Что это значит
Здесь интересен не сам GigaChat, а способ прироста: модель не меняли, вместо этого подогнали среду, в которой она работает. Команда переписала промпты и описания инструментов, часть ограничений перенесла в код, а результат проверила на фиксированном наборе из 391 задачи. Это и есть инженерный подход к контент-заводу: качество зависит не только от выбранной модели, но и от всей обвязки вокруг неё.
Для тебя вывод практический. Если агент регулярно ошибается, тратит слишком много токенов или застревает на простых шагах, не спеши менять модель. Сначала проверь инструкции, формат входных данных, доступные инструменты, порядок действий и правила, которые можно надёжнее зафиксировать в коде. В производстве контента это особенно заметно: агент может одинаково неуверенно искать исходники, нарезать ролики, писать подписи и раскладывать публикации, если процесс описан расплывчато.
Что сделать сейчас: выбери одну повторяющуюся цепочку - например, превращение длинного видео в серию постов - и собери небольшой тестовый набор из реальных задач. Зафиксируй процент успешных результатов, число ручных исправлений и расход токенов. Затем меняй по одному элементу обвязки и сравнивай метрики. Так ты поймёшь, где нужен другой инструмент, а где достаточно лучше спроектировать сам конвейер.
