TEMM1E v3.0.0 представляет роевой интеллект для координации ИИ-агентов.

Роевой интеллект для сред выполнения AI-агентов

TEMM1E v3.0.0 представляет "Many Tems" — систему роевого интеллекта, где несколько AI-агентов координируются через стигмергию: косвенную коммуникацию через сигналы окружения. Этот подход устраняет накладные расходы на координацию, которые преследуют традиционные мультиагентные фреймворки, такие как AutoGen, CrewAI и LangGraph, где каждое сообщение координации требует вызова LLM и расходует токены.

Как это работает

• Альфа (координатор) разбивает задачи на граф зависимостей с одним вызовом LLM
• Стая Темов (работников) создаётся как реальные параллельные задачи tokio
• Каждый Тем забирает задачу через атомарную транзакцию SQLite (без распределённых блокировок)
• Темы испускают сигналы Запаха (временно затухающие феромоны) во время работы — "Я закончил", "Я застрял", "Это сложно"
• Другие Темы читают эти сигналы, чтобы выбрать следующую задачу — чистая арифметика, без вызовов LLM
• Результаты агрегируются после завершения всех задач

Технические детали

Ключевое понимание касается роста контекста: один агент, обрабатывающий 12 подзадач, несёт ВСЕ предыдущие выводы в контексте. К 12-й подзадаче контекст вырастает в 28 раз. Каждая дополнительная подзадача стоит больше, потому что LLM читает всё, что было раньше — квадратичный рост: h*m(m+1)/2.

Работники стаи несут только описание своей задачи + результаты зависимых задач. Контекст остаётся плоским на уровне ~190 байт независимо от общего количества подзадач. Линейный, а не квадратичный.

Бенчмарки

Реальные вызовы API Gemini 3 Flash (не симулированные):

• 12 независимых функций: Один агент 103 секунды, Стая 18 секунд. В 5.86 раз быстрее. 7,379 токенов против 2,149 токенов. В 3.4 раза дешевле. Качество: оба 12/12 пройденных тестов.
• 5 параллельных подзадач: Один агент 7.9 секунд, Стая 1.7 секунд. В 4.54 раза быстрее. Те же токены (коэффициент 1.01 — доказывает нулевые потери).
• Простые сообщения ("привет"): Стая корректно НЕ активируется. Нулевые накладные расходы. Невидимо.

Что делает это особенным

• Нулевые токены координации. AutoGen/CrewAI используют чат LLM-LLM для координации — каждое сообщение стоит. Поле запаха TEMM1E — это арифметика (экспоненциальное затухание, сходство Жаккара, суперпозиция). Математика дешевле одного токена.
• Невидимо для простых задач. Классификатор (уже работающий на каждом сообщении) решает. Если он говорит "просто" или "стандартно" — один агент, нулевые накладные расходы. Стая активируется только для действительно сложных многозадачных задач.

Детали реализации

Уравнение выбора задачи — это 40 строк арифметики, а не вызов LLM:

S = Affinity^2.0 * Urgency^1.5 * (1-Difficulty)^1.0 * (1-Failure)^0.8 * Reward^1.2

1,535 тестов. 71 только в крейте роя, включая два, которые доказывают реальный параллелизм (4 работника завершают 200-миллисекундные задачи за ~200 мс, а не ~800 мс).

Создано на Rust. 17 крейтов. Открытый исходный код. Лицензия MIT. В исследовательской статье есть каждая команда бенчмарка — вы можете воспроизвести каждое число самостоятельно с API-ключом.

Ограничения и выводы

Рой не помогает для одношаговых задач, где LLM обрабатывает "сделай эти 7 вещей" в одном ответе. Нет накопления истории, которое можно устранить. Он помогает, когда задачи включают несколько раундов цикла инструментов, где контекст растёт — именно так реальная агентная работа и происходит.

Команда провела бенчмарки на Gemini Flash Lite ($0.075/M ввод), Gemini Pro и GPT-5.2. Общая стоимость эксперимента: $0.04 из бюджета $30. Полный отчёт эксперимента включает каждый сценарий, где рой проиграл, а не только где выиграл.