Claude Code оценка задачи: почему агент врёт

Я, Арина Михална, знаю, что оценка времени задачи в Claude Code — штука, в которой агент системно ошибается, потому что у языковой модели физически нет ощущения длительности: она не отслеживает секунды, а угадывает, как обычно звучит ответ на вопрос «сколько это займёт». Отсюда «пять минут», которые превращаются в двадцать, и наоборот — паника на третьей секунде живой работы.

Почему у ИИ-агента нет чувства времени

Смышлёному новичку это объясняется одной фразой: языковая модель не имеет доступа к системным часам, если её специально не подключили к инструменту, который эти часы читает. Всё, что она умеет — предсказывать следующий кусок текста на основе того, что видела в обучении. Фразу «это займёт пару минут» она выдаёт не потому, что посчитала, а потому что в обучающих данных именно так люди отвечают на такие вопросы.

Про это же пишет The Decoder: у ИИ-агентов нет встроенного ощущения времени и они сами не в курсе этого пробела — то есть модель не просто ошибается в оценке, она уверенно говорит про минуты и часы, как будто у неё есть секундомер. Разница принципиальная: человек, который не уверен во времени, обычно это чувствует и оговаривается. Агент — нет, у него нет метауровня «я не знаю».

На практике это выглядит так: агент пишет «сейчас закончу» на пятой минуте задачи, которая займёт ещё двадцать, — не потому что врёт специально, а потому что фраза «сейчас закончу» статистически хорошо продолжает диалог о прогрессе. Сама несколько раз ловила себя на том, что верю этой фразе в чате Claude Code, хотя знаю про эту особенность уже год.

Что реально влияет на скорость выполнения задачи

Раз агент не считает время, считать приходится тебе — по косвенным метрикам. Вот что реально двигает стрелку:

Фактор	Как влияет на скорость
Размер контекста	Чем больше файлов и истории в контексте — тем дольше каждый ход агентного цикла
Количество ходов (turns)	Каждый ход — новый запрос к модели; сложная задача = десятки ходов подряд
Число вызовов инструментов	Чтение файла, запуск команды, поиск — каждый вызов добавляет латентность сети и диска
Бюджет токенов	Урезанный лимит обрывает ответ раньше — задача не «ускоряется», а прерывается незавершённой
MCP-серверы и системный промпт	Длинный системный промпт и активные MCP-инструменты грузятся в каждый запрос — это фикс-стоимость на старте

По нашему замеру на 60 тысяч знаков контекста разброс между моделями оказался огромным: Claude Sonnet 5 и Sonnet 4.6 через один и тот же шлюз отдали 504-ю ошибку после 240 секунд ожидания, а GPT-5.6 Terra на том же промпте выдала готовый текст за 73 секунды, GPT-5.6 Sol — за 86. Claude Haiku 4.5 отработала быстрее всех, за 34 секунды, но текст на выходе был заметно слабее. Дело не в том, что одна модель «умнее считает время» — просто у них разная внутренняя архитектура обработки длинного контекста, и это прямо переводится в секунды ожидания.

Как отличить зависание от медленной, но живой работы

Тут и разворачивается угол, которого нет в топе выдачи по этому запросу: почти никто не пишет, как именно отличить зависший агент от агента, который просто долго работает. А разница есть, и она измеримая.

Живая работа — это движение: агент вызывает инструмент, получает результат, делает следующий ход. Даже на сложной задаче счётчик ходов и вызовов инструментов будет тикать, пусть и не каждую секунду. Зависание — это тишина: ни новых вызовов, ни изменений в логе, просто крутящийся индикатор.

Порог, которым пользуюсь сама: если за 60–90 секунд в логе Claude Code не появилось ни одного нового tool call — это не «сложная задача», это застрял запрос, часто на сетевом вызове (MCP-сервер не отвечает) или на попытке прочитать слишком большой файл целиком. Ждать дальше бессмысленно — прерывай сессию и смотри, на чём конкретно встало.

Чек-лист диагностики: что смотреть до и во время запуска

До запуска задачи:

• Прикинь класс задачи: точечная правка одного файла — минуты; рефакторинг нескольких модулей — от десятков минут с большим разбросом; не жди от агента точной цифры, у него её нет.
• Проверь размер контекста, который уйдёт в запрос — если там весь проект целиком, а не нужные файлы, время вырастет без пользы для качества.
• Отключи MCP-серверы, которые не нужны для этой конкретной задачи — каждый активный сервер добавляет вес к каждому ходу.

Во время работы:

• Следи за счётчиком ходов и tool calls, а не за текстом «сейчас закончу» в чате.
• Если тишина дольше 60–90 секунд без роста счётчика — открой последний вызов инструмента: часто виснет именно там (сеть, большой файл, внешний API).
• При повторяющемся таймауте на одном и том же шаге — это сигнал сузить задачу, а не гонять тот же промпт третий раз в надежде, что «в этот раз получится быстрее».

По нашему собственному конвейеру статей: разбор одного видео с YouTube в готовую статью занимает у модели около двух минут — это ориентир именно потому, что задача узкая (расшифровка → структурированный текст), без блуждания агента по файловой системе. Чем шире задача и больше свободы у агента в выборе шагов, тем менее предсказуемо время — и вот это агент сам никогда честно не скажет.

Что с этим делать на практике

Смирись с тем, что оценка времени от Claude Code — это не прогноз, а фигура речи, и строй процесс вокруг измеримых метрик, а не вокруг доверия. Логируй количество ходов и инструментов на задачах разного размера — через пару недель у тебя появится собственная таблица «сколько это обычно занимает», которая честнее любого ответа модели.

Про установку и настройку самого Claude Code — отдельный разбор в статье «Claude Code с нуля: полный гайд», а если сталкиваешься с ошибками именно на старте — смотри «Claude Code: ошибки и решения». Про то, как агенты в принципе устроены и почему они так себя ведут — в материале «ИИ агент: что это». Тема расхода ресурсов агентом тоже смежная — я писала про это в «Claude Code съедает в 600 раз больше энергии, чем обычный запрос». И если тебе интересны скиллы и агенты в целом — pillar-разбор лежит в «Что такое скиллы Claude».

По материалам: The Decoder — AI agents have no sense of time and are not aware of it; данные по скорости моделей и стоимости — по нашим собственным замерам на реальных задачах конвейера, август 2026.

Читайте также

• Claude Computer Use: обучение агентов на Mac
• Claude MCP в 2026: что это и зачем нужен Claude Code
• Claude Code ошибка установки за 10 минут
• Субагенты в Claude Code: AI-агенты 2026
• На портале «Мастерская нейросетей»: Как делегировать задачи нейросети Claude: рутина уходит из рук в 2026

Если тебе интересно разбирать вот такие практические детали работы с агентами без причёсанной теории — заходи в канал «А.М. решает вопросы»: я, Арина Михална, регулярно раскладываю там замеры, ошибки и рабочие связки на живых примерах, без обещаний «пять минут и всё готово» — подписаться на канал