Эффект мультипликатора Harness
В быстро меняющемся ландшафте искусственного интеллекта происходит тихая революция. В то время как крупные провайдеры ведут публичную борьбу за показатели в индексах интеллекта, разработчики на практике обнаруживают, что архитектура, окружающая модель, важна не меньше, чем сама модель. Этот феномен, получивший название «эффект мультипликатора Harness», показывает, что выбор фреймворка исполнения (harness) может радикально усилить или ухудшить реальную производительность, скорость и экономичность ИИ-модели.
Согласно данным, опубликованным 11 августа 2026 года разработчиком 0xEvan и подтвержденным Марио Цехнером, создателем фреймворка Pi Harness с открытым исходным кодом, реальное развертывание DeepSeek V4 Flash в связке с Pi позволило достичь беспрецедентного показателя попадания в кэш — 99,93%. Обработав почти 1 миллиард входных токенов, разработчик потратил всего 2,65 доллара США. Без использования кэширования префиксов (prefix caching) те же объемы работы обошлись бы примерно в 132 доллара. Это колоссальное снижение затрат на 98% спровоцировало широкую дискуссию в индустрии о том, как минималистичные, оптимизированные под кэш архитектуры меняют экономику корпоративного ИИ.
Бенчмарк Composio: минимализм против раздутого софта
Чтобы проверить эти заявления на практике, разработчик инструментов для ИИ-агентов Composio провел открытое сравнительное тестирование. Они запустили одну и ту же модель — DeepSeek V4 Flash — на восьми различных фреймворках для выполнения 30 сложных многошаговых задач. Эти сценарии требовали от агентов вызова внешних инструментов, принятия самостоятельных решений и сквозного выполнения процессов без участия человека.
Результаты бросили вызов устоявшемуся мнению о том, что тяжелые и перегруженные функциями фреймворки работают лучше:
- Pi Agent занял первое место, успешно выполнив 20 из 30 задач (66,7% успеха).
- Oh My Pi оказался на втором месте с 17 выполненными задачами.
- Claude Code, Codex и Deep Agents разделили позиции с 16 выполненными задачами.
- Prime Agent и Hermes Agent справились с 15 задачами.
- OpenCode занял последнее место с 14 задачами.
При использовании абсолютно идентичной модели простая смена фреймворка исполнения привела к росту успешности задач на 20 процентных пунктов. Разница в стоимости оказалась еще более впечатляющей. Средняя стоимость успешного выполнения одной задачи на Pi составила всего 0,028 доллара, тогда как на Claude Code этот показатель достиг 0,195 доллара — почти в семь раз дороже. Хотя медианное время выполнения задач у Pi (132,2 секунды) было немного медленнее, чем у Claude Code (122,7 секунды), сочетание высокого процента успеха и минимальных затрат сделало Pi очевидным победителем тестирования.
Примеры неудач в ходе бенчмарка наглядно иллюстрируют риски избыточного усложнения систем. Фреймворк Prime Agent генерировал самые длинные сессии среди всех участников теста, расходуя до 3,5 миллионов токенов и совершая до 33 вызовов инструментов за один запуск. Из-за этого автоматическая система оценки завершала работу по таймауту, оставляя запуски без оценки. Напротив, базовая чистая установка Pi, использующая только необходимые плагины протокола Model Context Protocol (MCP), доказала, что короткий путь выполнения снижает вероятность потери фокуса или создания шума в контексте.
Технические механизмы кэширования префиксов на 99,9%
Чтобы понять, как связка DeepSeek и Pi достигает такой эффективности, необходимо разобрать механику кэширования префиксов. API DeepSeek кэширует префикс промпта в запросе. Если начальная последовательность токенов нового запроса в точности совпадает с предыдущей, сервер считывает эти токены напрямую из кэша, взимая за них плату по многократно сниженному тарифу.
Однако кэширование префиксов крайне чувствительно к изменениям. Поскольку сопоставление должно начинаться с самого первого токена, любое минимальное изменение в начале контекста — например, динамическая временная метка или изменение порядка вызова инструментов — полностью инвалидирует кэш для всех последующих токенов. Обычный запрос агента несет в себе длинную историю диалога, и если фреймворк перестраивает эту историю на каждом шаге, кэширование перестает работать.
Разработчики решили эту проблему с помощью специализированных расширений. Такие проекты, как Reasonix и его порт для Pi под названием DeepPi, удерживают коэффициент попадания в кэш на уровне 99,7%–99,9% благодаря следующим принципам:
- Замораживание переменных среды (уровень P0): Расширения вроде
pi-deepseek-cacheфиксируют дату, время и текущую рабочую директорию при запуске агента, исключая пропуски кэша из-за динамических системных промптов. - Детерминированное суммаризирование (уровень P3): Когда история диалога становится слишком длинной, система использует DeepSeek V4 Flash при температуре 0 для генерации детерминированного саммари. Результат хэшируется, что гарантирует побайтовую идентичность текста в последующих запросах и предотвращает сброс кэша из-за случайных текстовых колебаний.
- Диагностика префиксов по SHA-256 (уровень P2): Система отслеживает точное состояние префикса с помощью хэшей SHA-256, позволяя разработчикам мгновенно находить причины сброса кэша.
- Разделение сессий для разных моделей: Вместо смешивания шагов планирования и выполнения в одной истории диалога (что разрушает кэш для обеих ролей), планирующая и исполняющая модели работают в полностью независимых, изолированных сессиях.
Финансовый эффект от этих оптимизаций огромен. Стоимость входных токенов для DeepSeek V4 Flash падает с 0,14 доллара за миллион токенов до 0,003 доллара (снижение на 98%), а для более крупной DeepSeek V4 Pro — с 3,00 до 0,025 доллара за миллион токенов (снижение на 99%).
DeepSeek V4 Flash против Muse Spark 1.2: Сравнение в продакшене
Эффективность DeepSeek V4 Flash становится еще более очевидной при сравнении с тяжелыми закрытыми моделями вроде Muse Spark 1.2. Согласно телеметрии Artificial Analysis и OrcaRouter на начало августа 2026 года, эти модели занимают принципиально разные ниши:
Хотя Muse Spark 1.2 демонстрирует превосходные результаты в узких, сложных профессиональных доменах (налоги, юридический аудит, финансы), для высоконагруженных систем с жесткими требованиями к задержке и стоимости DeepSeek V4 Flash остается бескомпромиссным решением.
Мифы о дешевых тарифах для контрибьюторов
Анализ также развенчивает заявления некоторых западных провайдеров, в частности Meta, о сверхдешевом тарифе для контрибьюторов ($0.10 за миллион входных токенов), позиционируемом как конкурент DeepSeek. В реальности этот лимит ограничен жесткими рамками в 60 запросов в минуту (против стандартных 3000 RPM), что делает его непригодным для реальных нагрузок. Более того, плата за этот тариф взимается не деньгами, а вашими данными: Meta получает право обучать свои будущие модели на ваших промптах и коде, что несет огромные комплаенс-риски для корпоративных пользователей.
Перспективы: Ожидание официального Harness от DeepSeek
Пока сторонние разработчики создают кастомные решения, сама DeepSeek готовится к выпуску официального продукта. Регистрация официального аккаунта WeChat «DeepSeek Harness Team» 11 августа 2026 года указывает на то, что компания готовится представить собственную среду исполнения. Это позволит реализовать нативную интеграцию софта и модели на этапе обучения, что может стереть грань между дешевыми flash-моделями и тяжелыми проприетарными системами.