Сменили каркас — агент поднялся с 30-го места на топ-5. Вот что показал бенчмарк Terminal-Bench: код один и тот же, модель та же, но заменили каркас запуска агентного цикла — и агент рванул вверх. Без единого изменения в модели. Получается, способ запуска агента важнее, чем сама модель. Вместо того чтобы гнаться за более мощной, стоит вложиться в инженерию агентного цикла. Что это значит: гонка за моделями — не единственный путь. И может быть, даже не главный.