[{"data":1,"prerenderedAt":342},["ShallowReactive",2],{"blog-\u002Fensemble":3},{"id":4,"title":5,"body":6,"date":330,"description":331,"extension":332,"image":333,"listed":334,"meta":335,"navigation":334,"path":336,"readingTime":337,"seo":338,"sitemap":339,"stem":340,"__hash__":341},"blog_ru\u002Fensemble.md","Ансамбль агентов, когда второй прогон окупается",{"type":7,"value":8,"toc":319},"minimark",[9,14,27,34,38,46,49,57,61,64,67,70,73,77,80,147,150,159,164,168,171,198,201,205,208,222,229,232,235,238,241,245],[10,11,13],"h2",{"id":12},"takeaways","Самое полезное",[15,16,17,21,24],"ul",{},[18,19,20],"li",{},"Главная находка последних недель по эффективности оказалась не про модель и не про effort, а про второго агента на ту же задачу",[18,22,23],{},"На моих задачах два Opus 5.5 high параллельно находят больше одного Opus 5.5 xhigh и заканчивают быстрее, хоть и стоят чутка дороже",[18,25,26],{},"На десяти моих прогонах второй прогон ни разу не оказался пустым, чаще всего он ловил то, что первый пропустил на дорогой задаче",[28,29,30],"note",{},[31,32,33],"p",{},"Ансамбль не поможет, если все агенты читают один и тот же устаревший документ или если в задаче о чём-то вообще не спросили",[10,35,37],{"id":36},"how-i-found-it","Как я на это наткнулся",[31,39,40,45],{},[41,42,44],"article-hint",{"tip":43},"Октябрь 2026","Пару недель назад",", работая, не зная горя после выхода Opus 5.5, решил внезапно сравнить его на одной и той же задаче с Fable 5.1, запустил четыре прогона с одинаковыми вводными, по два на каждую модель, ведь самый минимум чтобы избежать шума это хотя бы 2-3 прогона на одной задаче делать. Запускал 2х Opus 5.5 xhigh и 2х Fable 5.1 high, всех параллельно",[31,47,48],{},"Результат моделей в итоге почти не отличался, но! Оказалось, что два прогона одной и той же модели находят заметно разное, это подтолкнуло меня экспериментировать с этим и время от времени запускать на задачу 2-4 независимых агента на Opus 5.5 high (а зачем же фейбл 5.1, когда есть опус? 😄)",[50,51],"article-figure",{"alt":52,"height":53,"src":54,"width":55,":narrow":56},"Мем из сериала Пацаны, у Хоумлендера вместо лица логотип Opus 5.5, подписи i'm not just like the rest of you и i'm stronger, i'm smarter, i'm better",896,"\u002Fblog\u002Fensemble\u002Fmeme.webp",827,"true",[10,58,60],{"id":59},"others-do-it-too","Оказалось, так делают и другие",[31,62,63],{},"Порадовавшись своему \"открытию\", я закономерно подумал: \"Я не мог быть первым, 100% кто-то уже что-то писал об этом\"",[31,65,66],{},"Как выявилось, это даже проверено на людях в 90-х, а с моделями это давно уже есть и в статьях, и в инструментах, но самому додуматься без практики, как мне кажется, невозможно",[31,68,69],{},"Все кажется очевидным, когда ты узнаешь об этом",[31,71,72],{},"Ссылки на смежные материалы будут в конце",[10,74,76],{"id":75},"numbers","Немного чисел",[31,78,79],{},"В один из дней я проводил эвал моделей на 24 своих задачах не про код, по два прогона на каждую модель и задачу, и тут моя \"находка\" еще раз случайно подтвердилась - два опуса 5.5 high в среднем находили больше, чем один мега-думающий медленный xhigh",[81,82,83,101],"table",{},[84,85,86],"thead",{},[87,88,89,92,95,98],"tr",{},[90,91],"th",{},[90,93,94],{},"Нашли по чек-листу",[90,96,97],{},"Цена ответа",[90,99,100],{},"Минут",[102,103,104,119,133],"tbody",{},[87,105,106,110,113,116],{},[107,108,109],"td",{},"один Opus 5.5 high",[107,111,112],{},"65%",[107,114,115],{},"$1,55",[107,117,118],{},"4,8",[87,120,121,124,127,130],{},[107,122,123],{},"два Opus 5.5 high параллельно",[107,125,126],{},"73%",[107,128,129],{},"$3,09",[107,131,132],{},"5,2",[87,134,135,138,141,144],{},[107,136,137],{},"один Opus 5.5 xhigh",[107,139,140],{},"66%",[107,142,143],{},"$2,69",[107,145,146],{},"8,8",[31,148,149],{},"Один xhigh находит столько же, сколько один high, а идёт почти вдвое дольше. Два high параллельно находят больше обоих, заканчивают почти так же быстро, как один high, и стоят примерно на 15% дороже одного xhigh. Выигрыш в основном от того, что один из двух прогонов оказывается сильнее, а какой именно, заранее не угадаешь, но ведь это наша любимая часть в агентской разработке, не так ли?",[50,151,156],{"alt":152,"height":153,"src":154,"width":155},"Два одинаковых слота Opus 5.5 high вместе выдают 73%, один премиум-слот Opus 5.5 xhigh с плашками premium, vegan и eco free выдаёт 66%",600,"\u002Fblog\u002Fensemble\u002Fslots.svg",1200,[31,157,158],{},"Два раза одновременно крутануть один хороший слот лучше, чем один раз премиум-слот",[28,160,161],{},[31,162,163],{},"Это мои задачи и мои чек-листы, не общий бенчмарк, но тенденция видна",[10,165,167],{"id":166},"where-to-use","Где использовать",[31,169,170],{},"В пример приведу несколько прошлых прогонов \"ансамбля\"",[15,172,173,180,186,192],{},[18,174,175,179],{},[176,177,178],"strong",{},"Дыры в коде дайджеста."," Два агента искали дыры в коде бота, который шлёт мне дайджест новостей в Telegram. Каждый нашёл по 18, но разных, вместе 25 (+40% находок!). И только один заметил, что при медленном отклике Telegram выпуск приходит дважды, а спам я не одобряю",[18,181,182,185],{},[176,183,184],{},"План покупок для переезда ПК."," Два агента нашли 16 и 20 замечаний, почти не пересеклись, вместе вышло.. 32 замечания (как минимум +60% находок). Только один заметил, что я смотрел бы в чёрный экран, если бы не удалил до переезда виртуальный монитор и не переключил стрим на новую видеокарту",[18,187,188,191],{},[176,189,190],{},"Ретро длинных сессий."," Дважды я просил главную сессию разобрать, что пошло не так, и параллельно давал её лог свежему агенту. Оба раза самую дорогую проблему нашёл свежий",[18,193,194,197],{},[176,195,196],{},"Варианты анимации для клиента."," Тут нужен был не правильный ответ, а разные идеи, и четыре агента придумали по 8 вариантов, разных среди них оказалось 13. Клиенту больше всего зашла та идея, которой у двух агентов из четырёх не было вовсе (слоты наше всё)",[31,199,200],{},"Естественно ансамбль не серебряная пуля. Два агента писали ТЗ для программиста, и оба ошиблись в одном и том же месте, потому что читали одни и те же устаревшие данные. Если на входе у всех ошибка, сколько агентов ни запускай, ошибутся все одинаково",[10,202,204],{"id":203},"when-to-use","Когда использовать",[31,206,207],{},"Честно, пока по ощущениям, а ощущения сформулировать могу так:",[15,209,210,213,216,219],{},[18,211,212],{},"Промах дорогой, и потом его никто не заметит",[18,214,215],{},"Текст уходит другому человеку, и ошибка стоит лишнего круга переписки",[18,217,218],{},"Нужны разные варианты, а не один правильный ответ",[18,220,221],{},"Нужен разный взгляд со стороны",[223,224,226],"article-qa",{"question":225},"А почему два, а не три или больше?",[31,227,228],{},"И это правильный вопрос! Ведь всем известно, что 99% разработчиков перестают крутить ЛЛМку перед самым лучшим решением!",[31,230,231],{},"А если серьёзно, то для себя я остановился на 2-4 независимых агентах, больше четырёх не пробовал, но уже третий и четвёртый добавляют заметно меньше, чем второй, и чаще всего двух хватает с головой, а 3-4 беру просто для спокойствия души",[31,233,234],{},"Обычно главная сессия-босс сама в ансамбле не участвует, она только собирает ответы агентов в один и перепроверяет то, что нашёл только кто-то один",[31,236,237],{},"Иногда я всё же запускаю ансамбль вместе с главным агентом. Интересно посмотреть, что найдут агенты со свежей головой и что пропустит сессия со всем контекстом",[31,239,240],{},"Не запускаю на мелочах, которые сам замечу и поправлю за минуту, и там, где важен только мой вкус",[10,242,244],{"id":243},"further-reading","Интересные и не очень материалы",[15,246,247,257,265,273,281,289,297,305],{},[18,248,249,250],{},"Сам скилл, можно поставить себе: ",[251,252,256],"a",{"href":253,"rel":254},"https:\u002F\u002Fgithub.com\u002FSundwell\u002Fclaude-skills",[255],"nofollow","github.com\u002FSundwell\u002Fclaude-skills",[18,258,259,260],{},"Девять независимых команд проверяли одни и те же требования. Одна команда находила в среднем 35% ошибок, все девять вместе 78%. ",[251,261,264],{"href":262,"rel":263},"https:\u002F\u002Fdoi.org\u002F10.1145\u002F128894.128897",[255],"N-fold inspection, ACM TOSEM 1992",[18,266,267,268],{},"На живом проекте два рецензента нашли столько же, сколько четыре. ",[251,269,272],{"href":270,"rel":271},"https:\u002F\u002Fusers.ece.utexas.edu\u002F~perry\u002Feducation\u002FSE-Intro\u002Fporter-tse23.pdf",[255],"Porter et al., IEEE TSE 1997",[18,274,275,276],{},"Модель отвечает несколько раз, и берётся самый частый ответ. На школьных задачах по математике это дало +17,9%. ",[251,277,280],{"href":278,"rel":279},"https:\u002F\u002Farxiv.org\u002Fabs\u002F2203.11171",[255],"Self-consistency, Wang et al., ICLR 2023",[18,282,283,284],{},"Агентам не обязательно спорить друг с другом. Простое голосование работает не хуже дебатов. ",[251,285,288],{"href":286,"rel":287},"https:\u002F\u002Farxiv.org\u002Fpdf\u002F2508.17536",[255],"Debate or Vote, NeurIPS 2025",[18,290,291,292],{},"У одного практика 45% из 285 багов нашёл ровно один ИИ-рецензент из нескольких. ",[251,293,296],{"href":294,"rel":295},"https:\u002F\u002Famurmann.com\u002Fposts\u002Fai-reviewers",[255],"Alexander Murmann, AI reviewers",[18,298,299,300],{},"Code Review в Claude Code запускает несколько агентов параллельно и отдельно голосует по каждой находке. ",[251,301,304],{"href":302,"rel":303},"https:\u002F\u002Fclaude.dev\u002Fblog\u002Fsolving-code-review-at-anthropic\u002F",[255],"Anthropic, Solving code review",[18,306,307,308,313,314],{},"В Cursor есть команда \u002Fbest-of-n, в Codex от одной до четырёх попыток на задачу. Та же задача запускается несколько раз, а лучший вариант выбирает человек. ",[251,309,312],{"href":310,"rel":311},"https:\u002F\u002Fcursor.com\u002Fchangelog\u002F3-0",[255],"Cursor 3.0",", ",[251,315,318],{"href":316,"rel":317},"https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fcli\u002Freference",[255],"Codex CLI",{"title":320,"searchDepth":321,"depth":321,"links":322},"",2,[323,324,325,326,327,328,329],{"id":12,"depth":321,"text":13},{"id":36,"depth":321,"text":37},{"id":59,"depth":321,"text":60},{"id":75,"depth":321,"text":76},{"id":166,"depth":321,"text":167},{"id":203,"depth":321,"text":204},{"id":243,"depth":321,"text":244},"2026-10-24T18:00:00+02:00","Хотел сравнить Fable и Opus, а наткнулся на ансамбль. Одна задача, два-четыре независимых агента и сведение, что\u002Fкак\u002Fпочему ниже","md","\u002Fblog\u002Fensemble\u002Fog.png",true,{},"\u002Fensemble",6,{"title":5,"description":331},{"loc":336,"lastmod":330},"ensemble","cA-Qs9tvduGWid-HCVFUnPb70Fdc5PkkXW98AQKyhCE",1793108447053]