Не модель, а «обв'язка»: ефективність AI-агентів

Справжня вартість AI-агентів для кодування

При виборі AI-агента для кодування інженерні команди часто зосереджуються на самій моделі, вважаючи її ключовим фактором. Однак, як показує практика, справжня різниця у вартості та ефективності криється не в моделі, а в її «обв'язці» (harness) — системі, що включає інструментальний цикл, обробку контексту, механізми повторних спроб та верифікації.

Навіть найпотужніші моделі не забезпечать автономного кодування без якісної «обв'язки». Коли мова йде про серйозні інструменти, найдорожчою частиною часто є саме механізми, що оточують модель. Агент читає файли, викликає інструменти, повторює невдалі редагування, запускає тести, стискає історію, відновлює контекст і просить модель вирішити, що робити далі. Кожен такий крок коштує токенів, а невдалі кроки збільшують витрати.

«Податок на обв'язку» та приховані витрати

Дослідження «The Harness Tax» за липень 2026 року виявило, що запуск одних і тих же завдань через Claude Code збільшував контекст у 40-125 разів, а вартість одного запуску — у 5-8 разів. При цьому якість роботи моделі (pass@1) покращувалася на 28 пунктів. Це свідчить про те, що «обв'язка» є не просто додатком, а ключовим елементом продукту.

AI-агент не просто відповідає на запит один раз. Він несе системний промпт, схеми інструментів, вміст файлів, вивід терміналу, попередні рішення, невдалі спроби та іноді довгий ланцюжок міркувань. «The Harness Tax» оцінив фіксоване навантаження контексту для одноразової «обв'язки» приблизно в 36 000 – 71 000 токенів за запуск, порівняно з 400 – 1 000 вхідних токенів для прямого виклику моделі на тих же невеликих задачах.

Важливо також враховувати, що вихідні токени коштують значно дорожче за вхідні. Наприклад, згідно з даними Anthropic за березень 2026 року, Opus 4.6 коштує $5 за мільйон вхідних токенів і $25 за мільйон вихідних, а Sonnet 4.6 — $3 і $15 відповідно. «Балакучий» агент, який пояснює кожне редагування, збільшує витрати.

Контекстне вікно та ефективність

Порівняння Builder.io (вересень 2025, оновлено лютий 2026) показало, що Claude Code виконав одне бенчмарк-завдання, використовуючи близько 33 000 токенів, тоді як Cursor витратив близько 188 000 токенів на ту ж роботу, зіткнувшись при цьому з помилками. Це один тест, але він ілюструє, як різні агенти керують контекстом.

Перевага Claude Code частково пов'язана з розміром контекстного вікна, яке він може використовувати. Офіційна документація Anthropic вказує, що Claude Code підтримує контекстне вікно в 1 мільйон токенів на платних планах для моделей, включаючи Sonnet 5, Fable 5, Opus 4.8, Opus 4.7 та Opus 4.6. Таке велике вікно дозволяє виконувати тривалі рефакторинги в одній сесії, не розбиваючи їх на частини. Однак мільйон токенів корисний лише тоді, коли «обв'язка» знає, що зберігати, що відкидати і коли зупинятися.

Що враховувати при виборі та інвестиціях

Для корпоративних покупців ціни, вказані на сайтах (наприклад, Cursor Teams $40/користувач/місяць, GitHub Copilot Business $19/користувач/місяць), є слабким орієнтиром. Вони не відображають вартість за виконане завдання. Ключове питання при покупці: скільки успішних змін ви отримуєте за свої гроші?

Якщо команді потрібні переважно вбудовані доповнення та швидкий зворотний зв'язок в IDE, Cursor та Copilot можуть бути ідеальними. Якщо ж агент має рефакторити монорепозиторій, запускати тести, перевіряти збої та повертати робочий патч, ширший автономний цикл Claude Code може виправдати вищі видимі витрати. Багато команд використовуватимуть обидва підходи, підбираючи інструмент під конкретне завдання.

Інвесторам також слід бути уважними. Стартап, який заявляє про прорив у AI-агентах для кодування, повинен показати більше, ніж просто доступ до моделі та чистий інтерфейс. Важливо запитувати про трасування токенів, обробку застарілого контексту, дії після невдалого тесту та кількість повторних спроб. Справжня цінність і складність полягають в оцінках, спостережуваності, ущільненні контексту, дисципліні інструментів та циклах зворотного зв'язку від реального використання. Саме тут формується крива витрат. Ринок все ще говорить про модель як про головну перевагу, але для AI-агентів для кодування саме «обв'язка» є першим місцем, де з'являються рахунки.

Що це означає для розробників

Розробникам та інженерним командам слід переглянути свій підхід до вибору AI-агентів для кодування, зосередившись не лише на базовій моделі, а й на її «обв'язці» (harness). Розуміння того, як агент керує контекстом, повторними спробами та верифікацією, є критичним для контролю витрат та досягнення ефективності у щоденній роботі.

Ключові факти

Справжня різниця у вартості та ефективності AI-агентів для кодування криється в їхній «обв'язці» (harness), а не лише в базовій моделі.
«Обв'язка» включає інструментальний цикл, обробку контексту, механізми повторних спроб та верифікації.
Кожен крок, який виконує агент (читання файлів, виклики інструментів, тести), коштує токенів, а невдалі кроки збільшують витрати.
Дослідження «The Harness Tax» показало, що «обв'язка» може збільшувати контекст у 40-125 разів та вартість запуску у 5-8 разів, одночасно покращуючи якість роботи моделі.
Вихідні токени коштують значно дорожче за вхідні (наприклад, Opus 4.6: $5/M вхідних, $25/M вихідних).