Liquid AI нашла способ вылечить «doom loop» рассуждающих моделей одним токеном за раз: языковая модель qwen

Ты запускаешь рассуждающую модель на длинной задаче, она доходит до середины цепочки, говорит «Wait, let me reconsider…» - и всё. Дальше идёт не решение, а бесконечное самоедство: та же фраза, та же оговорка, тот же откат, пока не кончится контекстное окно и ты не увидишь оборванный вывод и счёт за тысячи бесполезных токенов.

Это называется doom loop, и 7 июля 2026 года Liquid AI опубликовала метод, который целится ровно в этот сбой, не переучивая модель целиком. По данным блога Liquid AI от 7 июля 2026, метод и датасет выложены открыто под названием Antidoom, а сам приём обучения - Final Token Preference Optimization, FTPO.

Разберём по порядку: что именно сломано, что именно починили, какие цифры заявлены и на каких моделях, и как ты можешь это пощупать сам. Без магии и без обещаний, что «теперь модели больше не зацикливаются».

Платите в рублях за Qwen API без наценки на токены через provod.ai

Что произошло 7 июля и что реально изменилось

Главное: Liquid AI выложила открытый метод и датасет против зацикливания reasoning-моделей. Это не новая модель и не продукт, а способ дообучения плюс данные.

По публикации Liquid AI от 7 июля 2026 года, в открытый доступ выложены две вещи: сам метод FTPO и датасет LiquidAI/antidoom-mix-v1.0. Событие подхватили на Hacker News и в MarkTechPost - в обсуждении это отметили как редкий случай точечного, а не общего фикса для рассуждающих моделей. Это сигнал внимания сообщества, а не доказательство качества: обсуждение говорит, что тема задела людей, но проверять цифры всё равно придётся самому.

Что здесь важно разделить сразу:

• Заявление вендора - Liquid AI утверждает, что FTPO снижает частоту зацикливания и при этом не роняет метрики.
• Независимая проверка - на момент подготовки материала (14 июля 2026) в источниках нет сторонней воспроизводящей публикации, есть только обсуждение.
• Вывод автора - метод выглядит логично и ограниченно проверен на двух контрольных точках, о чём сама Liquid AI и предупреждает.

Если ты гоняешь длинные цепочки рассуждений и платишь за токены, тебе стоит один раз собрать полигон, где ты сможешь сравнить разные семейства моделей на своей задаче - в том числе быстро подключить те же модели через один российский доступ, не собирая зоопарк ключей.

Что такое doom loop и почему это дорого

Главное: doom loop - это когда модель залипает на фразе сомнения и повторяет её до исчерпания окна.

По описанию Liquid AI, doom loop - частый сбой именно у reasoning-моделей. Механика простая и узнаваемая: модель произносит что-то вроде «Wait, let me reconsider…», а потом воспроизводит эту же конструкцию снова и снова. Цепочка не сходится к ответу, а наматывает круги, пока не упрётся в лимит контекста.

Почему это бьёт по карману и по продукту:

1. Ты платишь за каждый токен вывода, а зацикленная генерация выедает окно целиком.
2. Пользователь получает оборванный или пустой ответ - модель «думала», но не «додумала».
3. Тайминги плывут: одна залипшая генерация может занять в разы больше времени, чем нормальная.
4. Ретраи не спасают - при жадном сэмплировании модель детерминированно скатывается в ту же яму.

Важно не путать это с обычной «болтливостью». Болтливая модель хотя бы движется к ответу. Doom loop - это застревание на конкретном переходе, где вместо продолжения мысли модель раз за разом выбирает токен сомнения.

Как работает FTPO: фикс на завершающих токенах

Главное: FTPO находит токен, с которого стартует цикл, и учит модель предпочитать связные альтернативы именно в этой позиции, почти не трогая остальное распределение.

Вот идея метода по описанию Liquid AI. Обычный doom loop начинается не «вообще», а в конкретной точке генерации - на определённом завершающем токене, после которого модель сваливается в повтор. FTPO работает адресно с этими позициями.

Три отличия FTPO от стандартного DPO, как их формулирует Liquid AI:

• Только завершающие токены. DPO обычно оптимизирует предпочтение на уровне целых ответов. FTPO обучается именно на финальных токенах - там, где рождается зацикливание.
• Несколько выбранных альтернатив на пример. Вместо жёсткой пары «хороший ответ против плохого» FTPO допускает несколько приемлемых продолжений на один пример.
• KL-подобный лосс в пространстве логитов. Обучение построено так, чтобы менять распределение минимально - подправить поведение в проблемной точке и не разболтать всё остальное.

Последний пункт - ключевой для практики. Именно из-за минимального вмешательства в распределение метрики на бенчмарках не проседают: ты чинишь узкий дефект, а не переобучаешь всю модель под новую цель.

По заявлению Liquid AI, весь процесс дообучения занимает несколько часов. Это не многодневный прогон - это точечная операция поверх уже готовой контрольной точки.

Какие цифры заявлены и на каких моделях

Главное: цифры хорошие, но они с двух конкретных чекпоинтов, а не «в общем».

Liquid AI приводит два результата.

По публикации Liquid AI, на Qwen3.5-4B частота зацикливания при жадном сэмплировании упала с 22.9% до 1%, и при этом оценки на бенчмарках выросли, а не просели. На ранней контрольной точке LFM2.5-2.6B частота doom loop снизилась с 10.2% до 1.4%.

Теперь честная рамка. Liquid AI сама предупреждает: результаты приведены на конкретных контрольных точках LFM2.5 и Qwen3.5, а обобщаемость метода на другие архитектуры не заявлена как проверенная. То есть языковая модель qwen здесь - не «доказательство для всех Qwen вообще», а один прогон на версии Qwen3.5-4B. Переносить эти проценты на свою модель без собственного замера нельзя.

Отдельно проговорим частую путаницу. Запрос «языковая модель qwen» часто задают так, будто Qwen - это одна модель. На деле это семейство разных по размеру моделей, и в этом эксперименте фигурирует конкретный чекпоинт Qwen3.5-4B. Никакого «фикса для всего Qwen» в источнике нет - есть результат на одной точке.

Как повторить это у себя: шаги и код

Главное: метод и датасет открыты, так что базовый воспроизводящий прогон реально собрать самому.

Порядок действий получается такой:

1. Возьми свою reasoning-модель или чекпоинт, на котором видишь зацикливание.
2. Собери или подтяни датасет LiquidAI/antidoom-mix-v1.0 - он выложен открыто.
3. Прогони дообучение по схеме FTPO (лосс в пространстве логитов, обучение на завершающих токенах, несколько альтернатив на пример).
4. Замерь частоту doom loop до и после на своём наборе промптов, обязательно с жадным сэмплированием - именно там дефект проявляется детерминированно.
5. Сверь бенчмарки до и после, чтобы поймать возможную деградацию.

Ключевой момент - как ты вообще детектируешь зацикливание, чтобы измерить эффект. Простой полуавтоматический детектор ловит повтор одной и той же фразы-триггера в хвосте генерации:

import re from collections import Counter

TRIGGERS = [ "wait, let me reconsider", "hold on, let me rethink", ]

def looks\_like\_doom\_loop(text: str, min\_repeats: int = 3) -> bool: low = text.lower() for t in TRIGGERS: if low.count(t) >= min\_repeats: return True # общий признак: одинаковые строки-хвосты подряд tail = [ln.strip() for ln in low.splitlines() if ln.strip()][-8:] if tail: top, n = Counter(tail).most\_common(1)[0] if n >= min\_repeats: return True return False

Это не метрика Liquid AI, а грубый детектор для твоего замера - настрой список триггеров под свою модель и язык. Порог min_repeats подбирай по глазам: реальные рассуждения тоже иногда повторяют формулировки.

Чтобы прогонять сам замер по многим семействам моделей единообразно, удобно дёргать их через один OpenAI-совместимый эндпоинт. Ключ и адрес - плейсхолдеры, подставь свои:

from openai import OpenAI

client = OpenAI( api\_key="ВСТАВЬ\_СВОЙ\_КЛЮЧ",          # секрет, не коммить base\_url="https://api.provod.ai/v1",  # OpenAI-совместимый эндпоинт )

resp = client.chat.completions.create( model="qwen-max",                     # подставь нужный чекпоинт messages=[{"role": "user", "content": "Реши задачу пошагово: ..."}], temperature=0.0,                       # жадное сэмплирование для детекта ) print(looks\_like\_doom\_loop(resp.choices[0].message.content))

Смысл единого эндпоинта здесь не в удобстве ради удобства, а в чистоте эксперимента: одинаковый код, одинаковые параметры, разные модели. Так ты не спутаешь разницу в SDK с разницей в поведении моделей.

Как выбрать модель и не разориться на замерах

Главное: сам по себе Antidoom - про дообучение; но чтобы решить, стоит ли овчинка выделки, тебе сначала нужен дешёвый способ гонять сравнение.

Практический вопрос звучит так: чинить конкретную модель методом FTPO или просто сменить модель, у которой doom loop встречается реже на твоих задачах? Ответ зависит от того, где ты вообще запускаешь инференс и сколько это стоит.

Небольшая таблица для решения:

Для второго и третьего случая тебе нужен доступ к разным семействам моделей через один интерфейс. Если сравниваешь зарубежные модели из России, provod.ai держит Claude, GPT, Gemini, DeepSeek и Qwen в одном чате и в одном API, с одним рублёвым балансом и оплатой российской картой, через СБП или по счёту - без VPN и зарубежных карт. Для команды это ещё и договор, счёт и закрывающие документы.

Важная честная оговорка: через такой доступ ты берёшь стоковые модели семейств для сравнения и роутинга. Готового чекпоинта с уже вшитым FTPO-фиксом там нет - его ты получаешь только сам, дообучив свою модель по методу Liquid AI. Агрегатор помогает выбрать и сравнить, а не заменяет дообучение.

Частые ошибки при замере и разборе в пайплайне

Главное: большая часть провалов - не в методе, а в том, как ты меряешь и как собираешь цепочку.

Типичные грабли:

• Меряешь не тем сэмплированием. Doom loop у Qwen3.5-4B в источнике заявлен при жадном сэмплировании. Если ты замеряешь с высокой температурой, картина смажется, и ты сделаешь неверный вывод.
• Считаешь любой повтор дефектом. Повтор формулировки в длинном рассуждении - норма. Дефект - это застревание без прогресса к ответу. Разделяй.
• Обобщаешь два чекпоинта на всё. Цифры 10.2% -> 1.4% и 22.9% -> 1% - это две точки. Liquid AI прямо не заявляет переносимость на другие архитектуры.
• Путаешь снижение зацикливания с ростом качества. По данным Liquid AI, метрики выросли, но это её замер на её бенчах; на твоей задаче проверяй отдельно.

Если ты оркестрируешь вызовы в low-code, например в n8n, добавь узел-детектор сразу после ноды генерации: он гоняет ответ через тот же looks_like_doom_loop, и при срабатывании ветка идёт на повтор с другой моделью или на алерт. Так ты не отправишь пользователю оборванную цепочку и соберёшь честную статистику залипаний по продакшену.

Ещё одна ловушка пайплайна - логи. Если ты режешь длинные ответы при записи, зацикливание в логах выглядит как обычный длинный текст. Пиши хотя бы длину вывода и число срабатываний детектора, иначе позже не докажешь себе, что фикс сработал.

Чего этот метод не решает

Скажем прямо, без приукрашивания.

• Это не «конец галлюцинаций» и не рост интеллекта. FTPO целится в один конкретный сбой - зацикливание на завершающем токене. Про другие ошибки reasoning в источнике речи нет.
• Это не подтверждённая универсальность. Liquid AI сама пишет, что обобщаемость на другие архитектуры не заявлена как проверенная. Два чекпоинта - это два чекпоинта.
• Это не продукт и не готовая модель. Опубликованы метод и датасет. Дообучение и замер - на тебе.
• Это не независимо воспроизведено. На 14 июля 2026 в источниках - публикация Liquid AI и обсуждение сообщества, а не сторонний повтор эксперимента.
• Это не замена инфраструктуре. Если тебе нужен on-prem, приватность или встроенные фичи конкретного вендора, никакой агрегатор и никакой внешний API этого не заменят - ровно как и provod.ai не подменяет GigaChat, автоматизацию, приватную инфраструктуру или работу по внедрению.

Если убрать пафос, честный итог такой: появился аккуратный, узко нацеленный приём против дорогой и раздражающей поломки, с открытым кодом и датасетом и с прозрачно ограниченной доказательной базой. Это хорошая новость для тех, кто держит reasoning-модели у себя и устал платить за пустые круги генерации.

Как подключить Qwen API для бизнеса через provod.ai

• Один API. provod.ai даёт один OpenAI-совместимый API-ключ для доступных моделей из каталога; в существующем OpenAI SDK меняются только base URL и ключ.
• Оплата в рублях. Баланс provod.ai пополняется в рублях, а стоимость списывается за фактические запросы к выбранной модели.
• Прозрачная цена. Цены токенов в provod.ai указаны без наценки; при пополнении баланса действует отдельный сервисный сбор 5%.
• Доступ из России. Доступ к provod.ai работает из России без VPN и без зарубежной банковской карты.
• Документы для бизнеса. Для компаний provod.ai поддерживает рублёвую оплату, договор, счёт и закрывающие документы; текущая продуктовая справка также указывает ЭДО.

Все проценты, названия моделей, размер выборки и дата взяты из публикации Liquid AI. Детектор в коде и таблицы решений - авторская практическая надстройка, а не часть оригинального метода.

Подключите Qwen API для бизнеса через единый API provod.ai

Источники

• Liquid AI, «Antidoom», 7 июля 2026 (первичный источник фактов 1-7): https://www.liquid.ai/blog/antidoom
• Сигнал обсуждения: Hacker News и MarkTechPost, 7 июля 2026 - реакция сообщества, не независимая проверка.