Autoresearch и AI compute: почему агентные исследования меняют экономику вычислений

Autoresearch AI compute связывает два свежих сюжета начала июля 2026 года: агентные контуры, которые сами запускают эксперименты и проверки, и рынок владельцев GPU, готовых продавать лишнюю мощность. Если агент делает не один запрос, а десятки попыток с оценкой, исправлением и повторным запуском, цена задачи перестаёт совпадать с прайсом за миллион токенов.

Autoresearch - это агентный цикл, где ИИ запускает эксперименты, оценивает результат, сохраняет удачные изменения и возвращает человека в роль постановщика целей и проверяющего. Для бизнеса главный вопрос уже не «сколько стоит модель», а сколько стоит полный агентный процесс: прогоны, evals, human-in-the-loop, повторные попытки и аренда compute.

Что изменилось в autoresearch

В интервью Latent Space сооснователь Introspection Roland Gavrilescu описывает autoresearch как переход от agent harnesses к feedback loops. Раньше команда чаще обсуждала саму обвязку агента: инструменты, окружение, промпты, права доступа. Теперь центр тяжести смещается к циклу, который собирает сигналы, запускает проверку, запоминает провалы и улучшает рабочую систему.

У Gavrilescu для этого есть понятие agent recipe. В такой рецепт входят модели, harness, evals, judges, обработка сигналов, человеческая экспертиза и список ошибок, из которых родились новые проверки. Это важнее красивой демонстрации: production-агент должен знать, какие сигналы имеют вес, когда спрашивать человека и как не сжечь бюджет на бесполезные попытки.

Связь с материалом про Autoresearch Карпати прямая, но фокус другой. У Карпати виден минимальный технический baseline: агент меняет `train.py`, запускает короткое обучение, смотрит на метрику и оставляет только улучшения. В этой статье важнее экономика такого цикла: сколько стоит не один удачный ответ, а серия попыток, которая к нему приводит.

Почему цикл дороже одного ответа

Репозиторий Karpathy/autoresearch удобен тем, что не прячет механику. В README описан фиксированный 5-минутный бюджет на каждый запуск, метрика `val_bpb`, один редактируемый файл `train.py` и примерно 12 экспериментов в час. Ночной прогон может дать около 100 экспериментов, и это ещё аккуратный single-GPU сценарий, а не распределённая исследовательская фабрика.

Такой формат хорошо объясняет, почему цена за миллион токенов быстро становится неполной метрикой. Один внешний результат может потребовать десятки внутренних шагов: придумать изменение, применить его, обучить или прогнать задачу, оценить метрику, сравнить с baseline, откатить неудачу и повторить. У агента появляется рабочая память, история решений и набор проверок. Всё это потребляет вычисления.

Для пользователя на поверхности остаётся короткий отчёт. Для бюджета под ним лежит цепочка inference, eval compute, иногда training compute, хранение артефактов, запуск окружения и человеческая проверка. Именно этот слой делает autoresearch частью темы AI compute, а не только новым словом для автономных агентов.

Почему autoresearch повышает спрос на AI compute

Короткий ответ: autoresearch превращает одну задачу в серию измеряемых попыток. Каждая попытка требует модели, окружения, данных, проверки и решения, продолжать ли цикл. Чем длиннее agent loop и чем серьёзнее evals, тем больше фактический спрос на inference, GPU-время, хранение и человеческую валидацию.

Evals становятся рынком, а не лабораторной метрикой

Agent loop без проверки быстро производит шум. Поэтому evals в autoresearch - не декоративная таблица в конце отчёта, а механизм управления. Модель предлагает изменение, но решение «оставить или откатить» должно опираться на сигнал: метрику, judge, тест, пользовательскую обратную связь или проверку эксперта.

Этот сдвиг уже виден в смежных сюжетах. Мы отдельно разбирали, как LM Arena превратила оценку моделей в бизнес: качество модели продаётся и покупается через сравнения, leaderboard, human feedback и доверие к методике. В autoresearch та же логика переезжает внутрь продукта. Если агент сам улучшает рабочий процесс, evals становятся частью себестоимости, а не разовой исследовательской процедурой.

Отсюда и роль человека. Latent Space передаёт позицию Gavrilescu так: ранний агент должен задавать вопросы людям, извлекать tacit knowledge и постепенно накапливать предпочтения организации. Полная автономия в первый день звучит эффектно, но в реальной компании чаще нужен контур, где человек не пишет каждый шаг вручную, а даёт качественные сигналы для следующего витка.

Meta Compute показывает вторую сторону рынка

Если autoresearch увеличивает спрос на compute, владельцы датацентров пытаются превратить предложение в отдельный продукт. TechCrunch со ссылкой на Bloomberg пишет, что Meta развивает планы облачного инфраструктурного бизнеса для продажи доступа к AI compute и моделям. По данным публикации, инициатива получила рабочее название Meta Compute.

Это пока не стоит описывать как запущенный прибыльный cloud-бизнес Meta. Корректнее говорить о планах и подготовке. Но масштаб мотива понятен из отчётности. В форме 10-Q за квартал, завершившийся 31 марта 2026 года, Meta указала около $182,88 млрд будущих lease obligations по датацентрам, colocation и сетевой инфраструктуре, а также $237,67 млрд non-cancelable contractual commitments, в основном связанных с cloud capacity, серверами, сетями, датацентрами и Reality Labs.

На этом фоне продажа «сырой» мощности выглядит не побочным экспериментом, а способом частично монетизировать инфраструктурную ставку. Похожую линию мы уже видели в истории про то, как Google арендует AI-compute у SpaceX. Даже крупные игроки начинают смотреть на чужие GPU как на нормальный слой поставки, если собственный спрос, сроки и география не сходятся.

Цена токена не равна цене агентной задачи

Самый наглядный пример даёт Claude Sonnet 5. По состоянию на 2 июля 2026 года официальная страница Anthropic указывает промо-цену $2 за миллион входных токенов и $10 за миллион выходных токенов до 31 августа 2026 года. С 1 сентября стандартная цена должна стать $3 и $15. На бумаге это тот же стандартный уровень, что у Sonnet 4.6.

Но Anthropic там же пишет, что Claude Sonnet 5 и Opus 4.7+ используют новый tokenizer, который даёт примерно на 30% больше токенов для того же текста. Artificial Analysis добавляет вторую часть картины: в их Intelligence Index Sonnet 5 с max effort использовал примерно на 40% больше output tokens на задачу, чем Sonnet 4.6, и делал примерно в 3 раза больше agentic turns на AA-Briefcase и GDPval-AA.

Итог у Artificial Analysis жёсткий: по стандартной цене Sonnet 5 стоит $2,29 за Intelligence Index task, примерно вдвое дороже Sonnet 4.6 и примерно на 15% выше Opus 4.8. Число зависит от конкретной методики, но хорошо показывает проблему: агентная модель может быть «дешевле за токен», но дороже за завершённую задачу, если она делает больше ходов.

Что считать бизнесу

Для команды, которая внедряет self-improving agents, полезно считать не средний чек API, а стоимость завершённого рабочего процесса. Минимальная формула выглядит так: стоимость модели плюс число попыток, evals, инструменты, хранение артефактов, human review и внешний compute. Если хотя бы один множитель растёт незаметно, месячный счёт может удивить даже при «неизменной» цене токена.

Отдельно стоит фиксировать stop conditions. Agent loop должен понимать, когда он прекращает исследование: по лимиту бюджета, времени, числу попыток, отсутствию улучшения или решению человека. Без этого autoresearch легко превращается в дорогой генератор логов, где каждый следующий запуск выглядит разумным, но общая польза уже не растёт.

Практический вывод простой: перед запуском agent loop задайте не только KPI качества, но и unit economics. Сколько стоит один принятый diff, один улучшенный eval, один закрытый тикет, один отчёт или один обработанный клиентский запрос? Когда эти числа есть, рынок AI compute становится не абстрактным дефицитом GPU, а строкой в себестоимости продукта.

FAQ

Что такое autoresearch AI compute?

Autoresearch AI compute - это связка агентных исследовательских циклов и вычислительной мощности, которая нужна для их работы. Агент не просто отвечает на запрос, а запускает попытки, проверяет результат, откатывает ошибки и повторяет цикл.

Почему autoresearch не сводится к AutoML?

AutoML обычно ищет параметры или архитектуры внутри заранее заданного пространства. Autoresearch в нынешнем смысле шире: агент может менять код, evals, judges, инструкции, рецепты и процесс, а человек остаётся источником целей и качественных сигналов.

Какой главный риск для компаний?

Главный риск - считать только цену токена. Для агентных задач важнее стоимость завершённого результата: число ходов, evals, ошибки, ревью, аренда GPU и лимиты окружений. Без этих данных сложно понять, окупается ли агентный цикл.

Итог

Autoresearch делает агентов похожими на маленькие исследовательские команды: они пробуют, измеряют, сохраняют удачные изменения и возвращаются к задаче. Это повышает качество, но переносит центр затрат с одного ответа на полный цикл работы.

Поэтому AI compute становится не только проблемой лабораторий, которые тренируют большие модели. Он становится проблемой продуктовых команд, где агентные процессы выполняют десятки внутренних шагов ради одного видимого результата. В этой новой экономике выигрывает не тот, кто смотрит на самый дешёвый миллион токенов, а тот, кто умеет считать стоимость задачи целиком.

Источники и дата проверки

Факты, цены и характеристики проверены 2 июля 2026 года. Для цен моделей, тарифов и availability стоит сверяться с первоисточниками заново перед публикацией или закупкой.

• Latent Space: Autoresearch: The feedback loop behind self-improving agents, опубликовано 1 июля 2026 года, использовано для Introspection, outer loops, agent recipes и human-in-the-loop.
• GitHub: karpathy/autoresearch, использовано для 5-минутного цикла, структуры repo, `val_bpb`, single-GPU baseline и изображения progress.
• TechCrunch: Meta, like SpaceX, looks to turn excess AI compute into cash, опубликовано 1 июля 2026 года, использовано для Meta Compute и рынка избыточного compute.
• Meta Platforms Form 10-Q за квартал, завершившийся 31 марта 2026 года, использовано для lease obligations и non-cancelable contractual commitments.
• Anthropic Claude Platform pricing, использовано для цен Claude Sonnet 5, Opus 4.8 и данных о tokenizer.
• Artificial Analysis: Claude Sonnet 5: strong agentic performance at a higher cost per task, опубликовано 30 июня 2026 года, использовано для cost-per-task, output tokens и agentic turns.