Модель на 7B параметров обходит GPT-5 и Claude Sonnet 4 в сложных задачах. Не потому что умнее — а потому что дирижирует ими.

Sakana AI обучила небольшую модель-оркестратор с помощью RL: она разбивает задачи, назначает нужного агента и строит топологию их взаимодействия под каждый конкретный запрос. Никакого hardcode — только динамика.

Главная проблема LangChain-пайплайнов: они хорошо работают на тестовых данных и ломаются при смене распределения запросов. Conductor решает это через обучение на пробах и ошибках — модель сама находит, какие комбинации агентов эффективны для каждого класса задач.

Результат: производительность выше фронтирных моделей, меньше API-вызовов, ниже стоимость. Архитектура — это отдельная модель-«дирижёр», а не ещё один LLM-агент.

Hardcoded пайплайны — это технический долг с таймером. ⏱

Разбираем ИИ-инструменты для бизнеса →
ИИ Инструменты | Контент-завод | База знаний