Jev ako dispečer v systéme viacerých agentov: menej tokenov, podobná presnosť

Štvorica výskumníkov zo Šanghajskej univerzity Jiao Tong zverejnila 15. 10. 2026 preprint s názvom Jev-LiteMAS. S56 Kladie otázku, či v systéme viacerých AI agentov musí o každom kroku rozhodovať drahý generatívny model, alebo či koordináciu zvládne rozhodovací model. Pre každého, kto skladá agentov a platí za tokeny, je výsledok zaujímavý: v teste autorov prevzal Jev smerovanie a prvú kontrolu medzivýsledkov, spotreba tokenov generatívneho modelu klesla a presnosť ostala blízko porovnávaného systému. Ide o preprint, ktorý zatiaľ neprešiel recenzným konaním.

Kde sa v agentoch míňajú tokeny

Autori najprv zmerali existujúce multiagentové rámce MetaGPT, AgentNet a LAS s modelom DeepSeek-V4-Flash. V šiestich meraných konfiguráciách pripadlo na smerovanie a kontrolu 31,7 až 43,5 % tokenov generatívneho modelu a 29,5 až 46,1 % času. S56 Nejde teda o samotnú prácu, ale o réžiu okolo nej: kto má prísť na rad a či je medzivýsledok dosť dobrý.

Zároveň priznávajú, že rozhodovací model generatívny nenahradí jedna k jednej. Plánovač v bežných systémoch píše viackrokový plán a pokyny pre ďalšieho agenta, kontrolór zasa vysvetlí, čo treba opraviť. Jev nevie ani jedno, vráti len výber z možností alebo verdikt. S56

Ako je rozdelená práca

Návrh preto delí úlohy podľa toho, aký výstup potrebujú. Jev po každom kroku vyberie z povolených expertov, kto pokračuje; ak systém umožňuje ukončenie, medzi možnosťami je aj STOP. Celý plán vopred nikto nepíše. Na určených miestach Jev posúdi medzivýsledok a rozhodne len „pustiť“ alebo „eskalovať“. Generatívny model robí samotnú prácu a druhú kontrolu dostane iba to, čo Jev eskaloval; jeho pripomienky potom smerujú k expertovi, ktorý chybu opraví. S56

Systém stojí na rámci AutoGen, ako generatívne modely slúžili DeepSeek-V4-Flash a GPT-5. Autori ho skúšali na úlohách MATH, MBPP+, API-Bank a IDRBench I3, pri každej na 150 vzorkách (pri API-Bank išlo o 150 epizód). Verziu Jevu preprint neuvádza. S56

Čo vyšlo v číslach

Oproti systému LAS, ktorý autori používajú ako hlavné porovnanie, klesla spotreba tokenov generatívneho modelu o 12,7 až 54,6 %. Presnosť sa nelíšila o viac než 1,34 percentuálneho bodu a latencia bola nižšia v siedmich z ôsmich nastavení. Výnimkou bola úloha MATH s GPT-5, kde systém potreboval 30,04 s namiesto 25,91 s. S56

Najväčší rozdiel priniesla úloha IDRBench I3 s DeepSeekom: 10 233,8 namiesto 22 556 tokenov a 72,40 namiesto 133,52 sekundy, pri presnosti 75,33 % oproti 76,00 %. S56 Tieto počty nezahŕňajú tokeny samotného Jevu, týkajú sa len generatívneho modelu.

Poučné je porovnanie smerovačov na tej istej úlohe. Smerovač s Jevom dosiahol 75,33 %, smerovač s generatívnym modelom 68,67 %, malý jazykový model 64,00 % a pevné pravidlá 26,67 %. Variant, ktorý pri smerovaní nevidel výstupy expertov, skončil na 57,33 %. S56 Rozhodovanie teda pomáha najmä vtedy, keď model vidí, čo predchádzajúci krok naozaj vyprodukoval.

Pri kontrole bol Jev o niečo menej presný než generatívny posudzovateľ. Na úlohe MATH zachytil 95,33 % chybných medzivýsledkov (generatívny model 96,67 %) a zbytočne eskaloval 4,00 % správnych (generatívny model 1,33 %). Pri MBPP+ to bolo 91,33 % oproti 92,00 % a 6,67 % oproti 5,33 %. S56 Samotný Jev pridal pri GPT-5 1,13 až 2,21 s na jednu úlohu, teda 2,92 až 6,85 % celkového času, a tvoril 1,56 až 2,14 % nákladov na modely. S56

Limity, ktoré autori priznávajú

Experti sú pevne určení vopred a systém si nové roly nevytvára. Úspora z dvojstupňovej kontroly sa zmenšuje, keď treba eskalovať alebo opravovať viac výstupov. Hlavné riziko spoľahlivosti autori opisujú otvorene: chybu, ktorú Jev pustí, už generatívny model neuvidí. S56 Výsledky navyše stoja na 150 vzorkách na úlohu, čo je pri rozdieloch okolo jedného percentuálneho bodu skromná vzorka.

Čo si z toho vziať pre slovenský projekt

Ak má váš e-shop automatizáciu, ktorá spája viac krokov, napríklad pri reklamácii rozpoznanie typu, vyhľadanie objednávky, návrh odpovede a kontrolu, preprint ukazuje rozumné delenie práce. Rozhodnutie „ktorý krok nasleduje“ alebo „je tento návrh v poriadku“ je otázka typu Choice, kým písanie textu ostáva generatívnemu modelu. TypeSafe účtuje 0,042 USD za milión vstupných tokenov, výstup je zadarmo a stabilný alias jev-latest smeruje na jev-1.13.0. S01 Koľko by to stálo pri vašom objeme, ukáže kalkulačka.

Z čísel o kontrole však plynie aj varovanie. Jev v tomto teste pustil o niečo viac chýb než generatívny kontrolór a tie už nikto ďalší neposudzoval. Pri krokoch s finančným alebo právnym dosahom, ako je vrátenie peňazí či storno, preto podľa nás patrí posledné slovo kódu alebo človeku. Kedy eskalovať, si overte na vlastných dátach; pomôže sprievodca confidence a kalibrácia. Podobné poučenie prinieslo aj staršie meranie Jevu v agentoch: rýchlejšie rozhodnutie samo osebe lepší výsledok automaticky neprinesie.