DeepSeek придумала, как ускорить ИИ-агентов

DeepSeek вместе с исследователями из Пекинского университета и Цинхуа придумала способ почти вдвое ускорить длинные задачи для ИИ-агентов. Разработка называется DualPath и касается сценариев, где помощник работает много шагов подряд: пишет код, проверяет файлы, запускает команды, открывает инструменты и возвращается к уже сделанной работе.

Главная проблема таких агентов – история действий. Речь о KV-cache – сохранённой памяти модели о предыдущем контексте. В тестах DeepSeek средняя задача по программированию занимала 157 шагов: новый фрагмент занимал в среднем 429 токенов, а вся накопленная история – 32,7 тысячи токенов. Обычно этот кэш подгружают через серверы, создавая очередь. DeepSeek заметила, что у другой группы серверов – тех, которые отвечают за генерацию ответа – часть сети в этот момент свободна. DualPath пускает KV-cache через них: данные идут из хранилища на свободные серверы, а уже оттуда передаются дальше к машинам, которые продолжают задачу. В тестах такая схема дала до 1,87 раза ускорения и почти вдвое увеличила число длинных задач, которые можно обслуживать без роста задержек.

Эта разработка – часть исследовательского трека компании для будущего продукта. Одновременно DeepSeek добавили зрение для своих моделей, научив лучше работать с документами и интерфейсами. А исследователь компании Chen Deli писал о наборе новой команды в Пекине для создания агентов с рабочим названием DeepSeek Code или Code Harness. По смыслу это аналог Claude Code или Codex, такой помощник должен уметь изучать проект, менять файлы, запускать команды и работать с интерфейсами. Для такого продукта скорость особенно важна.