Искусственный интеллект ALE-Agent от японского стартапа Sakana AI занял первое место на престижном соревновании AtCoder Heuristic Contest 058, обойдя 804 живых программистов. Это первый случай в истории, когда ИИ победил в крупном турнире по решению сложных оптимизационных задач в режиме реального времени. Четырехчасовое состязание потребовало от участников создать алгоритм для планирования иерархического производства — задачи, которая напрямую отражает реальные промышленные вызовы вроде логистики и управления цепочками поставок.
Победа обошлась компании примерно в 1300 долларов — столько стоили вызовы API (интерфейса программирования приложений) к моделям GPT-5.2 и Gemini 3 Pro, на которых работал агент. За четыре часа ИИ сделал 4773 обращения к этим нейросетям, генерируя и тестируя тысячи вариантов решений, в то время как человек физически способен проверить максимум десяток подходов за то же время.
Еще летом 2025 года тот же агент показывал куда более скромные результаты — 21-е место из тысячи участников на аналогичном турнире. Что изменилось за полгода? Разработчики из Sakana AI создали принципиально новый фреймворк ALE (Autonomous LLM-based Engineering — автономная инженерия на основе больших языковых моделей), который превратил ИИ из простого генератора кода в полноценного автономного агента.
Система работает как замкнутый цикл: ALE-Agent анализирует задачу, генерирует начальное решение, запускает его на тестовых данных, изучает результаты и итеративно улучшает код. Ключевое отличие от предыдущих версий — механизм самообучения, который извлекает инсайты из каждой попытки и использует их в следующем цикле улучшений. Агент параллельно создает десятки вариантов решений, отбирает лучшие и развивает их дальше, используя алгоритм поиска по лучшему первому варианту.
Наиболее впечатляющим стало то, что ИИ самостоятельно изобрел алгоритм, который не предусматривали авторы задач. Вместо ожидаемых стандартных подходов вроде жадных алгоритмов (на каждом шаге выбирает локально лучший вариант) или симулированного отжига (метод оптимизации, имитирующий физический процесс остывания металла), ALE-Agent создал эвристику виртуальной мощности. Этот подход позволяет оценивать эффективность еще не запущенных машин так, будто они уже работают, что помогает избежать локальных оптимумов — ситуаций, когда алгоритм застревает на хорошем, но не лучшем решении.
Автор задачи Хироми Нотидэ, занимающий 24-е место в мировом рейтинге эвристического программирования, признался, что был поражен. Он считал задачу чрезвычайно сложной для больших языковых моделей, требующей экспериментального понимания, с которым ИИ обычно справляются плохо. Однако агент компенсировал это огромным количеством итераций и нестандартными операциями поиска.
Победа ALE-Agentа — демонстрирует, что при правильной архитектуре и достаточных вычислительных ресурсах ИИ может уже сейчас соперничать с топовыми экспертами в задачах, требующих многочасового напряженного мышления. Задания на AtCoder Heuristic Contest — это не абстрактные головоломки, а симуляции реальных промышленных проблем: планирование маршрутов доставки, организация рабочих смен, управление производством, балансировка энергосетей.
Однако сами разработчики признают, что до массового внедрения еще далеко. Виртуальный рейтинг ALE-Agent в общей таблице AtCoder соответствует лишь 66-му месту среди активных пользователей, а в предыдущих турнирах он занимал позиции с 8-го по 53-е. Это говорит о нестабильности результатов — агент может выиграть в одном состязании и провалиться в другом. Для промышленного применения критически важна предсказуемость.
Стоимость тоже остается барьером. 1300 долларов за четыре часа работы — это примерно 325 долларов в час, что сопоставимо с оплатой труда топового консультанта. При этом для задач, длящихся несколько дней или недель, затраты на API могут достигать десятков тысяч долларов. Sakana AI работает над балансом между эффективным человекоподобным мышлением и массивным перебором вариантов, чтобы снизить зависимость от дорогостоящих вызовов нейросетей.
Тем не менее потенциал очевиден. Компании уже используют подобные подходы для оптимизации логистики и производства — например, Schneider Electric (французская транснациональная компания, мировой лидер в управлении энергией и промышленной автоматизации) применяет ИИ для предсказания сбоев оборудования, а некоторые производители сокращают время разработки алгоритмов с недель до часов. Если агенты вроде ALE станут стабильнее и дешевле, они могут сделать намного более эффективными отрасли, где оптимизация дает миллионные экономии.
Sakana AI основали в 2023 году в Токио трое ключевых фигур: Дэвид Ха (CEO, экс-Google Brain), Ллион Джонс (CTO, соавтор статьи "Attention Is All You Need" об архитектуре Transformer) и Рен Ито (COO, бывший топ-менеджер Stability AI и Mercari). Компания уже привлекла 230 миллионов долларов инвестиций и оценивается в 2,65 миллиарда долларов. Ее стратегия — создание природно-вдохновленных распределенных систем ИИ, где множество небольших моделей взаимодействуют по принципу стаи рыб или роя. Победа на AtCoder показывает, что этот подход работает, но пока остается экспериментальным.
