Больше мышления, не больше инструментов: как reasoning effort побеждает tool bloat в агентных задачах

Парадокс: добавили браузерный инструмент для тестирования агенту — стоимость выросла на 42–68%, доля правильных первых попыток не изменилась вообще. Деньги ушли туда, где проблемы не было. Метод диагностики позволяет понять ЧТО именно ломается — и выбрать нужный рычаг вместо добавления очередного инструмента. Фишка: поднять уровень мышления (с обычного до усиленного — extended thinking у Claude, o1/o3 у OpenAI) — и доля идеальных попыток с первого раза вырастает с 28% до 89%, корректирующих запросов в 5 раз меньше, а стоимость выше всего на 9–29%.