Исследование показало: менеджер-воркер каркас вместо однопроходного ответа заметно поднимает точность на LiveCodeBench. Главное: • Opus-5 — 91% точности с менеджером в одном проходе (лучший результат) • Kimi-K3 — +42 при 128k контексте, +30.4 с выключенным рассуждением • GPT-5.6-Terra с менеджером догоняет Fable 5 по точности (85.0 vs 87.4, p = 0.59), но стоит в 5 раз дешевле: $11.71 против $61.11 за 100 задач • Qwen3.6-35B — каркас не помог или навредил (-1 to -9) • ~3x — рост потребления токенов при использовании менеджера Замеры только на 100 сложных задачах кодогенерации — на простых или разнородных результат может отличаться. Что это значит: каркас менеджер-воркер экономит деньги лучше, чем смена модели, но эффект непредсказуем — у одних прирост в 40+ баллов, у других нуль или минус.