· 1 мин

ИИ-агенты и даты: почему LLM ошибается в сроках и что отдать коду

ИИ-агенту нельзя доверять расчёт дат, потому что LLM не считает календарь, а угадывает ответ по токенам: в тестах 2024-2026 годов модели промахиваются на день, пишут 31 апреля и путают рабочие дни. Модель пусть пишет текст, а даты, сроки и решение 'просрочено или нет' считает код.

Почему ИИ-агенты ошибаются в датах и дедлайнах: тесты LLM 2024-2026, мой конвейер на кроне и правило, какие расчёты сроков отдавать коду, а какие можно оставить модели.

ИИ-агенты и даты: почему LLM ошибается в сроках и что отдать коду
В статье · 8 разделовразвернуть

ИИ-агенту можно доверить текст про дедлайн, но не сам дедлайн. Языковая модель не считает даты, она угадывает следующий токен, и на простом "+7 дней" это работает, а на рабочих днях, конце месяца и часовых поясах ломается без всякой системы. У меня в конвейере статей и постов это правило прибито гвоздями: модель пишет, а дату, время и "просрочено или нет" считает код.

Ниже разбор на одном живом примере - моём конвейере для Threads и беклоге тем блога, где агенты работают по крону без человека. Плюс что говорят тесты 2024-2026 годов и где граница, после которой дату модели отдавать уже не страшно.

Почему ИИ-агенты ошибаются в датах

ИИ-агенты ошибаются в датах, потому что LLM не выполняет календарную арифметику, а предсказывает правдоподобный ответ по токенам. Дата "2026-11-22" для модели - несколько кусочков текста, а не число дней от эпохи. Поэтому частая ошибка - промах ровно на один день, лишний 31-й день в апреле или не тот день недели.

Тут два разных механизма, и их полезно не смешивать.

Первый - токенизация. В исследовании DateLogicQA (University of Aberdeen, декабрь 2024, 190 вопросов) авторы прямо пишут, что непоследовательная токенизация дат ломает рассуждения о них. Формат тоже решает: даты вида "YYYY, Mon DD" модели разбирали верно в 57% случаев, а юлианский формат "YYYY/DD" - в 31%.

Второй - модель не знает, какое сегодня число. Если текущую дату не положить в контекст, она возьмёт что-то из обучающих данных или придумает. Даже когда дата есть, это не спасает: команда Cronofy (календарный API) описывает, как агент с текущим временем 11:00 не мог надёжно понять, что встреча в 9:00 уже прошла. Их формулировка мне нравится: знать время и рассуждать о нём - разные навыки.

Какие ошибки с датами делают LLM: что показали тесты

Самый системный замер - Test of Time от Google Research и Google DeepMind (июнь 2024). В блоке арифметики хуже всего модели считали длительности: Claude-3-Sonnet 15%, GPT-4 16%, Gemini 1.5 Pro 13,5% верных ответов. Часовые пояса шли лучше всего - 74-90%. Отдельно авторы отмечают типовую ошибку "ровно на один день мимо" и путаницу с високосными годами.

Модели с тех пор подросли, и свежий тест это видно. В июле 2026 на DEV Community выложили прогон date-math-bench: 101 случайный вопрос на модель, ответы проверяет код.

Модель (июль 2026)Всего верноРабочие дниХарактерная ошибка
Claude Sonnet 4.6101/101 (100%)10/10нет
Qwen3-27B99/101 (98%)10/10третий вторник марта 2026 - 16-е вместо 17-го
GPT-4o-mini90/101 (89%)2/10понедельник вместо среды
Claude Haiku88/101 (87%)2/10"31 апреля 2025"
Llama 3.3 70B86/101 (85%)3/10порядковый день на 1 меньше, 5 раз подряд

Данные - по посту автора бенча на DEV Community, сам набор задач - в репозитории date-math-bench, проверено 22.11.2026.

Что из этого вынести. Флагманская модель на простых задачах почти не ошибается. А вот дешёвые модели, которые обычно и ставят исполнителями в агентах ради экономии, на рабочих днях проваливаются в 7-8 случаях из 10. И ошибки у всех разные: на один и тот же вопрос про день недели три модели дали три разных неверных ответа. Предсказать, где именно оно ошибётся, нельзя - значит, нельзя и подстраховаться промптом.

Почему мой агент 139 раз из 139 посчитал срок правильно

Тут честно признаюсь: в одном месте я сам отдал дату модели, и она ни разу не облажалась. Агент сбора тем для блога (крон раз в 2 дня) у срочных новостных тем ставит срок годности "сегодня + 7 дней". Считает это сама LLM, по инструкции в скилле.

Проверил по базе конвейера: с 19 июля по 21 ноября 2026 у 139 тем есть срок годности, и у всех 139 он ровно на 7 дней позже даты создания. 33 из них перескакивают через границу месяца - и тоже без ошибок.

Почему так вышло:

  • сегодняшняя дата лежит в контексте агента явно, ей не надо её угадывать;
  • операция одна и та же, "+7 к дате", без рабочих дней и поясов;
  • работает флагманская модель, а не дешёвый исполнитель;
  • а главное - проверку "протухла тема или нет" делает не модель, а SQL-запрос.

Вот этот запрос, он снимает протухшие темы с беклога одним UPDATE:

UPDATE topics SET status='rejected'
WHERE status IN ('candidate','needs_facts')
  AND expires_at IS NOT NULL
  AND expires_at < date('now','localtime')
RETURNING id, title, urgency;

То есть модель только записала дату, а сравнение с "сейчас" живёт в коде. Если бы она однажды ошиблась на день, тема протухла бы на день раньше - неприятно, но не смертельно. Именно поэтому я её там и оставил.

Как я развёл даты между LLM и кодом в конвейере Threads

Конвейер постов для Threads - пример, где цена ошибки выше: пост, вышедший в 3 часа ночи или дважды, видят люди. Поэтому там модель к датам вообще не допущена.

Разделение такое:

  • LLM пишет текст поста и получает номер слота в дне (1-12). Никаких "опубликуй в 18:30".
  • Код ставит время: функция assign_times берёт окно 11:00-22:30 по Москве, находит самый большой промежуток между уже занятыми слотами и ставит пост в его середину со случайным сдвигом до 15 минут. Между постами - минимум 45 минут.
  • Часовой пояс задан один раз: ZoneInfo("Europe/Moscow"), все строки времени в формате YYYY-MM-DD HH:MM.
  • Публикатор крутится по крону каждую минуту и выпускает только то, у чего время уже наступило, но не раньше чем 3 часа назад. Старше 3 часов - пост помечается просроченным и не выходит.

Кусок, который решает "выходит или нет" (из планировщика веток, ноябрь 2026):

at = parse_at(it["at"])
if at > now:
    continue  # ещё рано
started = s["media_ids"] or s["container_id"]
if at <= now - timedelta(hours=STALE_H) and not started:
    s.update(status="failed",
             error=f"просрочена > {STALE_H} ч, не публикую")

Два сравнения дат, ноль токенов, одинаковый ответ при каждом запуске. Попросить модель решить то же самое - значит раз в минуту платить за вызов и получать ответ, который иногда будет "кажется, ещё рано".

Там же в коде живут ещё два календарных правила: одну и ту же цифру-факт не повторять в постах раньше чем через 28 дней, а пост "для разработчиков" ставить не чаще раза в 3 дня. Оба - константы и сравнение дат. С 26 сентября по 19 октября 2026 через очередь со слотами прошло 69 постов за 24 дня, и время ни одному из них модель не придумывала.

Если интересно, почему вообще крон-обёртки, а не облачные агенты - я разбирал это в статье про Routines в Claude Code против парка крон-обёрток на VPS.

Когда в агента лучше встроить детерминированный алгоритм вместо LLM-вызова

Детерминированный алгоритм вместо LLM-вызова нужен, когда у задачи есть ровно один правильный ответ и его можно проверить кодом. Даты, сроки, "просрочено или нет", рабочие дни, перевод между поясами, сортировка по времени - всё это функции, а не суждения. Модели оставляют то, где правильных ответов много: текст, тон, выбор темы.

Моя фраза-граница: если правильность ответа проверяется юнит-тестом в одну строку - это работа для кода, а не для модели.

По этому же принципу я когда-то разводил баланс в игре: что LLM придумывает сама, а что пересчитывает симуляция - подробно в разборе баланса игры с нейросетью. С датами логика та же, только ещё жёстче: в балансе хотя бы есть "на глаз нормально", в дедлайне - нет.

Плюс деньги. Каждое "посчитай, сколько дней до релиза" через модель - это вызов с промптом, контекстом и ответом. Один раз - копейки, в агенте, который крутится по крону каждую минуту, - уже статья расходов на пустом месте. Как я считаю, во что реально обходится прогон агента, - в заметке про стоимость задачи, а не токена.

Как спроектировать агента, чтобы он не жёг токены на арифметике дат

Агент, который не жжёт токены на датах, получает время и календарные факты уже посчитанными. Модель не вычисляет "сколько осталось" и "прошло ли", а читает готовые поля: дату в ISO, метку "прошло / идёт / впереди", число дней до срока. Сравнение с текущим временем и любые сдвиги делает код до и после вызова модели.

Порядок, который у меня работает:

  1. Положи текущую дату и пояс в контекст явно, одной строкой: сейчас 2026-11-22 14:05 МСК. Без этого модель будет гадать.
  2. Не проси модель считать - отдай ей посчитанное. Cronofy пришли к тому же: добавили событию поле "прошло / идёт / будет", и проблема ушла. Легко посчитать, тяжело рассуждать - значит, считай заранее.
  3. Если модели всё же нужно назвать дату, пусть выдаёт структуру, а не прозу: {"offset_days": 7} или номер слота, а дату из этого соберёт код.
  4. Валидируй на входе: всё, что пришло от модели как дата, гоняй через strptime с жёстким форматом. Не распарсилось - ошибка валидации, ничего не публикуется. Так устроен планировщик веток: любая кривая дата в файле расписания - стоп всему файлу.
  5. Храни время в одном поясе и в одном формате по всей системе. У меня это МСК и YYYY-MM-DD HH:MM, у вас может быть UTC - главное, чтобы один.
  6. Решения "пора / рано / поздно" - только в коде, с окном просрочки. 3 часа для постов, 7 дней для тем: проще, чем объяснять модели, что такое "слишком поздно".

Если агент у вас дорос до конвейера из нескольких этапов, полезно сразу выделить такие "немодельные" шаги в отдельные скрипты. Про то, когда хватит одного чата, а когда пора собирать конвейер, я писал в отдельной статье про ИИ-агентов.

Когда дату можно доверить модели

Дату можно доверить модели, когда ошибка на день ничего не ломает, сегодняшняя дата лежит в контексте, операция простая и одинаковая, а итог всё равно проверяет код. Мой беклог тем - как раз такой случай: 139 сроков без промаха, но решение о протухании принимает SQL.

Не стоит заморачиваться с отдельным модулем, если агент пишет текст вроде "в конце ноября" или "через пару недель" - там точность и не нужна. И наоборот: всё, что публикуется по времени, списывает деньги, напоминает людям или закрывает задачи по сроку, - в код, без исключений.

Такие дела: модель отлично пишет пост про дедлайн. Ставить сам дедлайн - не её работа)

Частые вопросы

Хватит ли просто передать модели текущую дату в промпте?

Нет. Дата в контексте убирает гадание о сегодняшнем дне, но не учит модель календарной арифметике: по опыту Cronofy агент с текущим временем 11:00 не мог надёжно понять, что встреча в 9:00 уже прошла. Дату передавать надо, а сравнения и сдвиги всё равно делать кодом.

Какие модели лучше всех считают даты в 2026 году?

В прогоне date-math-bench (июль 2026, 101 вопрос) Claude Sonnet 4.6 ответил верно на все 101, Qwen3-27B на 99, а Claude Haiku, GPT-4o-mini и Llama 3.3 70B - на 85-89%, причём на рабочих днях дешёвые модели набрали 2-3 из 10.

Можно ли дать агенту инструмент для дат вместо кода в пайплайне?

Можно, но инструмент помогает, только если агент его вызвал. Надёжнее не просить модель считать вовсе: отдавать ей уже посчитанные поля (дата в ISO, метка 'прошло или впереди', дней до срока), а от неё принимать структуру вроде номера слота и собирать дату в коде.

Как готовился материал: черновик собран моим AI-конвейером по темам и заметкам из практики, факты сверены с первоисточниками, финальный текст я прочитал, поправил и утвердил перед публикацией. Обложку к статье тоже рисует нейросеть. Про сам конвейер — в разделе обо мне.

Влад Новиков
Пишу про AI-разработку без глянца. Новые разборы — сначала в канале.
Подписаться