SLM-Default Architecture: маленькие модели как основа агентных систем

Парадокс: В агентных системах (RAG, вызовы API, работа со схемами) маленькие модели на 1-12B параметров справляются лучше больших — при затратах в 10-100 раз меньше. Подход позволяет получать валидный результат с первого раза в задачах где важен формат, а не энциклопедические знания. Фишка: маленькая модель работает по умолчанию, большая включается только при неуверенности или провале валидации. Точность схемы растёт с 70% до 95%+ через явные ограничения (JSON Schema) + самопроверку — большие модели «умнее», но слабее держат формат под нагрузкой.