На примере решения Claude Fable 5.2 сложной задачи физики чёрных дыр: как выбрать API для ресурсоёмких задач Agent — надёжнее и экономнее

Примечание автора: в этой статье — по мотивам официального исследовательского поста о том, как несколько копий Claude Fable 5.2 в режиме мультиагентной работы решили две задачи по физике чёрных дыр, — я собрал практические приёмы для тяжёлых агентных задач: как выбирать модель, как разбивать роли и как задавать условия остановки.

17 ноября 2026 года Anthropic опубликовала исследовательский пост: несколько копий Claude Fable 5.2 около шести недель работали в фоне и в итоге решили две задачи по физике чёрных дыр. Тем, кто запускает долгие задачи и мультиагентные пайплайны, здесь интересна не сама физика, а показанный способ работы: долго, несколькими параллельными ветками, со взаимной проверкой.

Это не научпоп про физику, и статья не будет решать за вас, чей API стабильнее. Задача у неё одна: перевести инженерные сигналы из исследовательского поста в шаги, которые вы сможете повторить, когда запускаете свои тяжёлые агентные задачи.

Главное: после прочтения вы будете знать, как разделить основное рассуждение и проверку на разные роли, как прописать условия остановки для каждой ветки агентов и как выбирать только среди моделей с явной ценой в таблице моделей — чтобы расходы на долгую задачу можно было оценить заранее и ограничить сверху.

claude-fable-5-2-heavy-agent-task-api-selection-ru-image-0


Ключевые выводы о задачах с интенсивным использованием агентов из исследовательского поста Claude Fable 5.2

Сначала пара абзацев о том, с чего всё началось. Исследовательский пост — это официальное описание от Anthropic; упомянутые в нём две статьи на данный момент являются препринтами, а не рецензированными работами. Обе задачи относятся к теоретической физике, описывают не нашу Вселенную и не имеют практического применения, поэтому их значение прежде всего в «методе», а не в том, «насколько важны выводы».

Согласно посту, в августе 2026 года исследователь Hongbin Chen попросил Claude составить список открытых задач в области чёрных дыр и bootstrap. Через несколько часов тот выдал 22 задачи. На каждую задачу он назначил отдельного агента, агенты могли читать прогресс друг друга, и примерно шесть недель всё работало в фоне. В посте сказано «без особой настройки», но это официальное описание того, как всё было построено, а не утверждение о нулевой стоимости — сметы расходов в посте тоже нет.

Факты из исследовательского поста Что это значит для задач с интенсивным использованием агентов Что можно сделать у себя
Одна задача — один агент, агенты видят прогресс друг друга Гранулярность разбиения задач должна быть чёткой, общее состояние — читаемым Отдельный агент на каждую подзадачу, прогресс пишется в общее хранилище
Почти каждый шаг выполняют независимо два агента, затем сверка с литературой Ключевые шаги требуют независимой проверки Разделить основное рассуждение и проверку на две роли
На раннем этапе агенты параллельно пробовали 61 раз и не справились Провал — норма, но у провала должен быть предел Для каждого направления прописать максимальное число неудач и бюджет
Результаты проверялись формально в Lean и проверялись физиками Машинный результат в итоге должен пройти внешнюю проверку Оставить этап ручной или инструментальной валидации
В фоне работало около шести недель Затраты на длительные задачи накапливаются Оценивать по прайс-листу моделей и ставить потолок расходов

Что показывают две задачи из области тяжёлых Agent-задач

Первая задача — вычисление фазового перехода Хокинга — Пейджа, которое было предложено ещё в 2003 году и до сих пор не было доведено до конца. В посте говорится, что почти каждый шаг независимо выполняли две копии агентов, а затем сверяли с литературой; вывод — при слабой связи переход всё равно остаётся резким. Другой физик независимым методом получил тот же ответ, что дало перекрёстное подтверждение. Для инженерной практики эта задача иллюстрирует подход к проверке «независимое повторение + внешняя сверка».

Вторая задача — вопрос о верхней границе в простейшей версии модулярного bootstrap. Более ранняя группа Claude-агентов параллельно сделала 61 попытку и не справилась; более поздние агенты заметили закономерность в численных результатах, заимствовали метод из другой задачи — задачи упаковки шаров — и доказали, что верхняя граница массы самой лёгкой чёрной дыры составляет примерно c/9.1266, а также указали, что этим методом границу уже нельзя опустить ещё ниже. В сентябре 2026 года результат прошёл формальную проверку в Lean, статью написала модель Claude, а физики проверили основные результаты. Инженерный вывод из этой задачи: множество неудачных попыток — часть процесса, поэтому у каждого направления должны быть бюджет и условия остановки.

Отдельно стоит пояснить: в посте описан подход «несколько копий одной и той же модели проверяют друг друга», а не «планирование дорогой моделью, проверка дешёвой». Описанная ниже схема разделения ролей для экономии — это инженерный приём, который читатель может попробовать, а не вывод, уже подтверждённый этим исследованием.

claude-fable-5-2-heavy-agent-task-api-selection-ru-image-1


Как разделять роли в тяжёлых задачах агента: основной reasoning и проверка отдельно

В тяжёлых задачах агента самое дорогое — обычно та ветка, где нужен глубокий reasoning, а самое частое — проверки, сравнения, валидация формата и тому подобные действия. Если все вызовы идут через одну самую дорогую модель, расходы растут линейно, а то и сверхлинейно с числом шагов. Разделить «придумать» и «проверить» на две роли — самый прямой способ сдерживать затраты.

Принцип разделения можно сформулировать так: шаги, где нужен открытый reasoning и длинная цепочка планирования, отдаём роли основного reasoning; проверки с чёткими критериями — «совпадает ли этот шаг с предыдущим», «соответствует ли формат вывода требованиям», «не противоречит ли вывод известной литературе» — отдаём роли проверки. Проверяющая роль должна выдавать структурированное суждение, а не заново прокручивать всё рассуждение.

Роль За что отвечает Кандидаты model ID Требования к выводу
Основной reasoning Открытые рассуждения, генерация решений, ключевые шаги claude-fable-5-2, claude-fable-5-2-thinking Полный процесс рассуждений и промежуточные выводы
Первичная проверка Логическая согласованность, сопоставление шагов, проверка ссылок claude-sonnet-5-5 PASS / FAIL плюс обоснование
Лёгкая валидация Проверка формата, полнота полей, простое сравнение claude-haiku-5-5 Структурированный JSON-результат
Внешняя проверка Формальное доказательство, численная проверка, ручной обзор Инструменты или человек Финальное подтверждение

После такого разделения все роли могут обращаться к одному и тому же входу для вызова. Через APIYI apiyi.com один API-ключ позволяет переключаться между моделями из таблицы выше, интерфейс совместим с OpenAI, и для основного reasoning и проверки достаточно поменять параметр model — не нужно держать несколько SDK и несколько наборов ключей. Для длинных задач с несколькими параллельными ветками единый вход ещё и собирает статистику использования в одном месте, что удобно для сверки.

Но обратите внимание: то, что проверяющая модель дешевле, не значит, что она надёжнее. Справится ли роль проверки, зависит от того, насколько чётко вы задали критерии. Рекомендую сначала прогнать небольшую выборку примеров с известными ответами и убедиться, что проверяющая модель в основном даёт ожидаемые решения «пропустить» и «отправить на доработку», и только потом ставить её в длинную задачу.


Как выбрать API для ресурсоёмких задач Agent: о ценах и ID моделей

Контроль бюджета длительных задач возможен только при условии, что цена каждого вызова определена. Рекомендую держаться одного принципа: вызывать только те модели, у которых в каталоге есть явная цена, и жёстко прописывать в коде ID модели вместе с соответствующей ценой, а не менять всё на лету во время выполнения.

Согласно официальной странице моделей Anthropic, Claude Fable 5.2 выпущена 9 ноября 2026 года, ID модели — claude-fable-5-2, контекстное окно — 1 млн tokens, максимальный вывод — 128 тыс. tokens, режим размышления включён по умолчанию. В таблице ниже — цены моделей, связанных с этой статьей, из общего каталога моделей APIYI apiyi.com на день сверки (2026-11-19), в долларах за миллион tokens.

ID модели Ввод Чтение кэша Вывод Рекомендуемая роль в статье
claude-fable-5-2 8 0.2 40 Основное рассуждение
claude-fable-5-2-thinking 8 0.2 40 Основное рассуждение (версия с размышлением)
claude-fable-5-1 10 0.25 50 Соседняя версия, для сравнения
claude-sonnet-5-5 2 0.1 10 Первичная проверка
claude-haiku-5-5 0.1 0.01 0.5 Лёгкая проверка

Из таблицы можно вынести несколько вещей, критичных для длительных задач. Во-первых, цена claude-fable-5-2 ниже, чем у соседней claude-fable-5-1: если ваше основное рассуждение работало на старой версии, стоит оценить переход. Во-вторых, цена чтения кэша составляет всего 2.5% от цены ввода: в длительных задачах агент многократно перечитывает общий прогресс, системный промпт и фоновые документы, и если эта часть попадает в кэш, разница в расходах будет очень заметной. Попадёт ли она в кэш — зависит от способа вызова и правил платформы, сверяйтесь с документацией. В-третьих, разрыв в цене за единицу между моделью проверки и основной моделью — на порядки.

claude-fable-5-2-heavy-agent-task-api-selection-ru-image-2

Давайте почувствуем это на наборе условных чисел: один вызов основного рассуждения с вводом 50 тыс. tokens и выводом 8 тыс. tokens на claude-fable-5-2 — примерно 0.4 + 0.32 = 0.72 доллара; один вызов проверки с вводом 20 тыс. и выводом 2 тыс. tokens на claude-sonnet-5-5 — примерно 0.04 + 0.02 = 0.06 доллара, а на claude-haiku-5-5 — около 0.003 доллара. Если для проверки тоже использовать основную модель, такой же вызов проверки обойдётся примерно в 0.16 + 0.08 = 0.24 доллара. Это всего лишь арифметическая иллюстрация, реальное количество tokens зависит от вашей задачи.

Кроме того, на официальной странице моделей указаны цены Opus 5.5: вход — 4, выход — 20; Sonnet 5.5 — 2 и 10; Haiku 5.5 — от 0.10 и 0.50. Это можно использовать как ориентир для понимания официальной ценовой градации. При фактическом вызове модель и цена определяются списком моделей на платформе; серия claude-fable-5-2 от APIYI поддерживает два эндпоинта — chat и messages, единая точка входа — https://api.apiyi.com/v1.


Быстрый старт для ресурсоёмких Agent-задач: код планировщика с механизмом остановки

Минимальный пример

Сначала убедитесь, что основная модель рассуждения вызывается нормально и возвращает поле usage — это основа для последующего подсчёта расходов:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # OpenAI-совместимый интерфейс APIYI
)

resp = client.chat.completions.create(
    model="claude-fable-5-2",
    messages=[{"role": "user", "content": "列出这一步推导需要独立核对的三个关键假设"}],
    max_tokens=2000,
)
print(resp.choices[0].message.content)
print(resp.usage)  # для подсчёта токенов и оценки стоимости

Пропишите чёткие линии остановки для каждого агента

В исследовательском посте ранние агенты параллельно сделали 61 попытку и ни одна не удалась — это хорошее напоминание: в тяжёлых Agent-задачах обязательно будет масса неудачных попыток, а неудачи тоже стоят денег. Смысл линии остановки в том, чтобы каждый агент автоматически останавливался до того, как выйдет из-под контроля, и передавал решение человеку или инструменту.

Линия остановки Значение Рекомендуемое начальное значение (корректируется по задаче)
Максимальное число раундов Верхний предел циклов между основным рассуждением и проверкой 10–30 раундов
Потолок расходов Верхний предел накопленной оценочной стоимости одного агента Задаётся по бюджету на одну задачу
Отсутствие прогресса подряд Проверка раз за разом возвращает на доработку, новых выводов нет 3–5 раз
Максимальное число неудач Накопленное число возвратов на доработку проверкой Примерно половина числа раундов
Длина вывода Верхний предел токенов на один вывод Значительно ниже максимального вывода в 128 тыс.

Посмотреть полный код реализации
from dataclasses import dataclass, field
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # Единая точка входа APIYI, общая для основного рассуждения и проверки
)

# Цена: доллары США за миллион токенов, взята из таблицы моделей платформы; при изменениях обновлять вручную
PRICES = {
    "claude-fable-5-2": (8.0, 40.0),
    "claude-sonnet-5-5": (2.0, 10.0),
    "claude-haiku-5-5": (0.1, 0.5),
}

SOLVER = "claude-fable-5-2"
REVIEWER = "claude-sonnet-5-5"


@dataclass
class StopLine:
    max_rounds: int = 20
    max_cost_usd: float = 5.0
    max_no_progress: int = 4
    max_failures: int = 10
    max_output_tokens: int = 8000


@dataclass
class RunState:
    rounds: int = 0
    cost_usd: float = 0.0
    failures: int = 0
    no_progress: int = 0
    notes: list = field(default_factory=list)


def estimate_cost(model: str, usage) -> float:
    """Оценка по каталожной цене; скидки за кеширование не учитываются, поэтому результат получается слегка завышенным."""
    price_in, price_out = PRICES[model]
    return (usage.prompt_tokens * price_in + usage.completion_tokens * price_out) / 1_000_000


def call(model: str, messages: list, max_tokens: int, state: RunState) -> str:
    resp = client.chat.completions.create(
        model=model, messages=messages, max_tokens=max_tokens
    )
    state.cost_usd += estimate_cost(model, resp.usage)
    return resp.choices[0].message.content


def should_stop(state: RunState, line: StopLine) -> str | None:
    if state.rounds >= line.max_rounds:
        return "达到最大轮数"
    if state.cost_usd >= line.max_cost_usd:
        return "达到费用封顶"
    if state.no_progress >= line.max_no_progress:
        return "连续无进展"
    if state.failures >= line.max_failures:
        return "失败次数过多"
    return None


def run_task(task: str, line: StopLine = StopLine()) -> dict:
    state = RunState()
    progress = "(尚无进展)"

    while True:
        reason = should_stop(state, line)
        if reason:
            return {"status": "stopped", "reason": reason, "progress": progress,
                    "cost_usd": round(state.cost_usd, 4), "rounds": state.rounds}

        state.rounds += 1
        draft = call(SOLVER, [
            {"role": "system", "content": "你是主推理代理,只推进一步,写清依据。"},
            {"role": "user", "content": f"任务:{task}\n当前进展:{progress}\n请推进下一步。"},
        ], line.max_output_tokens, state)

        verdict = call(REVIEWER, [
            {"role": "system", "content": "你是复核代理,不重新推导,只判断。"
                                          "第一行只输出 PASS 或 FAIL,第二行给理由。"},
            {"role": "user", "content": f"已有进展:{progress}\n新的一步:{draft}"},
        ], 500, state)

        if verdict.strip().upper().startswith("PASS"):
            progress = draft
            state.no_progress = 0
            if "已完成" in draft:
                return {"status": "done", "progress": progress,
                        "cost_usd": round(state.cost_usd, 4), "rounds": state.rounds}
        else:
            state.failures += 1
            state.no_progress += 1
            state.notes.append(verdict)


if __name__ == "__main__":
    print(run_task("核对给定推导中每一步的符号约定是否一致,完成后写“已完成”"))

В этом коде есть три намеренных решения. Во-первых, таблица цен жёстко зашита в код: любой, кто меняет модель, обязан заодно поменять и цену — чтобы замена на «модель без ценника» не исказила бюджет. Во-вторых, от роли-проверяющего требуется выводить только PASS или FAIL с обоснованием, без повторных рассуждений — так длина вывода проверки остаётся под контролем. В-третьих, после остановки возвращаются текущий прогресс и накопленные расходы — чтобы человек мог подхватить работу, а не агент бесконечно повторял попытки.

🚀 Быстрый старт: рекомендую сначала на APIYI apiyi.com воспользоваться бесплатным тестовым лимитом нового пользователя, прогнать описанный процесс на небольшой задаче, ответ на которую вы уже знаете, убедиться, что вердикт проверки и оценка расходов совпадают с ожиданиями, и только потом постепенно увеличивать число параллельных путей и раундов.


FAQ: частые вопросы о выборе API для тяжёлых Agent-задач

Q1: Насколько достоверна история о том, как Claude Fable 5.2 решил сложную задачу физики чёрных дыр?

Это официальное заявление самой Anthropic из исследовательского поста от 17 ноября 2026 года. Две соответствующие статьи — препринты, ещё не прошедшие рецензирование. Результат второй задачи в сентябре 2026 года был формально проверён с помощью Lean, а для первой задачи другой физик получил тот же ответ другим методом. При чтении стоит воспринимать это на уровне «официальное заявление + препринт».

Q2: В посте сказано «без особой конфигурации» — значит, это дёшево?

Нет. «Без особой конфигурации» описывает способ настройки, но счёта затрат в посте нет. 22 задачи, по одному агенту на задачу, работа в фоне около шести недель — сам объём вызовов уже немалый. Если вы запускаете задачи похожего масштаба самостоятельно, оценивайте стоимость по ценам из таблицы моделей и устанавливайте лимит расходов.

Q3: Использование дешёвой модели для проверки — это метод, проверенный в исследовательском посте?

Нет. В посте применялся подход, где несколько независимых копий одной и той же модели заново решают задачу и сверяют результаты друг с другом. «Дорогая модель для основного рассуждения, дешёвая — для проверки» — это инженерный приём, который мы предлагаем вам попробовать; его эффективность нужно проверить на собственных задачах. Для шагов с особо высокими требованиями к корректности можно сохранить схему «две независимые копии основного рассуждения».

Q4: Как выбрать между `claude-fable-5-2` и `claude-fable-5-2-thinking`?

В таблице моделей APIYI у обоих одинаковая цена: вход 8, чтение кэша 0.2, выход 40 долларов за миллион токенов. На официальной странице модели указано, что у Fable 5.2 режим рассуждения включён по умолчанию. Конкретные различия в поведении при вызове двух ID уточняйте в описании модели на платформе; рекомендую несколько раз прогнать одну и ту же задачу на каждом и сравнить длину вывода и `usage`, прежде чем решать, какой брать для основного рассуждения.

Q5: Как через один интерфейс вызывать и модель основного рассуждения, и модель проверки?

Зарегистрируйтесь на APIYI apiyi.com и получите API-ключ, затем укажите в SDK `base_url` равным `https://api.apiyi.com/v1`. Для основного рассуждения и проверки достаточно переключить параметр `model`, например между `claude-fable-5-2` и `claude-sonnet-5-5`. Новым пользователям даётся бесплатная квота на тесты — удобно, чтобы сначала проверить условие остановки и логику проверки.

Q6: Какое значение имеет цена чтения кэша в длинных задачах?

Цена чтения кэша у Fable 5.2 составляет 2.5% от цены входа, то есть 0.2 доллара за миллион токенов. В длинных многоагентных задачах система многократно перечитывает системный промпт, фоновые материалы и общий прогресс. Если эта часть остаётся стабильной и размещена в начале промпта, шанс попасть в кэш выше. Попадёт ли запрос в кэш и как именно это тарифицируется — уточняйте в документации платформы.

Q7: Какой предел остановки установить?

Универсальных цифр нет. Рекомендую начать с консервативных значений: 10–30 раундов, 3–5 итераций подряд без прогресса, лимит стоимости одного прогона — в зависимости от ценности задачи. После первой партии прогонов посмотрите на распределение причин остановки: если большинство — «упёрлись в лимит стоимости», но задача уже почти решена, лимиты можно слегка ослабить; если большинство — «нет прогресса подряд», значит задачу декомпозировали недостаточно мелко.

Вопрос 8: какие ограничения есть у такого подхода?

Первое — модель-ревьюер может пропустить ошибку или, наоборот, сработать ложно, поэтому её нужно калибровать на выборке с известными ответами. Второе — оценка стоимости сделана по каталожным ценам, без учёта скидки за кэш и колебаний из-за повторных попыток при сбоях. Третье — как и в том исследовательском посте, итоговый вывод всё равно требует внешней проверки: формального доказательства или ревью профильного эксперта. То, что агенты друг у друга приняли результат, ещё не значит, что он верный.


Ключевые выводы: как выбирать API для тяжёлых агентных задач

  • Что это за история: исследование чёрных дыр на Fable 5.2 — это официальный рассказ самой компании, статья — препринт, смотрите на метод, а не на выводы
  • Разделяйте роли: открытые рассуждения — основной модели-рассуждателю, проверки с чёткими критериями — модели-ревьюеру
  • Ревью должно быть независимым: ревьюер только выносит вердикт, не повторяя рассуждение; на выходе PASS / FAIL плюс обоснование
  • Границы остановки прописывать обязательно: четыре линии — раунды, стоимость, итерации подряд без прогресса, число сбоев — нужны все
  • Только модели с известной ценой: ID модели и цену за единицу жёстко зашивайте в код; меняете модель — сразу меняйте и цену
  • Активно используйте чтение из кэша: стабильное описание задачи и прогресс — в начало промпта, чтение из кэша стоит всего 2,5% от цены входа
  • Начните с единой точки входа: через APIYI один ключ переключает основную модель и ревьюера; сначала прогоните мелкую задачу на бесплатном лимите

Итог

На примере того, как Claude Fable 5.2 разобрался с задачей по физике чёрных дыр, в тяжёлых агентных задачах стоит взять на вооружение три подхода:

  1. Разделять основное рассуждение и проверку: в исследовательском посте несколько копий одной и той же модели сверяют результаты друг друга. На этой основе можно попробовать выбирать модели разной ценовой категории под разные роли и проверять качество проверки на выборках.
  2. Для каждой ветки явно прописывать условия остановки: 61 неудачная попытка наглядно показывает, что неудачи — это норма. Нужно задавать верхние границы для числа раундов, затрат, отсутствия прогресса и количества ошибок.
  3. Настраивать только модели с ценой в таблице моделей: если записать в код ID и цену за единицу для моделей вроде claude-fable-5-2, claude-sonnet-5-5, claude-haiku-5-5, расходы можно будет прогнозировать и ограничивать сверху.

Успех длинных задач часто зависит не от того, насколько умён отдельный вызов, а от того, может ли весь процесс продвигаться вперёд в рамках контролируемого бюджета и оставлять проверяемые результаты. Рекомендую через APIYI apiyi.com с бесплатным тестовым лимитом сначала прогнать небольшую задачу, а затем, ориентируясь на причины остановки, постепенно подкручивать параметры и масштабироваться.


📚 Источники

  1. Исследовательский пост Anthropic: официальный рассказ о том, как Claude Fable 5.2 в мультиагентном режиме решил две задачи по физике чёрных дыр.

    • Ссылка: anthropic.com/research/claude-black-hole-physics
    • Описание: первоисточник о разделении ролей между агентами, времени работы и способах проверки результатов.
  2. Препринт №1: препринт, связанный с исследовательским постом, без рецензирования.

    • Ссылка: hexagonmath.org/2611.00175v1
    • Описание: подойдёт тем, кто хочет посмотреть на исходный текст результатов.
  3. Препринт №2: ещё один препринт, связанный с исследовательским постом, без рецензирования.

    • Ссылка: hexagonmath.org/2611.00174v1
    • Описание: стоит читать в паре с предыдущим.
  4. Официальная страница модели Claude Fable 5.2: ID модели, контекстное окно, максимальный объём вывода и официальные цены.

    • Ссылка: platform.claude.com/docs/en/models/fable-5-2/overview
    • Описание: проверка характеристик модели и официальной градации тарифов.

Автор: техническая команда APIYI
По техническим вопросам: пишите нам через главную страницу сайта APIYI; описание моделей и цен есть в документации docs.apiyi.com

Оставьте комментарий