# Удвой задачу — учетверишь провал

Все хотят агента, который работает целый рабочий день. Математика против. Свежая статья 2026 года показывает: удвоение длины задачи не удваивает частоту провала — оно её примерно учетверяет, потому что крошечная ошибка на шаге компаундится. 2% промаха на шаг превращаются в 33% шанс завалить всю задачу за 20 шагов. Долгая автономность — это не «дождись модели поумнее». Это архитектура: декомпозируй, ставь чекпоинты, проверяй.

- **Author:** Фёдор Чищин
- **Published:** 2026-07-01
- **Tags:** agents, architecture
- **Source:** https://fedorthinks.com/ru/blog/doubling-the-task-quadruples-the-failure

---

Весь год продают мечту: агент, который работает за тебя весь день — ты даёшь цель в 9 утра, он пашет
восемь часов, ты возвращаешься к готовой работе. Sequoia даже поставили дату: надёжные агенты на
8-часовой рабочий день «к концу 2026». Я бы тоже такое хотел. Но у математики к этому вопросы.

## Стена компаундинга

Задача из многих шагов успешна, только если успешен _каждый_ шаг. Это произведение, а не сумма.
Поэтому ошибки не складываются — они перемножаются. [Статья 2026 года «The Long-Horizon Task Mirage»](https://arxiv.org/pdf/2604.11978)
даёт цифры: **удвоение длины задачи примерно учетверяет частоту провала**, а не удваивает. Скромные
**2% ошибки на шаг превращаются в 33% шанс завалить** всю задачу всего за 20 зависимых шагов.

На десяти моделях и четырёх диапазонах длины совокупный pass@1 падает с **76.3% на коротких задачах до
52.1% на очень длинных** — 24 пункта, суперлинейное падение. И дело не только в ошибке на шаге:
[после 25–30 вызовов инструментов даже окна на 200K токенов теряют нить](https://labs.adaline.ai/p/long-horizon-ai-agents-planning-ceiling)
— модели забывают ранние результаты и переделывают уже сделанные шаги.

> Надёжность — это не свойство модели. Это свойство того, сколько вещей должно сработать подряд без
> чекпоинта.

## Почему модель поумнее не спасёт

Вот ловушка в «просто дождись следующей модели». Сбрось ошибку на шаге с 2% до 1% — и на 20 шагах ты
всё равно провалишься ~18% раз. Уполовинить ошибку не значит уполовинить боль, потому что она бьётся
против экспоненты. В обозримом будущем нет модели, достаточно хорошей, чтобы наивная цепочка из 100
шагов стала надёжной. Кривая побеждает.

## Решение — архитектура, а не терпение

Те 25% команд, чьи агенты реально доходят до прода, не гоняют цепочки длиннее. Они гоняют _короче_, с
структурой вокруг:

- **Декомпозируй.** Разбей восьмичасовую работу на короткие, независимо проверяемые задачи. Цепочка из
  десяти задач по 10 шагов с чекпоинтом между каждой бьёт один прогон на 100 шагов — с большим отрывом.
- **Ставь чекпоинты.** Сохраняй проверенное состояние между шагами, чтобы провал стоил одной задачи, а
  не всего дня. Не делай шаг 90 зависимым от того, помнит ли модель шаг 3.
- **Проверяй, потом продолжай.** Ставь на каждый этап дешёвую проверку — детерминированный результат,
  вторая модель, схема — прежде чем следующий этап на нём строится. Лови эти 2% до того, как они
  скомпаундятся.
- **Держи окно чистым.** Больше ходов — это не больше мышления. После ~30 вызовов начинается context
  rot; свежий сфокусированный контекст бьёт раздутый, тащащий 90 шагов истории.

Это тот же урок, к которому я прихожу с разных сторон:
[один агент, который делает всё, не делает ничего хорошо](/ru/blog/one-agent-that-does-everything), и
[оркестрация — вот настоящая архитектура](/ru/blog/orchestration-is-the-architecture). Долгая
надёжность — это оркестрация с секундомером в руке.

## Итог

Удвоил задачу — учетверил провал; это не изъян модели, это арифметика. Агент на весь день приходит не
потому, что лаборатория выкатит мозг поумнее, — он приходит, когда ты перестал просить один мозг
сделать 100 вещей правильно подряд.

**Не строй цепочку длиннее. Строй короче — с проверкой на каждом звене.**