📊 Профиль GigaChat для Deep Agents: +9,8 пункта и двукратная экономия токенов Простая задача «переименуй oldname.txt в newname.txt» без профиля заняла у GigaChat-3-Ultra 213 секунд и 80 вызовов инструментов, пока агент не упёрся в лимит шагов. С профилем deepagents-gigachat тот же запрос решается одной командой `mv oldname.txt newname.txt` за 7 секунд. Разница не в весах модели, а в обвязке: она не сообщала модели, что файловые инструменты и команды оболочки по-разному трактуют корень `/`. Команда GigaChain разобрала это в статье на Habr. Профиль закрывает пять системных сбоев: абсолютные пути, однострочные команды Python -c с циклами, grep без регулярных выражений, утечку номеров строк из read_file в edit_file и игнорирование динамической памяти. Часть правил вшита в запросы и описания инструментов, часть — в промежуточное ПО, перехватчики между моделью и инструментами. Такой двухслойный подход уже показал себя: в феврале LangChain на Terminal-Bench 2.0 поднял GPT 5.2 Codex с 52,8% до 66,5% только настройкой обвязки. Результат на их открытом тестовом наборе harness-bench-fast: на фиксированном наборе из 391 задачи подключение профиля подняло долю решённых задач с 77,2% до 87,0%, а расход токенов сократился практически вдвое. Тестовый набор выложили отдельно, профиль оформили как пакет Python, который подключается как модуль без изменения кода приложения. Это первый сторонний профиль вне репозитория Deep Agents. Собственный тестовый набор из 391 задачи — не независимая оценка, профиль оптимизировали на ней же, и перенос на другие области применения не гарантирован. Но главный вывод не про GigaChat: если обвязка даёт 10 пунктов и двукратную экономию без дообучения, значит, сравнивать модели без указания контекста среды выполнения становится всё менее осмысленно. Рынок продолжает мерить модели в исходном виде, а практический результат всё чаще находится в этом промежуточном слое. #GigaChat #DeepAgents #LangChain #harness #benchmark