🤖 Будущее ИИ: как Mixture of Agents превосходит топовые модели 0:00
На текущий момент индустрия искусственного интеллекта столкнулась с проблемой: ведущие компании (OpenAI, Anthropic) перестали публично выпускать свои самые мощные модели, сохраняя их для закрытого использования. Дэвид Ондрей утверждает, что для получения интеллекта «фронтирного уровня» сообществу разработчиков необходимо брать инициативу в свои руки, используя такие подходы, как Mixture of Agents (MoA).
По словам автора, технология MoA позволяет выйти за рамки возможностей актуальных публичных моделей вроде GPT 5.5 и Opus 4.8 за счет интеллектуальной оркестрации нескольких агентов, работающих параллельно.
⚙️ Что такое Mixture of Agents? 0:13
В отличие от архитектуры Mixture of Experts (где один крупный мозг разделен на узкоспециализированные части для экономии ресурсов), Mixture of Agents — это ансамбль из нескольких независимых ИИ-моделей.
- Принцип работы: Несколько агентов одновременно получают один и тот же промпт и генерируют свои ответы.
- Агрегатор: Финальные ответы всех моделей поступают к «агрегатору» — одной, наиболее мощной модели, которая синтезирует итоговый результат на основе полученных данных.
- Гибкость: Пользователь сам выбирает состав моделей и провайдеров, что позволяет использовать существующие подписки или API-ключи (например, через Open Router) без лишних затрат.
Автор отмечает, что это решение не предназначено для простых повседневных задач — это инструмент для сложных вызовов: глубокой отладки кода, архитектурного планирования и обеспечения безопасности, где приоритетом является максимальное качество ответа, а не скорость или экономия токенов.
🛠 Настройка среды: VPS и Hermes Agent 4:30
Дэвид Ондрей рекомендует разворачивать Hermes Agent на выделенном виртуальном частном сервере (VPS), чтобы агент мог функционировать автономно 24/7.
- Хостинг: Автор использует решения от Hostinger, отмечая наличие там готовых пресетов для быстрой настройки.
- Управление через терминал: Ондрей рекомендует использовать мультиплексор терминалов Cmax. Это позволяет эффективно управлять несколькими агентами одновременно, запуская их в разных окнах (панелях) и наблюдая за их работой в реальном времени.
- Автоматизация: Вместо ручной настройки автор использует специализированных ИИ-агентов (например, Claude Code), которые самостоятельно выполняют команды в терминале, устанавливают зависимости и настраивают среду, что кардинально повышает эффективность процесса.
🧠 Управление оркестром: пресеты и температура 15:21
Для достижения наилучшего результата автор предлагает настраивать параметры температуры для разных групп агентов:
- Референсные модели: Температура около 0.9. Эти агенты должны быть более «творческими» и склонными к мозговому штурму.
- Агрегатор: Температура около 0.2. Агрегатор должен быть максимально последовательным и предсказуемым в своих решениях.
По мнению Ондрея, использование MoA — это «меритократия» в чистом виде: независимо от бренда, агрегатор выбирает лучшее решение для каждого этапа задачи, будь то фронтенд или бэкенд-отладка.
⚠️ Риски и критика закрытых моделей 24:42
Дэвид Ондрей выражает обеспокоенность текущим курсом крупных ИИ-компаний:
- Контроль данных: Автор утверждает, что компании собрали данные всей человеческой цивилизации, но теперь скрывают доступ к плодам этого обучения.
- Экономика: По мнению Ондрея, подписки на закрытые модели (Pro/Max) выступают лишь «лид-магнитом», в то время как компании получают огромные прибыли на API-запросах, искусственно завышая маржу.
- Призыв к независимости: Автор призывает разработчиков активнее использовать open-source модели (например, GLM 5.2, Kimi K2.7), размещая их на собственных серверах, чтобы не зависеть от решений крупных корпораций, которые «не преследуют интересы пользователей».
