Нейросеть для агентов: хардкод дешевле reasoning-моделей
Закрытый PAC1, где AI-агент должен читать логи, искать файлы и обходить prompt-инъекции, неожиданно вскрыл слабость reasoning-моделей. По словам автора, они галлюцинировали, ломали JSON и жгли бюджет на API, зацикливаясь на ошибках. В итоге задачу лучше прошёл Zero-Cost Agent — детерминированный хардкодовый исполнитель, который симулирует поведение нейросети, но работает стабильнее и дешевле в формальной песочнице.
AI-обработка оригинала Habr AI; редакция Hamidun News
Закрытый бенчмарк PAC1 для AI-агентов показал, что дорогие reasoning-модели не всегда лучше: участник хакатона создал Zero-Cost Agent из простых алгоритмов, который обошёл их по цене и справился с задачами эффективнее.
Почему простой алгоритм обошёл ИИ модель по цене?
Жёсткие алгоритмы избегают типичных ошибок нейросетей в структурированных задачах — при работе с логами, файлами, письмами. Нейросети уязвимы к Indirect Prompt Injections, когда вредная инструкция спрятана внутри данных, в таких ловушках жёсткие правила работают надёжнее и дешевле.
Почему хардкод дешевле нейросетей?
Потому что не требует вызовов API дорогих reasoning-моделей и использует жёсткие алгоритмы для выполнения задач типа чтения логов, поиска файлов и отправки писем.
Хотите не читать про ИИ, а внедрить его?
«AI News» — это полезные новости из мира ИИ. Системно научиться работать с нейросетями и применять их в работе — в Hamidun Academy.
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.