
Тот же агент, другая обвязка: что покажут прогоны?
Финал серии об обвязках: схема сравнения, первые замеры и что нужно для платного прогона
Содержание слайдов
1. Тот же агент, другая обвязка: что покажут прогоны?
Финал серии об обвязках: схема сравнения, первые замеры и что нужно для платного прогона
2. Своих сравнений обвязок пока ноль
23 записи о прогонах, 3 независимых вердикта, ни одной полной тройки
3. Сначала схема, потом пустые клетки
Пять остановок: схема, замеры, гипотезы, прогон и оговорки
4. Меняем только обвязку
Задача, спецификация агента, модель и образ закреплены заранее
5. Код возврата ещё не вердикт
Запись проходит пять статусов, а оценку ставит независимая проверка
6. Две когорты, Pi стоит в обеих
Три обвязки на Sonnet 5.5 и три на GPT-6.1 Sol, две задачи, по три повтора
7. Запрошенная модель — ещё не подтверждённая
Личность модели берём из ответа поставщика, а не из настроек обвязки
8. Девять запусков, три вердикта, один зачёт
Pi 0.73.1, локальная Qwen3.5-9B и задача T002 на Ryzen AI Max+ 395
9. Провалы — в фиксации, а не в коде
Оба агента правили нужные файлы, но не закоммитили изменения до лимита
10. Девять запусков — шесть групп условий
Тайм-аут, образ и мост к локальной модели менялись между попытками
11. Ход у каждой обвязки свой
Лимит в 30 ходов и 2 доллара по-разному работает в пяти обвязках
12. 44 доработки, ни одна не подтверждена
Журнал обвязки записывает каждое добавление и условие его перепроверки
13. Три гипотезы записаны до прогона
У каждой есть критерий, который её опровергнет
14. Первый платный прогон держат четыре условия
Слот HN-O01: Codex 0.167.0, gpt-6.1-sol, синтетическая задача Harbor
15. До первого сравнения — 24 доллара цели
Лестница: один слот, пилоты Harbor, одна когорта на T002, вся кампания
16. Эти клетки заполнит кампания
По каждой обвязке: pass^3, цена принятой задачи и новые строки журнала
17. Даже полная кампания ответит не на всё
Две задачи, три повтора, две модели и одна дата
18. Сначала прогон, потом выводы
Своих сравнений обвязок пока ноль
Локальные провалы — в завершении работы
Ход и доллар у обвязок разные
Первое сравнение — 24 доллара цели
Пустая клетка значит «не измерено»
Следующий шаг — разрешение на слот HN-O01