Разработчик Бартош Котрыс (Bartosz Kotrys) из компании Quesma рассказал, как полностью исчерпал лимит подписки Claude Max, пытаясь исследовать способы сокращения расходов на использование больших языковых моделей — на это у него ушло всего полчаса.
По словам специалиста, стандартный режим Deep Research оказался настолько ресурсоёмким, что лимит закончился ещё до завершения работы. Котрыс приводит пример одного из запусков Deep Research. Система создала 111 агентов, поставила в очередь 123 утверждения для проверки и выполнила более сотни поисковых запросов. До исчерпания лимита удалось подтвердить лишь 25 утверждений, после чего процесс остановился, так и не сформировав итоговый отчёт. По словам автора, проблема заключалась не столько в стоимости моделей, сколько в том, что разные агенты постоянно дублировали работу друг друга и многократно расходовали ресурсы.
После этого разработчик собрал собственную систему, объединив уже оплаченные подписки на Claude, Codex и Antigravity. Ключевым элементом стал плагин claude-mem, который создаёт общую память для всех агентов. Благодаря этому результаты поиска, промежуточные выводы и найденные источники сохраняются и становятся доступны другим моделям, которым больше не приходится повторно выполнять те же операции.
По словам автора, такая схема позволила примерно в десять раз увеличить продолжительность непрерывной работы системы без дополнительных расходов. Если раньше лимита подписки Claude Max хватало примерно на 30 минут исследования, то после распределения задач между Claude, Codex и Antigravity конвейер смог работать несколько часов. При этом, если одна из сторонних подписок достигает своего лимита, система автоматически возвращается к использованию моделей Claude, не прерывая выполнение исследования.
В результате исследователь решил разработать собственный конвейер для проведения «глубоких исследований», который позволил бы существенно снизить расход токенов. Конвейер представляет собой цепочку специализированных агентов, каждый из которых отвечает за отдельный этап исследования. В основе системы лежит Claude Code, который выступает «менеджером» и координирует работу остальных агентов. Самые сложные задачи — планирование исследования, разбиение его на подзадачи и разрешение противоречий между результатами — автор поручил Claude Fable 5. Поиском информации занимается Claude Sonnet 5, проверкой найденных фактов и ссылок — Claude Opus 4.8, а простые операции вроде извлечения данных и форматирования — Claude Haiku 4.5. Отдельные задачи, связанные с запуском инструментов и работой в терминале, передаются Codex (GPT-5.5), а Antigravity на базе Gemini 3.1 Pro используется как независимый «второй эксперт», позволяющий перепроверять результаты моделью другого семейства и снижать риск систематических ошибок.
Все агенты работают с общей памятью через claude-mem, благодаря чему не дублируют уже выполненную работу. Система управляется Bash-скриптом, который автоматизирует запуск агентов, передачу контекста между ними и распределение задач между Claude, Codex и Antigravity.
Кроме того, в разработанной Котрысом системе предусмотрены дополнительные механизмы повышения качества — разработчик отдельно уделяет внимание снижению «галлюцинаций» моделей. Каждое утверждение должно сопровождаться ссылкой на первоисточник и цитатой, а проверкой найденных данных всегда занимается другой агент, а не тот, который их обнаружил. Лишь после прохождения всех этапов проверки сведения попадают в общую базу знаний, где могут использоваться в последующих исследованиях. Завершающим этапом автор оставил Deep Research, который уже не ищет информацию с нуля, а дополняет и углубляет предварительно проверенные материалы, что дополнительно снижает расход токенов.
В статье Котрыс также перечислил несколько практических способов экономии токенов: минимизировать повторную передачу длинного контекста, использовать общую память между агентами, разбивать исследование на отдельные этапы вместо одного большого запроса и поручать дорогостоящим моделям только те задачи, где их возможности действительно необходимы. По его мнению, именно организация взаимодействия между агентами сегодня является главным фактором, которые определяет стоимость подобных систем.
Источник: habr.com