Экс-глава Qwen объяснил, что такое ИИ-агент и почему он вытесняет «думающие» модели

Junyang Lin руководил проектом Qwen в Alibaba и покинул его, чтобы работать независимо. Его доклад называется «Qwen: Towards a Generalist Model / Agent» и устроен как экскурсия по всему семейству: QwQ-32B, Qwen2.5-Max, Qwen3, Qwen2.5-VL, Qwen2.5-Omni. Каждую модель он сравнивает с конкурентами: DeepSeek-R1, Grok 3 Beta, Gemini 2.5 Pro и серией o от OpenAI. Финальный слайд содержит одну строку: «Training models → training agents» (от обучения моделей к обучению агентов). Эту строку Линь позже развернул в большой пост, который и стал главным источником выводов.

Что измеряли и показывали?

Доклад Линя не классическое исследование с единым экспериментом. Это обзор семейства Qwen с бенчмарками (контрольными замерами на стандартных задачах) и архитектурная карта: какие размеры, какие форматы квантизации (сжатия модели для запуска на слабом железе), какие режимы работы.

Главная техническая тема: гибридное мышление. Qwen3 умеет работать в двух режимах. Первый: «думающий» (thinking mode), когда модель пошагово рассуждает, тратит больше токенов (единиц текста, которые модель обрабатывает) и времени. Второй: «мгновенный» (non-thinking mode), когда модель отвечает коротко и быстро. Пользователь или разработчик переключает режим одним флагом в коде или командой /think и /no_think прямо в сообщении.

Линь также объясняет, зачем Qwen3 позволяет ограничивать «бюджет на раздумья»: вызывающая сторона задаёт потолок, сколько токенов модель потратит на рассуждение.

Что обнаружили?

• Гибрид собрать сложнее, чем кажется. Модель, заточенная на краткость и скорость (instruct-режим), и модель, заточенная на развёрнутое рассуждение (thinking-режим), тянут обучение в противоположные стороны. При неаккуратном слиянии деградируют оба режима: рассуждения раздуваются, а прямые ответы теряют точность.
• Qwen3 пробовала слияние через четыре стадии пост-обучения. В процесс входил «холодный старт» на длинных цепочках рассуждений (long-CoT cold start), RL-этап (обучение с подкреплением) и шаг «fusion» (объединение режимов). Линия 2507, вышедшая позже в 2025 году, отказалась от слияния и выпустила отдельные варианты Instruct и Thinking. Линь описывает это как проблему данных, а не архитектуры.
• Anthropic пошла другим путём. Claude 3.7 Sonnet вышел гибридной моделью с настраиваемым бюджетом рассуждений. Claude 4 позволил перемежать рассуждения с вызовами инструментов, нацелившись на код и долгие задачи. Линь считает этот путь «полезной коррекцией» и подчёркивает: длинная цепочка рассуждений сама по себе не делает модель умнее. Формат мышления должен подстраиваться под задачу, а не под бенчмарк.
• Главный тезис: эпоха «рассуждающего ИИ» сменяется эпохой «агентного ИИ». Первую эпоху определили o1 от OpenAI и DeepSeek-R1: они показали, что обучение с подкреплением нуждается в детерминированных, проверяемых наградах, поэтому математика, код и логика стали центральными задачами. Следующая эпоха, по Линю, это агентное мышление: ИИ формулирует план, решает, когда действовать, вызывает инструменты, читает обратную связь из среды и пересматривает план.
• Что должен уметь ИИ-агент, чего «чистому рассуждателю» не нужно:
• решать, когда прекратить думать и начать действовать
• выбирать инструмент и порядок вызовов
• работать с шумными и неполными данными из среды
• пересматривать план после ошибок
• сохранять связность через множество шагов и вызовов

Для тех, кто впервые встречает термин: что такое ИИ-агент? Это программа на основе языковой модели, которая не просто отвечает на вопрос, а сама ставит подзадачи, вызывает внешние сервисы (поиск, код, базу данных), проверяет результат и при необходимости переделывает работу. Обычный чат-бот ждёт ваш следующий промпт. ИИ-агент действует между вашими промптами.

Три примера, которые Линь разбирает

• Кодинг. Рассуждающая модель выдаёт один патч по трассировке ошибки. Агентная система запускает тесты, читает реальную ошибку, исправляет, перезапускает, пока набор тестов не пройдёт.
• Глубокое исследование. Рассуждающая модель пишет длинный ответ по памяти. Агентная система разбивает вопрос на подзапросы, обращается к поиску, отбрасывает слабые источники, возвращает ответ с проверяемыми ссылками. Демо Deep Research от Qwen работает именно так.
• Мульти-агентная оркестрация. Линь ожидает, что «инженерия оркестровки» станет важнее промпт-инжиниринга. Оркестратор планирует и распределяет работу. Узкоспециализированные субагенты выполняют отдельные задачи и помогают контролировать «загрязнение контекста» (когда в окно модели попадает слишком много нерелевантной информации).

Что делать с этим прямо сейчас?

Авторам Дзена. Если вы используете ИИ для генерации черновиков или ресёрча, следите за появлением агентных режимов в доступных вам инструментах. Уже сейчас в Qwen3 можно переключать «думающий» и «быстрый» режимы одной командой. Для коротких задач (заголовок, подпись к картинке) отключайте рассуждения: ответ будет быстрее и дешевле по токенам. Для сложных (план статьи, фактчекинг) включайте.

Маркетологам. Линь прямо говорит, что будущее за агентами, которые сами ходят в поиск, проверяют источники, переделывают работу. Это значит, что инструменты глубокого исследования рынка на базе ИИ будут улучшаться не за счёт «более умной модели», а за счёт лучшей оркестрации. Выбирайте сервисы, которые показывают цепочку действий агента, а не просто «финальный ответ».

Предпринимателям в РФ и СНГ. Модели Qwen3 распространяются под лицензией Apache 2.0 (открытая лицензия, позволяющая коммерческое использование). Их можно скачать и запустить локально, что снимает вопрос доступности из России. Из доступных в РФ аналогов закрытых моделей: YandexGPT и GigaChat, но пока ни одна из них не заявляла агентный режим с переключаемым бюджетом рассуждений. Стратегия «от моделей к агентам» объясняет, куда крупнейшие китайские лаборатории направляют ресурсы, и если вы строите продукт на открытых моделях, закладывайте архитектуру под агентные сценарии уже сейчас.

По данным доклада и поста Junyang Lin