Бесплатная стелс-модель за три дня собрала рабочий конвейер на 127 нод, который ходит по API, генерирует видео с голосом и публикует Reels. И всё это — за $4. Вот что она написала, где накосячила и почём это вышло.
Суть события
В середине августа на OpenRouter открылся бесплатный доступ к загадочной модели stealth/ox-alpha. Контекст 1 М токенов, нативная мультимодальность, заявка — «efficient coding and long-horizon agent tasks». Я дал ей ТЗ не на хайповые рилсы, а на полноценный медиа-конвейер в n8n: пять внешних API, бинарные потоки, три десятка условий ветвления, асинхронные поллинги. Через три дня на столе лежал воркфлоу на 127 нод, который реально ходит по API, генерит медиа и публикует Reels. Потрачено: $4.
Итоговая арифметика — без самообмана: 60,9 млн токенов, из них 85,3 % кеш-хиты. Счёт по blended-цене $0,07/1M токенов. При таких объёмах особенно важен контроль расхода токенов и передаваемых данных. Один сквозной запуск воркфлоу выполняется за 4 минуты 13 секунд и жрёт 8 МБ памяти. Треть нод — защитная логика. Это осознанная цена автономности, и она того стоит.
Детали
Воркфлоу состоит из пяти контуров. «Разведка» (23 ноды) раз в сутки собирает трендовые Reels по списку конкурентов: ScrapeCreators → формула виральности (views > avg × 2.5) → тег TRENDING → для трендовых дотягиваются caption и транскрипт из Instagram API.
«Семантический фильтр» (17 нод). Qwen3 Reranker 8B оценивает релевантность по шкале 0–1 с жёстким рубрикатором: «Строим LLM-агента в n8n для обработки заявок» = 0.95, «Как настроить ChatGPT» = 0.75, ИИ в целом = 0.5–0.69. Всё ниже порога 0.75 тихо сливается в Drop. Без этого контура фабрика штамповала бы контент по случайному личному влогу.
«AI-диспетчер» (17 нод). Модель не копирует чужой пост — она «выжимает ДНК виральности» (хук, триггер, формат, призыв) и собирает оригинальную идею. Выход — строгая JSON-схема: angle, hooks, voice_script (120–160 символов), video_prompt, caption. Черновик падает в Google Sheets со статусом DRAFT.
«Медиа-цех» (37 нод). Видео: Seedance-2.0-mini с фолбэком на Veo-3.1-lite, асинхронный поллинг (Wait 10s × 20 попыток). Голос: TTS отдаёт сырой PCM 24 кГц / 16 бит / mono — Code-нода пришивает RIFF-заголовок на лету. Обложка с неоновым тех-вайбом. Конфиг эконом-режима: Seedance 480p / 5s. Всё с ретраями и статусами MEDIA_READY / MEDIA_FAILED.
«Дистрибуция» (19 нод). ffmpeg склеивает видео с голосом (/tmp, Write-Exec-Read). Google Drive → Instagram Graph API (контейнер REELS → publish) → permalink → обновление Sheets → отчёт в Telegram.
Контекст
Первая версия собралась по принципу «лишь бы заработало» и раздулась до 156 нод. Минус 29 нод за пару вечеров: дублирующиеся error-ветки сведены в единый паттерн Failed? → 402? → alert / fail-open; все медиа-конфиги вынесены в одну Code-ноду; убраны промежуточные заглушки от старых версий архитектуры.
Стелс-модель потом деанонизировалась — это Z.ai / GLM 5.3 Flash (z-ai/glm-5.3-flash в селекторе Cline). Релиз состоялся 26 августа. Стелс-окно дало неделю игры до официального анонса.
Что дальше
Список косяков модели: require(‘crypto’) недоступен в n8n — пришлось переписывать на встроенные функции; Google Drive нода возвращает только JSON и стирает бинарники — родилась нода Rebuild Handoff Item; в JSON пару раз приезжали type/typeVersion, которых нет в текущей версии n8n.
Мои собственные затупы, пойманные на ручном аудите: в стикере-документации порог реранкера 0.75, а в IF-ноде на время отладки стояло >= 0.4 — и забыл вернуть. Поймал себя на том, что «один и тот же релевантный рилс прилетал каждый день». Вывод: конфиг должен жить в одном месте.
Главное — не результат сам по себе, а то, что это работает end-to-end. Не игрушечный пример, а реальный конвейер, который выпускает контент. Причём стоит это копейки, а трети нод защитной логики — нормальная инженерная реальность автономных систем.
