С 21 по 23 августа на OpenRouter был открыт бесплатный доступ к загадочной модели stealth/ox-alpha. Позже выяснилось, что это GLM 5.3 Flash от Z.ai, официально представленная 26 августа. Разработчик, известный на Habr, использовал это стелс-окно для нагрузочного тестирования: он поручил модели создать автономный медиа-конвейер в n8n, который парсит конкурентов, генерирует видео и публикует Reels в Instagram.
За три дня модель потребила 60,9 млн токенов, из которых 85,3% были кеш-хитами. Итоговый счёт по blended-цене $0,07 за 1 млн токенов составил около $4. На выходе получился воркфлоу на 127 нод (изначально 156, после рефакторинга), который реально работает: ходит по API, генерирует медиа и публикует контент. Воркфлоу состоит из пяти контуров: парсинг конкурентов через ScrapeCreators API, семантический фильтр с LLM-реранкером, ИИ-диспетчер для сценариев, мультимодальная генерация через OpenRouter и автопостинг через Instagram Graph API.
| Параметр | Значение |
|---|---|
| Период эксперимента | 21–23 августа |
| Потрачено токенов | 60,9 млн |
| Кеш-хиты | 85,3% |
| Blended-цена | $0,07 за 1 млн токенов |
| Итоговая стоимость | около $4 |
| Количество нод в воркфлоу | 127 (после рефакторинга) |
Автор подчёркивает, что успех зависел не от магии, а от точного промпта. Он задал модели роль senior n8n solutions architect, запретил выдумывать параметры API и разбил задачу на итерации по контурам — по одному контуру за сообщение. Это снизило количество галлюцинаций и позволило модели сосредоточиться на конкретных зависимостях. В конце сборки автор забыл предоставить детальную техническую документацию, что, по его словам, могло бы упростить процесс.
Эксперимент показал, что современные LLM с большим контекстом способны создавать сложные распределённые пайплайны, но требуют чёткого ТЗ и контроля. Стоимость в $4 за такой объём работы делает подобные инструменты доступными для малого бизнеса и индивидуальных разработчиков. Однако остаются вопросы надёжности: модель допускала ошибки, часть нод пришлось отключить, а некоторые параметры требовали ручной проверки.
Интересно, что фурор вокруг stealth-модели стих, но эксперимент остаётся актуальным как пример практического применения больших контекстных окон. Для отрасли это сигнал: автономные агенты на базе LLM становятся реальным инструментом для автоматизации, но требуют вдумчивого подхода к проектированию промптов и валидации результатов.
