PilotDeck снижает затраты на ИИ-агентов почти в шесть раз за счёт умной маршрутизации задач

Китайские исследователи из лаборатории THUNLP при Университете Цинхуа вместе с командами ModelBest и OpenBMB выпустили открытую операционную систему для ИИ-агентов PilotDeck 2.0. Разработчики обещают решить три главные головные боли тех, кто использует агентов в работе: смешивание памяти и задач между проектами, простои, когда модель ждёт указаний, и бешеный расход токенов на длинных задачах. Главная фишка — умная маршрутизация, которая позволяет срезать стоимость сложных многоэтапных задач примерно в шесть раз, а в отдельных сценариях экономия достигает 83 процентов.

В основе системы лежит понятие рабочего пространства, или «воркспейса». По сути каждому проекту выделяется отдельный физический отсек со своей файловой системой, библиотекой памяти и набором навыков. Если вы параллельно монтируете видео в одном проекте и пишете мини-игру для iOS в другом, память и поисковые пространства этих проектов полностью изолированы и не конфликтуют. Больше не нужно пересказывать агенту контекст заново и следить, чтобы он не перепутал задачи из разных дел.

Отдельно стоит белая, то есть прозрачная, память. Обычно агентские системы работают как чёрный ящик: непонятно, что именно модель запомнила, когда и где это хранится. PilotDeck показывает всю цепочку — от появления воспоминания до его вызова. Можно открыть панель и построчно посмотреть, какие предпочтения и факты агент записал. Если он перепутал ключевой параметр, не придётся сочинять длинный запрос, чтобы заставить его забыть ошибку: запись можно вручную исправить, удалить или закрепить. Есть и режим Dream: пока система простаивает, она в фоне обобщает, уточняет и дедуплицирует разрозненные воспоминания, а если при чистке потерялась важная деталь, всё откатывается в один клик.

Режим постоянного исполнения Always-on позволяет агенту продолжать работу после того, как вы закрыли окно чата и отошли от компьютера. Он доводит до конца длительные задачи мониторинга и выполнения, попутно сам находит потенциальные новые задачи, а по завершении складывает результат в локальные файлы и прикладывает отчёт о проделанном. Вся система нативно поддерживает протокол MCP, поэтому логика работы одинакова и в веб-интерфейсе, и в командной строке, и в корпоративных мессенджерах вроде WeChat Work или Feishu. Разработчики могут расширять инструменты и навыки вокруг существующих рабочих процессов.

Самая практичная часть — интеллектуальная маршрутизация Smart Routing. Система определяет сложность задачи, разбивает её на этапы и распределяет между моделями разного уровня: сложное планирование и решения отдаются флагманской модели, а рутина вроде форматирования, перевода и шлифовки текста достаётся лёгким и дешёвым моделям. В тесте на ведении соцсетей и медиапродакшене полный прогон на Claude Opus 4.5 без экономии обходился в 12,58 доллара за операцию. С включённой маршрутизацией главный агент по-прежнему работает на Opus 4.5, а подзадачи уходят к Sonnet 4.5, и цена падает до 2,83 доллара — экономия около 70 процентов. На семи сложных задачах, включая многоязычные подкасты, отчёты по разным источникам данных, обзоры научных статей и архитектурную документацию кода, разница оказалась ещё нагляднее. Одиночная MiniMax-M2.7 стоила дёшево, 1,90 доллара, но набрала лишь 37,1 балла и оказалась бесполезной. Одиночная Claude Sonnet 4.6 дала 69,1 балла, но съела 18,36 доллара. Связка «сильный главный, слабые подчинённые» — Sonnet 4.6 на планировании плюс MiniMax-M2.7 на исполнении — под управлением PilotDeck набрала 70,6 балла при цене 3,15 доллара, то есть обошла чистый флагман по качеству и обошлась примерно в шестую часть его стоимости. В бенчмарке Workbuddy Bench система с моделью Qwen3.6-35B-A3B получила 79,1 балла, опередив Claude Code с его 77,3.

PilotDeck 2.0 распространяется под лицензией AGPL-3.0, работает на macOS, Linux и Windows, а также разворачивается через Docker. Код выложен на GitHub, так что желающие могут попробовать систему самостоятельно.