Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарTG: @neurogen_news (Neurogen)→ оригинал

Агент Empatra Studio 0.29 подешевел на 59% во фронтенде и стал вдвое быстрее

Empatra Studio 0.29 учит ИИ-агента делать несколько чтений файлов и проверок за один заход, а не гонять модель по кругу на каждый мелкий шаг. Во фронтенд-задаче вместо 18 обращений к модели стало 10, время упало с 228 до 112 секунд, а расходы — на 59%. В кодинге с GPT-6.2 Sol затраты снизились на 38%, на Qwen — примерно вдвое. Если ваш агент делает много мелких вызовов инструментов, их группировка экономит деньги без смены модели.

AI-обработка оригинала TG: @neurogen_news (Neurogen); редакция Hamidun News
Агент Empatra Studio 0.29 подешевел на 59% во фронтенде и стал вдвое быстрее
Источник: TG: @neurogen_news (Neurogen). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @neurogen_news (Neurogen) ↗
Главный редактор
Кодинг на Qwen8 шагов вместо 13, 77 секунд вместо 146
Те же проверки пройдены5 из 5 и 12 из 12 задач
Ключевой факт #3На саму Студию уходит 1–3% времени, остальное — работа модели

Empatra Studio — это приложение, где ИИ-агент сам читает файлы, правит код и запускает проверки. В версии 0.29 разработчики научили его собирать несколько чтений и проверок в один заход, а не обращаться к модели после каждого мелкого действия. Результат по их замерам: во фронтенд-задаче вместо 18 обращений к модели стало 10, время сократилось с 228 до 112 секунд (то есть вдвое), а расходы на неё упали на 59%. Меньше обращений означает меньше ожидания и меньше денег за повторную отправку контекста.

Почему агент тратит деньги на рутину

Большинство агентов расходуют бюджет не на «умные» рассуждения, а на механику. Нужно открыть файл, потом второй, потом третий, потом запустить проверку. Каждый такой шаг — отдельный круг: агент обращается к модели, и в запрос заново уходит весь накопленный контекст. За каждый круг платят токенами и ждут ответа.

Представьте, что вы просите стажёра поправить вёрстку. Плохой вариант: он приходит за каждым файлом отдельно («можно открыть header?», «а теперь footer?», «а теперь стили?»). Хороший вариант: он забирает все три файла и возвращается один раз. Работы столько же, а разговоров втрое меньше. Версия 0.29 переводит агента на второй сценарий: независимые чтения и проверки собираются в пачку и выполняются одним шагом.

Что показали замеры

Цифры приведены самой командой по её внутренним тестам, независимой проверки пока нет, поэтому относиться к ним стоит как к ориентиру.

  • Фронтенд: 10 обращений к модели вместо 18, 112 секунд вместо 228.
  • Кодинг на Qwen: 8 шагов вместо 13, 77 секунд вместо 146.
  • Расходы: на кодинге с GPT-6.2 Sol минус 38%, на фронтенде минус 59%, на Qwen примерно вдвое меньше.

Качество, по словам авторов, не пострадало: те же задачи прошли те же проверки — 5 из 5 и 12 из 12. Но выборки очень маленькие, поэтому гарантировать то же качество на любых проектах нельзя.

Есть и честная оговорка про время. В кодинге на GPT оно почти не изменилось, хотя расходы снизились на 38%. Причина в том, что почти всё время занимает сама модель, а на работу Студии приходится всего 1–3%. Если модель долго думает над каждым шагом, объединение чтений не ускорит главное, зато снизит объём повторно отправляемого контекста. В последовательном анализе и отчётах выигрыш тоже в основном по цене, а не по скорости.

Длинные диалоги и бесплатные запросы

Вторая часть релиза касается контекста. Когда место в окне модели подходит к концу, агент составляет сводку с вашими требованиями и продолжает с места остановки. Сколько места осталось, видно в шапке треда, так что внезапный обрыв длинной сессии становится менее вероятным. Сводка остаётся сжатием, и мелкие договорённости из начала диалога в ней могут потеряться, поэтому критичные ограничения лучше повторять явно.

Ещё одно изменение: оптимизации теперь работают на компьютере, в вебе и на телефоне, а раньше ускорение было только в десктопе. Из-за снижения затрат пользователям без подписки стало доступно больше бесплатных запросов.

Что вынести разработчику

Урок шире одного продукта. Если вы строите собственного агента, посмотрите в логи: сколько вызовов инструментов независимы друг от друга и могут идти пачкой? Чтение нескольких файлов, запуск линтера и тестов, поиск по репозиторию — частые кандидаты. Каждый объединённый вызов убирает целый круг обращения к модели с полным контекстом.

Второй вывод — заранее решите, что вы оптимизируете: секунды или рубли. Если почти всё время занимает модель, оптимизация обвязки ускорит работу слабо, но счёт всё равно уменьшит.

Версия 0.29 не добавляет новую модель и не обещает скачка качества. Это аккуратная инженерная работа вокруг агента. Для команд, которые ежедневно платят за токены, такие обновления нередко дают самый заметный эффект.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: почему агент тратит деньги на рутину?

Большинство агентов расходуют бюджет не на «умные» рассуждения, а на механику. Нужно открыть файл, потом второй, потом третий, потом запустить проверку. Каждый такой шаг — отдельный круг: агент обращается к модели, и в запрос заново уходит весь накопленный контекст. За каждый круг платят токенами и ждут ответа. Представьте, что вы просите стажёра поправить вёрстку. Плохой вариант: он приходит за каждым файлом отдельно («можно открыть header?», «а теперь footer?», «а теперь стили?»).

Что известно по теме: что показали замеры?

Цифры приведены самой командой по её внутренним тестам, независимой проверки пока нет, поэтому относиться к ним стоит как к ориентиру. Фронтенд: 10 обращений к модели вместо 18, 112 секунд вместо 228. Кодинг на Qwen: 8 шагов вместо 13, 77 секунд вместо 146. Расходы: на кодинге с GPT-6.2 Sol минус 38%, на фронтенде минус 59%, на Qwen примерно вдвое меньше. Качество, по словам авторов, не пострадало: те же задачи прошли те же проверки — 5 из 5 и 12 из 12.

Что известно по теме: длинные диалоги и бесплатные запросы?

Вторая часть релиза касается контекста. Когда место в окне модели подходит к концу, агент составляет сводку с вашими требованиями и продолжает с места остановки. Сколько места осталось, видно в шапке треда, так что внезапный обрыв длинной сессии становится менее вероятным. Сводка остаётся сжатием, и мелкие договорённости из начала диалога в ней могут потеряться, поэтому критичные ограничения лучше повторять явно.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

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.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…