История с жалобами пользователей на слишком быстро расходующуюся квоту в Kimi неожиданно хорошо совпала с тем, о чем Anthropic написала в своей статье про построение агентов. Суть проблемы проста: когда модель разбивает задачу на множество подагентов, кажется, что система становится умнее и надежнее, но на практике она часто начинает тратить слишком много токенов на внутренние согласования, пересказ контекста и повторную обработку одних и тех же данных.

Anthropic приходит к выводу, что для большинства задач достаточно не «армии» подагентов, а одного сильного агента, работающего в одном цикле. Если модель уже умеет пользоваться инструментами, держать контекст и поэтапно решать задачу, то дополнительные подагенты нередко превращаются из преимущества в обузу.

Они увеличивают задержку, раздувают стоимость и делают систему менее прозрачной. Иными словами, то, что раньше выглядело как инженерное усиление, теперь все чаще оказывается лишним слоем сложности.

Это особенно заметно на фоне коммерческих продуктов, где пользователи платят не за архитектурную красоту, а за результат. Если один запрос незаметно запускает целую цепочку внутренних вызовов, у пользователя возникает ощущение, что квота «сгорает» не на работу, а на бесконечные служебные совещания между подагентами.

Anthropic как раз предлагает смещать логику в сторону более компактного single-agent-подхода: меньше распараллеливания, меньше лишнего текста, меньше внутреннего шума и больше реальной полезной работы.

По сути, это важный сдвиг для всей индустрии. На раннем этапе развития ИИ подагенты были удобным костылем, который помогал системе справляться с ограниченным контекстом и слабой надежностью.

Но по мере того как модели становятся сильнее, а контекст — длиннее, старый подход начинает терять смысл. И тогда главным становится уже не количество сущностей внутри системы, а умение одной модели пройти весь путь задачи максимально экономно и точно.

На этом фоне спор о квотах, токенах и «слишком дорогих» запросах перестает быть частной жалобой пользователей. Он превращается в более широкий вопрос о том, как именно должны быть устроены ИИ-продукты нового поколения: через сложные многоагентные конструкции или через более строгую, простую и экономную архитектуру. Anthropic, похоже, делает ставку именно на второе.