Google нашла способ урезать расход токенов у ИИ-агентов в 50 раз — результат зафиксировали в тестах на сложных задачах. Метод опубликовали в исследовательском блоге компании. Речь о новом «навыке» под названием SKILL.state, который сворачивает длинный журнал действий в короткие сводки. Но главный сюрприз кроется в деталях механизма, о которых в пресс-релизе упомянули вскользь.
Стандартный ИИ-агент тратит токены на каждое действие — каждый клик, запрос и шаг раздувают контекстное окно. После 50 операций журнал занимает столько места, что модель начинает работать медленно и дорого. SKILL.state решает проблему через сжатие: алгоритм превращает тысячи строк лога в связный рассказ о том, что агент уже сделал, какой результат получил и что осталось.
На бенчмарке Vending-Bench точность агента с новым навыком выросла с 19% до 46%. Расход токенов на сложных сценариях упал с 43 млн до 800 тыс. — кратность составила примерно 50 раз. Для сравнения: один такой прогон без оптимизации стоит около 47 долларов, с SKILL.state — меньше доллара.
Для разработчиков это прямой способ удешевить автономных помощников в десятки раз. Для бизнеса — шанс запускать сложных агентов на задачах, которые раньше были нерентабельны. А для рынка в целом — сигнал, что эпоха бездумного расхода токенов заканчивается. Эксперты прогнозируют, что аналогичные методы появятся у Anthropic и OpenAI в течение года.
При этом у метода есть ограничение: SKILL.state работает только с агентами, которые умеют учиться новым навыкам на лету. Обычные модели без такой адаптации не смогут применить технику. Получается, прорыв доступен лишь экосистемам с продвинутым reinforcement learning — а это пока единицы игроков на рынке.
А вы уже экспериментировали с ИИ-агентами или пока присматриваетесь к технологии? Подобрать оптимальный стек под ваши задачи и просчитать реальную экономию на токенах поможет нейросеть AiGENDA — сравнит доступные модели и покажет, где выгода максимальная. Первый запрос — абсолютно бесплатно. Если понравится результат, сами выберете удобный тариф.
