Исследователи Cursor представили архитектуру агентских роев (agent swarms), основанную на иерархической древовидной структуре, которая позволяет кратно снизить затраты на AI-разработку за счет разделения ролей между высокоуровневыми планировщиками и специализированными исполнителями.
Что произошло
Команда Cursor представила систему, где задачи распределяются между Planner Agents на базе мощных моделей (например, GPT-5.5) и Worker Agents на базе более дешевых моделей (например, Composer 2.5). В ходе эксперимента по воссозданию SQLite на языке Rust использование такой гибридной схемы позволило снизить стоимость процесса с $10 565 до $1 339, сохранив при этом высокое качество кода.
Контекст
Традиционный подход к использованию AI-агентов часто опирается на одну мощную монолитную модель для выполнения всех этапов работы. Однако переход к иерархическим структурам позволяет эффективно решать проблему «дрейфа контекста» (context drift), разделяя когнитивную нагрузку: топовые модели занимаются декомпозицией сложных целей, а бюджетные модели — реализацией узких технических задач.
Почему это важно для индустрии
Для индустрии это означает смену парадигмы: интеллект становится инструментом планирования, а дешевые модели — основным вычислительным ресурсом исполнения. Подобные архитектуры позволяют масштабировать разработку ПО до скоростей, недоступных человеку (до 1000 коммитов в секунду), и заставляют стартапы пересматривать свою unit-экономику в пользу гибридных агентских систем вместо использования дорогих API на каждом этапе пайплайна.
Почему это важно для пользователей
Разработчики получают доступ к более эффективным методам автоматизации написания кода. Понимание архитектуры «планировщик-исполнитель» дает ключ к использованию будущих инструментов, где пользователь будет управлять высокоуровневым планировщиком, в то время как процесс массового исполнения будет скрыт в фоновом режиме.
Источники
Автор
Look at AI, редакция