Разработчики Retriever AI представили революционный подход к работе браузерных агентов под названием Code-as-Plan. Технология позволяет снизить эксплуатационные расходы на использование LLM в сто раз, превращая языковую модель из дорогого процессора для каждого действия в эффективный компилятор программного кода.
Что произошло
Компания Retriever AI представила новую архитектуру браузерных агентов Code-as-Plan. Вместо того чтобы использовать LLM как основной механизм для обработки каждого клика и визуального анализа интерфейса, система использует DeepSeek Flash в качестве компилятора для генерации JavaScript-кода. Этот код затем исполняется локально через специализированный интерфейс (harness), используя текстовое представление DOM вместо передачи тяжелых скриншотов.
Контекст
Традиционные мультимодальные агенты опираются на визуальное восприятие (vision-based execution), что требует постоянной передачи скриншотов и использования мощных моделей для анализа изображений. Это создает так называемый «мультимодальный налог» — высокую стоимость и задержки при каждом шаге взаимодействия пользователя с интерфейсом.
Почему это важно для индустрии
Происходит фундаментальный сдвиг от мультимодального управления к эффективным текстовым агентам с программным управлением. Использование дешевых и эффективных моделей, таких как DeepSeek Flash, в качестве планировщиков разрушает экономическую монополию крупных лабораторий, которые ранее могли диктовать цены на API для субсидирования своих агентских платформ. Отрасль движется к паттерну LLM-as-Compiler, где модель управляет высокоуровневой логикой, а исполнение ложится на локальный runtime.
Почему это важно для пользователей
Разработка и использование автономных ИИ-агентов становится на порядок дешевле и быстрее. Для конечных пользователей это означает появление нового поколения сверхбыстрых и функциональных браузерных помощников, которые работают почти мгновенно и не стоят огромных денег за каждую сессию автоматизации.
Источники
Автор
Look at AI, редакция