1 ноября 2026 г.
team-solve: воркфлоу раскладывает одну модель на пять ролей и решает 49 задач из 50
Memdoor выложил 31.10 воркфлоу из пяти ролей вокруг одной модели: 50 прогонов, 49 решённых задач, $35.79 на всё.
Медиана одного прогона team-solve — $0.39 и 40 минут модельного времени. Самый долгий тянулся четыре часа.
Memdoor выложил воркфлоу 31.10.2026. Одна модель играет в нём пять ролей: planner, два ideator, solver и manager, а на починку выходит repair-worker. Конвейер из 8 шагов, до 10 раундов, лимит ответа 128K.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Раньше стенд был исследовательским. Ту же схему в сентябре описала статья GVS5H: Qwen3.8-27B под оркестровкой поднялась с 66.8% до 92.4% pass@1 на сотне свежих hard-задач LiveCodeBench, а Fable 5 одним вызовом дала 90.4%. Запускался стенд командой uv из репозитория авторов. Теперь та же конструкция ставится тремя командами.
Как поставить
Первая команда — установочный скрипт с memdoor.ai, вторая `memdoor connect openrouter`, третья копирует папку воркфлоу в `~/.memdoor/workflows/`. Прогон запускает `memdoor workflow run team-solve --wait`.
Нужны Python 3 и bash. Сам Memdoor — один бинарник, Docker не требуется. Модель воркфлоу не выбирает: отвечает та, что закреплена через `/model`, включая локальную.
Что в цифрах не сходится
Разрыв не доказан. Инженер Алан Уэст пересчитал таблицы статьи: 92.4% против 90.4% дают p = 0.88 после поправки Холма, а односторонняя 95%-граница разницы уходит в минус на 0.8 пункта. Сравнялась с Fable 5, но не обогнала.
Цифра «9% от цены Fable 5» относится к другой модели, Qwen3.8-Flash-Next, у которой проход по сотне задач стоит $5.76. У 27B с менеджером тот же проход стоит $47.82 против $61.11 у Fable 5. Это 78% цены, а не 9%.
Часть прироста дал сам стенд. При лимите ответа 128K треть одиночных вызовов упёрлись в кап, а при 250K базовая цифра 27B уже 70.0 вместо 66.8. Вариант с менеджером вдобавок получает верификатор на публичных тестах, которые покрывают 73 задачи из 100.
Задачи взяты с контестов конца марта и начала апреля 2025. Загрязнения обучающими данными авторы статьи не исключают.
Счёт за болтливость. Qwen3.8-27B выдаёт за проход 7.42M выходных токенов против 1.20M у Fable 5, а вариант с менеджером — 18.6M. Fable 5 дороже за токен ($10 на вход и $50 на выход за миллион), зато говорит в шесть раз меньше.
Свой замер Memdoor прогнал на OpenRouter, хотя воркфлоу умеет работать и с локальной моделью. На домашней RX 7900 XTX с её примерно 50 токенами в секунду одна сотня задач означает около 100 часов генерации.
И замер этот короткий: первые десять задач, пять проходов, 9.8 из 10 против 9.6 у стенда авторов и 8.0 у Fable 5. Колонку Fable 5 Memdoor взял из файлов авторов и в своём харнессе не перепрогонял.
Полную авторскую сотню задач этот воркфлоу пока не проходил.
* Meta Platforms Inc. признана в РФ экстремистской организацией, её деятельность запрещена; Facebook и Instagram заблокированы. Meta AI и другие продукты компании — продукты этой организации.
Первоисточник