особенно в режиме гипотез, в исследовательских задачах с долгими рассуждениями, где лишние переходы окупятся. Это пока его собственная оценка, а не результат проверки.
- 21 нояб. 2026 г.CoreWeave должна $47 млрд под чипы Nvidia и теряет $709 млн за квартал
- 21 нояб. 2026 г.Агент ClawDOS пишет и запускает код на IBM PC 5160: простые числа за 64 секунды
- 21 нояб. 2026 г.Разработчик поручил Claude поставить 900 приложений и собрал бесплатный чистильщик Mac
- 21 нояб. 2026 г.Apple готовит ИИ-агента и усложнила доступ чужим: разрешение теперь в 14 шагов, а не в 4
Вопросы и ответы по материалу
Что известно по теме: как устроена «гармошка»?
В Skein каждый ход записывается в журнал: сообщение модели, вызов инструмента, результат. Перед обращением к модели специальная функция собирает из журнала ленту, причём часть событий в неё не попадает. Поэтому длина контекста то растёт, то сжимается. Автор сравнивает это с гармошкой, которую в обычном агенте только растягивают. Первый вариант работает через состояния, то есть фазы разработки: Patch (исправить баг), Verification (проверить исправление), Research (исследовать), Construction (написать с нуля) и End.
Что известно по теме: что показали тесты?
Автор взял 13 задач из Terminal Bench, набора заданий для терминальных агентов (git-восстановление, регулярки, OpenSSL, исправление уязвимости в bottle.py, баг в сборщике мусора OCaml, COBOL и другие), и запускал каждую по 5 раз. Использовалась одна модель, DeepSeek V4.1 Flash, а соперником стал OpenCode первой версии с классической монотонной лентой. С включённой сетью Skein на состояниях решил 63 из 65 запусков, OpenCode решил все 65. Без сети результат Skein составил 60 из 60, а OpenCode решил 58 из 60.
Что известно по теме: ограничения и практический вывод?
Выводы стоит читать осторожно. Тест небольшой, модель одна, а у провайдера она работает под разными субподрядчиками с разной квантизацией, вплоть до 4-битной, что добавляет шум в рассуждения. Задачи в основном слишком лёгкие, и по словам автора, плотность результатов не позволяет оценить эффективность подхода. Все промахи были связаны с лимитом ходов. Агент-наблюдатель, который должен следить за слишком долгими состояниями, пока не готов. Для тех, кто строит своих агентов, польза в трёх вещах.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
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.