AI-translated from English; not yet reviewed by a fluent editor.

# HybridAgent испытывает латентное рассуждение вместе с текстовым использованием инструментов

> Новый препринт и опубликованный код показывают, как HybridAgent чередует латентное рассуждение с текстовым использованием инструментов. Измеренные улучшения получены в тестовой конфигурации авторов.

By BIG CHANGE Editorial

Published: 2026-10-19T07:00:34.991Z
Updated: 2026-10-19T07:00:34.991Z
Canonical: https://bigchange.ai/blog/hybridagents-latent-reasoning-text-tool-use-paper

![Conceptual charcoal illustration of a continuous accordion paper strip with dark folded sections and completely blank pale sections.](https://bigchange.ai/api/media/file/hybridagent-latent-text-accordion-concept-v2.png)
AI-generated conceptual illustration by BIG CHANGE; no actual model trace, architecture or test result is depicted.

Агенту, вызывающему поисковую систему, нужно выразить запрос текстом и прочитать результат. Его внутреннее рассуждение не обязано следовать тому же формату. В [препринте от 13 октября](https://arxiv.org/html/2610.18861v1) исследователи из Стэнфорда, Иллинойсского университета в Урбане-Шампейне, Together AI и Meta описывают HybridAgent — систему, чередующую непрерывные внутренние состояния с текстом для вызовов инструментов, наблюдений и ответов. Они опубликовали исследовательский код и две агентные контрольные точки. Заявленные результаты производительности и эффективности получены в экспериментах авторов, а не при независимом воспроизведении или работе развёрнутого сервиса.

## Главное изменение

- **Что изменилось:** HybridAgent позволяет агенту на основе языковой модели в рамках одной задачи переходить между внутренними шагами с непрерывным состоянием и обычным текстом. Текст остаётся интерфейсом для поиска, Python и окончательного ответа.
- **Почему это важно:** Разработчики, исследующие агентов, могут проверить, нужно ли записывать словами каждый промежуточный шаг. Эксперименты авторов в сопоставимых условиях указывают на меньшее число шагов генерации у их метода, а открытый код позволяет изучить реализацию. Ни то ни другое не доказывает меньший счёт за действующий сервис.
- **За чем следить:** Независимые запуски с опубликованными контрольными точками могут проверить, сохраняется ли измеренное преимущество на других задачах и при иной стоимости инструментов. Более сложный вопрос проверки — точно ли читаемые слова, восстановленные из латентного состояния, описывают путь к ответу.

## Как работает переключение

В обычном текстовом режиме модель генерирует токены. Когда она выдаёт специальный токен `<latent>`, небольшой компонент HybridLink отображает последнее скрытое состояние модели обратно в пространство её входов. Система подаёт полученный непрерывный вектор на следующий шаг, не превращая его сначала в слово. Она возвращается к текстовому режиму, когда сравнение с ближайшим токеном выявляет маркер `</latent>`. Затем модель может записать вызов инструмента или ответ. В статье описан постоянный кэш ключей и значений, переносящий текст, латентные шаги и наблюдения инструментов в последующие ходы. [Архитектура и правила переходов приведены в разделах 3 и 4 препринта](https://arxiv.org/html/2610.18861v1).

Это требует большего, чем подключение адаптера к предобученной модели. Сначала авторы преобразуют текстовые демонстрации в смешанные обучающие последовательности текста и латентных состояний, затем обучают базовую модель и HybridLink совместной работе с учителем. На этапе обучения с подкреплением полученный агент учится на задачах рассуждения и поиска. На этом этапе авторы обновляют вероятности в выбранных текстовых позициях и повторно подают записанные латентные входы. По статье, данные состоят из 54 000 преобразованных демонстраций, за которыми следуют отдельные наборы из 12 000 примеров глубокого рассуждения и 1000 примеров агентного поиска. [Подробности обучения и данных](https://arxiv.org/html/2610.18861v1).

## Что измеряли тесты

Основная оценка охватывает версии 8B и 14B на основе Qwen3-Base в 11 тестах. Шесть посвящены математике, научным или медицинским знаниям и многошаговым вопросам, пять — поиску и агентным задачам. Отдельное приложение проверяет версию 4B на AIME25, AIME26, MATH500 и GPQA-Diamond. Авторы сравнивают её с текстовыми агентами на тех же базовых моделях и данных обучения, методами латентного рассуждения, передовыми агентами и фреймворками использования инструментов. Эти группы служат разным целям сравнения. Например, в сопоставимом сравнении обучения с подкреплением для 14B HybridAgent получает 88,2% на MATH500, а текстовый агент, обученный с ARPO, — 87,0%. Средний результат GAIA составляет, по статье, 52,4% для HybridAgent 14B и 43,7% для этой базы ARPO. Это тестовые результаты в условиях авторов, а не общий рейтинг развёрнутых агентов. [Основные таблицы, приложение 4B и определения баз сравнения](https://arxiv.org/html/2610.18861v1).

Конфигурация имеет значение. Для математических оценок статья использует контрольные точки, обученные глубокому рассуждению, а для оценок знаний и агентных задач — обученные агентному поиску. Указаны температура 0,6, top-p 0,95 и top-k 20 при инференсе; бюджеты учитывают и текстовые токены, и латентные шаги. Для математики и знаний разрешены 4096 шагов, для более сложных агентных задач — 24 000. Латентные отрезки занимали от 16 до 256 шагов; траектории ограничивались числом вызовов инструментов. Инструментами были изолированный интерпретатор Python и живой поиск. Модель также суммировала поисковые страницы и оценивала выводы. Авторы сообщают об обучении и инференсе на 32 GPU H100. Другие сервисы инструментов, результаты поиска или условия работы могут изменить сравнение. [Экспериментальная конфигурация](https://arxiv.org/html/2610.18861v1).

Улучшение производительности на 10,4% из аннотации относится к сравнению с соответствующими текстовыми и латентными базами на этапе обучения с подкреплением при одинаковых размерах моделей и бюджетах обучения. Его нельзя читать как универсальное превосходство над любым передовым агентом. Статья также приводит пять независимых запусков для основной таблицы агентных задач со средним стандартным отклонением точности 0,014. [Результаты и подпись таблицы](https://arxiv.org/html/2610.18861v1).

## Расчёт эффективности охватывает более узкий набор затрат

Статья сообщает о сокращении текстовых токенов в 2,7 раза и сокращении общего числа шагов генерации максимум на 54% относительно текстовых баз. Аннотация указывает ускорение инференса в 1,8–2,6 раза и снижение оценочной стоимости в 2,7–3,7 раза. Латентные шаги по-прежнему требуют вычислений модели. Таблица затрат авторов учитывает каждый текстовый или латентный шаг как полный прямой проход базовой модели и оценивает миллион ответов при цене H100 в 2,50 доллара в час и 10% пиковой пропускной способности BF16. Для базы 8B расчёт меняется с 62,5 до 17,2 триллиона операций с плавающей точкой на вопрос и с 439 до 121 доллара на миллион вопросов. [Раздел эффективности и таблица затрат](https://arxiv.org/html/2610.18861v1).

То же приложение прямо исключает обработку промпта, затраты внимания, зависящие от контекста, и выполнение внешних инструментов. Поэтому поисковые вызовы, хостинг и другие сервисные расходы не входят в это сравнение в долларах. Цифры полезны как свидетельство измеренных авторами путей генерации и заявленной вычислительной модели, но не устанавливают стоимость работы полноценного агентного сервиса.

## Читаемые латентные отрезки всё ещё требуют проверки

HybridAgent может показать псевдотекст, отображая каждый латентный шаг в ближайшее векторное представление токена. [Пример в репозитории](https://github.com/togethercomputer/HybridAgent) показывает такие прочтения рядом с настоящими вызовами поиска и Python. В отдельном эксперименте статьи изменение или замена латентных векторов снижает точность MATH500. Это поддерживает утверждение, что состояния влияют на ответ, но не показывает, что ближайшие слова полно или точно описывают вычисления. [Таблица вмешательств в латентные состояния](https://arxiv.org/html/2610.18861v1).

Авторы также проверяют полезность видимого текста для внешнего мониторинга на 560 математических задачах. Таблица сообщает о меньшем числе видимых текстовых токенов у HybridAgent, чем у сопоставимых текстовых агентов, и приводит несколько оцениваемых моделями показателей мониторинга и отладки. Часть показателей улучшается; AUROC сильного монитора при 14B составляет 0,989 для HybridAgent и 0,990 для текстового агента. Эти тесты оценивают определённые мониторы и задачи. Они не доказывают общую прозрачность или безопасность, особенно для скрытых латентных отрезков. [Эксперимент с возможностью аудита](https://arxiv.org/html/2610.18861v1).

## Что доступно сейчас

Репозиторий [с лицензией MIT](https://github.com/togethercomputer/HybridAgent) содержит движок гибридной генерации, инструменты Python и поиска, процессы обучения с учителем и с подкреплением, пакетный инференс и инспектор псевдотекста. Авторы дают ссылки на открытые контрольные точки [8B](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) и [14B](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) **для агентных задач**, а также обучающие наборы данных. Математические оценки статьи использовали отдельно обученные контрольные точки глубокого рассуждения; список опубликованных моделей в README указывает две агентные контрольные точки. Каждая открытая контрольная точка содержит веса базовой модели и HybridLink. Карточка модели уточняет: загрузка одной базовой модели через Transformers даёт только текстовую модель, а латентная генерация и инструменты требуют кода проекта.

README рекомендует 8 или 16 GPU для обучения с учителем и 32 GPU на четырёх узлах для запуска обучения с подкреплением в агентном поиске. Инструкции установки включают API-ключ поиска. Это существенные требования для тех, кто попробует документированный исследовательский процесс. BIG CHANGE изучил статью, репозиторий и карточки моделей, но не запускал код, не скачивал контрольные точки и не воспроизводил тесты.

## Sources

- [Zou и др., Hybrid Reasoning Agents, arXiv:2610.18861v1 (2026-10-13)](https://arxiv.org/html/2610.18861v1) — Основной препринт. Разделы 3–6 и приложения E, G, H описывают метод, обучение, тесты, конфигурацию 32 H100 и предположения о стоимости. Результаты авторов не являются независимым воспроизведением; долларовая оценка исключает prefill, контекстное внимание и инструменты.
- [Together Computer, код HybridAgent и README](https://github.com/togethercomputer/HybridAgent) — Официальная исследовательская реализация под MIT. README перечисляет движок, процессы SFT/RL, контрольные точки 8B/14B, ключ Tavily и рекомендации 8/16 GPU для SFT и 32 GPU для поискового RL. BIG CHANGE её не запускал.
- [Together Computer, карточка модели HybridAgent-8B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) — Официальная карточка открытой контрольной точки 8B. Описывает веса базовой модели и HybridLink; гибридная генерация и инструменты требуют кода репозитория.
- [Together Computer, карточка модели HybridAgent-14B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) — Официальная карточка открытой контрольной точки 14B. Требование к коду то же; исследовательская контрольная точка, а не свидетельство развёрнутого сервиса.