Unreal Labs-ը ներկայացրել է Unreal Agent՝ ասինխրոն harness՝ մինչև 40% խնայողությամբ

Unreal Labs-ը հրապարակել է Unreal Agent-ի մանրամասները՝ harness, որի հիմնական որոշումն է գործիքների կանչերի ամբողջովին ասինխրոն կառավարումը, և մոդելն այլևս ստիպված չէ սպասել, հարցումներ անել կամ heartbeat ուղարկել։ Ընկերության պնդմամբ՝ ընթացիկ տարբերակը ծախսերը նվազեցնում է մինչև 40%-ով Codex-ի և 20%-ով Pi-ի համեմատ՝ իրական ծանրաբեռնվածություններում և բենչմարքներում։

Harness-ը ծնվել է գործնական խնդրից. գործակալները ժամանակի և թոքենների զգալի մասը ծախսում են գործիքների կանչերի կառավարման վրա, այլ ոչ թե օգտակար աշխատանքի։ Այն նաև թույլ է տալիս գործակալը կառավարել ցանկացած պահի՝ չսպասելով կանչի ավարտին։

Ասինխրոն գործիքակոչերի runtime

Ամեն անգամ, երբ Unreal Agent կանչում է գործիք, այն անմիջապես իրադարձությունների մատյանում գրառում է ավելացնում, որ գործիքը վերադարձել է «ընթացքի մեջ» վիճակով, և շարունակում է դրա կատարումը ֆոնում։ Երբ գործիքն իսկապես ավարտվում է, արդյունքը ավելացվում է սեսիայի մատյանին, և դրանից հետո կատարվում է մոդելի կանչ։ Ընկերությունը նշում է, որ երկու արդյունքով կանչի ձևանմուշը՝ մեկ ընթացքի մեջ, մեկ վերջնական, դեռ բավարար չափով սահմանված չէ Responses API-ի փաստաթղթերում։

Բենչմարքների արդյունքները

GPT-6 Astra-ի հետ xhigh ռեժիմում փորձարկված Unreal Agent-ը Terminal-Bench 4.0-ում կրկնել է Codex-ի լիդերբորդի բազային արդյունքը՝ 57.9% հաջողություն՝ 1428 դոլարով՝ 2350-ի դիմաց։ SWE-Atlas Codebase QnA-ում այն գրանցել է 65.8%՝ 936 դոլարով, Codex-ի 63.3%-ի և 1303 դոլարի դիմաց։ DeepSWE 1.1-ում արդյունքը 72.4% է՝ 1367 դոլարով, Codex-ի 69.0%-ի և 1633 դոլարի դիմաց։ ALE-CLI հավաքածուում գործակալը ստացել է 30.0% ամբողջական անցում և 59.7 միջին միավոր՝ 217 դոլարով, մինչդեռ Codex-ը՝ 29.0% և 58.1՝ 292 դոլարով։ Unreal Labs-ը փոքր տարբերությունը բացատրում է բենչմարքի շեղումով և նշում, որ harness-ը կախված չէ ոլորտից։

Ինչու ոչ պատրաստի SDK

Գրառման մեջ նշվում է, որ agent-first արտադրանք կառուցելու միակ ճիշտ ուղին գոյություն չունի։ CLI-ի վրա հիմնված SDK-ները, ինչպիսին Claude-ի Agent SDK-ն է, ենթադրում են լոկալ սեսիաներ, ենթագործընթացներ և ռեսուրսային սահմանափակումներ, որոնք ուղիղ չեն տեղափոխվում արտադրություն, և թիմերին ստիպում են ինքնուրույն կառավարել ավարտն ու ֆոնային առաջադրանքները։ Մի քանի մատակարարի աջակցությունը լրացուցիչ համատեղելիության աշխատանք է պահանջում՝ API ռեժիմի փոփոխությունը կարող է կոտրել գործիքները, իսկ SDK-ի թարմացումները՝ փոխել հաղորդագրությունների ձևաչափերը։ harness hook-երով հաստատումները ավելի շատ խնամք են պահանջում, քան դետերմինիստական sandbox սահմանափակումները։

Այդ պատճառով Unreal Agent-ը փոքր է՝ պարզ prompt-ներ, թոքեններով օպտիմիզացված գործիքային արդյունքներ, առանց ենթագործակալների և workflow-ների։ SDK-ն ներառում է Go գրադարան, claude -p-ի նման runner և Harbor-ի հետ համատեղելի benchmark runner; կոդը՝ GitHub-ում։