ХЗ, чо там интересного. Норот меряется ФПСТ/С, реальных результатов нет. Модели гоняют мелкие и тупенькие. На
тупенькой модельке, условных 100т/с, не сравнится с 10т/с у
тяжёлой.
Тупенькая будет гнать пургу на высокой скорости, а тяжолая, будет медленно выдавать разумное. Для получения рабочего кода или толклового анализа, дажэ модель на 80Г параметров, квантом 8, размером в 90Гб, не прокатывает, по сравнению с 120Г параметров, квантом 4 и 111Гб размером. Заряжаешь задачу и сравниваешь результат. Мобуть, для тупеньких моделей и агентская работа имеет смысл, но для тяжёлых, никакого. Тяжёлая модель, за пару итераций код-проверка, даст окончательный результат. А агенты будут шоркаться по одним и тем-жэ ошибкам. Там только стратегией работы с результатами тестирования можно добиться сходимости процэсса.