GPT-6 Astra: Практическое руководство по эффективному использованию Codex, агентов и оптимизации затрат

Цель:

Научиться интеллектуально распределять Luna, Terra, Sol и Astra, чтобы максимизировать производительность, снизить затраты и поддерживать длительную работу агентских процессов.

OpenAI GPT-6 Astra, анонсированная 3 сентября 2026 года, представляет собой значительный скачок в способности агентов выполнять сложные вычислительные задачи, которые ранее требовали значительного вмешательства человека.

Но настоящая проблема больше не заключается в простом вопросе "может ли Astra выполнить эту задачу?".

Важный вопрос теперь звучит так:

Где Astra действительно приносит пользу, как нам следует распределять наши ресурсы, как мы можем заставить агентов работать дольше и как добиться всего этого с наименьшими затратами?

Эта статья в первую очередь предназначена для тех, кто регулярно использует Codex и агентов программирования, особенно в средах, близких к производственным.

Целевая аудитория

Это руководство предназначено для людей, которые:

• Используют агентов через Codex или OpenAI API в средах, близких к производственным.
• Хотят чередовать Luna, Terra, Sol и Astra, чтобы снизить ежемесячные расходы на API или инфраструктуру.
• Хотят создавать длительные рабочие процессы для: исчерпывающей отладки, крупных рефакторингов, использования компьютерных инструментов, математической верификации, автоматизированного тестирования и задач, требующих длительного поддержания контекста.

0. Предварительные требования

Развертывание, Enterprise, Daybreak и Доступность

Прежде чем пытаться оптимизировать Astra, необходимо сначала проверить, доступна ли модель для вашей учетной записи и среды.

Дата анонса

3 сентября 2026 года — официальный анонс

OpenAI — GPT-6 Astra

Развертывание

Согласно официальным объявлениям, Trusted Access/Daybreak будет одним из первых каналов развертывания.

Планы Plus, Pro, Business и Enterprise, а также API и AWS будут развернуты позже.

В корпоративных средах администратору может потребоваться явно включить доступ.

Важные моменты

• Enterprise: администратор должен включить его, когда это применимо.
• Бесплатный тариф: Astra не планируется как бесплатная модель.
• Кредиты: пользователи платных планов могут иметь дополнительные кредитные опции в зависимости от продукта.
• Кибербезопасность: некоторые расширенные возможности могут быть обусловлены конкретными путями доступа, такими как Daybreak.
• API model ID: gpt-6-astra.

Стандартная цена API

Согласно тарифам, указанным в этом документе:

• Ввод: $10 / миллион токенов.
• Вывод: $50 / миллион токенов.

Существуют разные тарифы и условия для определенных режимов, длинного контекста, кэширования и приоритетной обработки.

Фундаментальное правило:

то, что Astra не отображается в интерфейсе, не обязательно означает, что модель не существует для вашей организации. Сначала проверьте доступность, разрешения и развертывание.

Проверяя доступ, стратегию можно построить, используя Sol в качестве базовой модели.

1. Где Astra превосходит других и где достаточно Sol?

Astra разработана как высококлассная модель для профессиональных задач, особенно тех, которые связаны с:

• использованием компьютера,
• просмотром веб-страниц,
• разработкой программного обеспечения,
• агентами,
• наукой,
• математикой,
• сложными сквозными задачами.

Официальная документация позиционирует высококлассные модели для самых сложных сквозных задач.

Однако правильная стратегия заключается не в том, чтобы использовать Astra абсолютно для всего.

Правильная стратегия такова:

Используйте Astra только тогда, когда ее более высокая производительность действительно влияет на результат.

1.1. Где действительно проявляется разница?

Наиболее важные различия обычно проявляются в задачах, где сочетаются несколько факторов:

• несколько файлов или модулей,
• много последовательных шагов,
• интенсивное использование инструментов,
• взаимодействие с графическими интерфейсами,
• трудно воспроизводимые проблемы,
• математические рассуждения,
• длительная отладка,
• высокая стоимость ошибки,
• потеря контекста,
• необходимость долго придерживаться стратегии.

В повседневных и простых задачах разница может быть гораздо меньше.

Следовательно, хорошее правило таково:

Не спрашивайте, какая модель "лучше". Спросите, какая модель дешевле для правильного выполнения этой задачи.

1.2. OSWorld, Mind2Web и вопрос скорости

Такие бенчмарки, как OSWorld и Mind2Web, полезны для понимания различий между моделями, но их необходимо правильно интерпретировать.

В симуляциях задержки OSWorld 2.0, упомянутых в официальной документации, Astra достигла более высокой загрузки процессора, чем Sol, и показала примерно на 47% меньше времени на задачу в указанном сравнении.

Например:

• Astra: примерно 40 минут.
• Sol: примерно 75 минут.

Указанный показатель составил примерно:

• Astra: 72.6%
• Sol: 65.7%

Аналогично, документация указывает, что Astra + новая оснастка Codex может быть примерно в 1.9 раза быстрее, чем текущий опыт работы с Sol в некоторых тестах Mind2Web.

Но помните о двух вещах

1. Это бенчмарк.

Результат 1.9× на Mind2Web не означает, что каждая внутренняя задача в компании будет выполняться в 1.9 раза быстрее.

2. Тем не менее, это дает полезный сигнал.

Чем больше задача зависит от:

• экранов,
• инструментов,
• навигации,
• множества действий,
• промежуточных решений,

тем больше смысла оценивать комбинацию модель + агентская система, а не просто сравнивать токены в секунду.

1.3. Когда достаточно Sol?

Используйте Sol, Terra или Luna в первую очередь, когда:

• ответ может быть получен за один обмен;
• нужно изменить только один или два файла;
• тесты короткие;
• задача в основном связана с чтением;
• не требуется графический интерфейс;
• не нужны сложные инструменты;
• стоимость повторения работы низкая;
• сбой не влечет за собой серьезных последствий.

Astra начинает иметь смысл, когда происходит обратное.

Например:

• много файлов;
• несколько модулей;
• длинные цепочки инструментов;
• использование компьютера;
• сложная отладка;
• математическая верификация;
• задачи, где сбой подразумевает много переделок;
• потеря контекста во время длительного сеанса.

2. Конфигурация ChatGPT, API и Codex

2.1. ChatGPT: выбор Astra

Когда Astra станет доступна:

1. Откройте ChatGPT в Интернете или на рабочем столе.
2. Проверьте селектор модели.
3. Выберите Astra / GPT-6 Astra.
4. Если вы используете Codex, проверьте, доступна ли там та же модель.
5. Если Astra не отображается: проверьте план; проверьте корпоративные разрешения; проверьте развертывание; используйте Sol в качестве временной конфигурации.

Планы Pro, Business и Enterprise могут включать определенные варианты Astra. Не следует делать выводы только на основе имени, отображаемого в интерфейсе: всегда просматривайте описание, соответствующее плану.

2.2. API: model = "gpt-6-astra"

Базовая конфигурация состоит в указании модели в Responses API.

Важные соображения

• Для вызовов инструментов предпочтительно использовать Responses API.
• Astra не поддерживает reasoning.effort = "none".
• Если вы используете низкий уровень рассуждений, начните с небольшой конфигурации и увеличивайте ее только при необходимости.
• Некоторые традиционные параметры, такие как temperature или top_p, могут быть недоступны.
• Размещение данных в ЕС может налагать ограничения на Fast/Priority.
• Конфигурация кэша может быть перенесена в prompt_cache_options.ttl.

2.3. Codex: экспериментальное управление контекстом

Для длительных сеансов Codex может использовать механизмы управления контекстом, выходящие за рамки простого сжатия истории.

Идея состоит в том, чтобы сохранять важную информацию, такую как:

• проверенные гипотезы;
• отвергнутые гипотезы;
• проверенные файлы;
• выполненные тесты;
• полученные результаты;
• принятые решения.

Концептуальная конфигурация может быть такой:

К экспериментальной конфигурации управления контекстом следует относиться как к таковой и проверять ее на соответствие текущей версии Codex, прежде чем принимать в качестве стандарта для команды.

Почему это важно?

В сеансе отладки, длящемся несколько часов, потеря контекста может вынудить агента заново исследовать:

• какие гипотезы уже были отвергнуты;
• какие файлы уже были просмотрены;
• какие команды уже сработали;
• какие тесты уже были выполнены.

Ведение заметок сокращает эту повторяемость.

Важно:

никогда не храните конфиденциальную информацию, секреты, ключи API или чувствительные данные в постоянных заметках агента.

2.4. Утверждения и песочница

Цель автоматизации не должна заключаться в следующем:

"Чтобы агент мог делать абсолютно все."

Цель должна быть такой:

Автоматизируйте все, что обратимо, и оставляйте человеческое вмешательство только в необратимых точках или точках высокого риска.

Рекомендуемая интерактивная конфигурация в качестве отправной точки:

Агент может заниматься:

• чтением файлов;
• запуском тестов;
• анализом логов;
• внесением локальных изменений;
• созданием коммитов;
• подготовкой Pull Request;
• проверкой своей собственной работы;
• исправлением ошибок.

Человек должен сохранять контроль над:

• продакшеном;
• развертываниями;
• финальным слиянием;
• публикацией;
• отправкой внешней информации;
• изменением разрешений;
• необратимыми операциями;
• конфиденциальной информацией.

Утверждение должно стать последним контрольным пунктом, а не постоянным прерыванием всего процесса.

2.5. AGENTS.md и Навыки

Прежде чем начать важную работу с Codex, агент должен знать правила проекта.

Полезная архитектура такова:

AGENTS.md

Содержит:

• постоянные правила;
• разрешенную область действия;
• ограничения;
• условия завершения;
• обязательные тесты;
• точки утверждения человеком.

Навыки

Содержат:

• повторяющиеся процедуры;
• рабочие процессы;
• операционные контрольные списки;
• специализированные процессы.

MCP

Используется для:

• внешних подключений;
• сервисов;
• инструментов;
• источников данных.

Простое разделение может быть таким:

AGENTS.md = правила

Навыки = процедуры

MCP = подключения

Минимальный пример AGENTS.md

3. Как писать инструкции, использующие возможности Astra

Качество инструкций оказывает огромное влияние на долго работающих агентов.

Astra может быть очень чувствительна к:

• неоднозначностям;
• противоречиям;
• устаревшим инструкциям;
• противоречивым Навыкам;
• дублирующимся правилам.

Следовательно, хорошая конфигурация может улучшить производительность так же, как и смена модели.

3.1. Повышение автономности

Вместо создания инструкций, которые заставляют агента постоянно запрашивать подтверждение, четко определите пространство, в котором он может действовать самостоятельно.

3.2. Утверждение после проверяемых результатов

Одно из лучших правил для автономных агентов:

Сначала получите проверяемый результат; затем запросите утверждение для необратимого шага.

Это позволяет избежать шаблона:

агент → вопрос → человек → агент → вопрос → человек

и заменяет его на:

агент → исследует → реализует → тестирует → готовит результат → человек утверждает → финальное действие

3.3. Вопросы, не блокирующие основную задачу

В длительных сеансах может быть полезно разрешать независимые вопросы, не останавливая основной поток.

Хорошее правило таково:

Основная задача имеет фиксированное условие завершения в одно предложение. Если во время выполнения возникает независимый вопрос, кратко ответьте на него, не прерывая основную задачу. Останавливайте основной рабочий процесс только тогда, когда вопрос меняет направление задачи, область действия, разрешения или требуемый результат.

API также может использовать механизмы для отправки дополнительных инструкций во время выполнения и асинхронные инструменты для длительной работы.

3.4. Делегирование подагентам

Когда задачу можно распараллелить, делайте это явно.

Если распараллеливание, вероятно, сократит время выполнения или повысит качество, делегируйте независимые подзадачи другим агентам. Предпочитайте параллельную работу для независимых исследований, изменений на уровне модулей, проверки тестов, проверки документации и ревью кода. Поддерживайте лаконичность, явность и читаемость сообщений между агентами.

Примеры распараллеливания:

• Агент A → исследовать модуль аутентификации.
• Агент B → проанализировать тесты.
• Агент C → проверить типы.
• Агент D → проверить документацию.

Затем основной агент интегрирует результаты.

3.5. Контроль объема тестирования

Больше тестов не всегда означает лучший результат.

Для небольших изменений:

Цель состоит в том, чтобы предотвратить запуск огромной батареи ненужных тестов из-за тривиальной модификации.

3.6. Шаблон для длительной отладки

3.7. Шаблон для задач с компьютером и браузером

4. Максимизируйте ценность, а не количество токенов

Правильный вопрос не в том:

"Как мне потратить все токены Astra?"

Правильный вопрос в том:

"Как мне получить больше выполненной работы за каждый потраченный доллар?"

Согласно указанным тарифам:

Astra явно дороже за токен.

Но цена за токен не обязательно отражает фактическую стоимость выполнения задачи.

Если Astra достигает:

• меньшего количества ошибок;
• меньшего количества итераций;
• меньшего объема переделок;
• меньшего количества вызовов инструментов;
• меньшего общего времени;
• более высокого процента успеха;

тогда стоимость за выполненную задачу может быть конкурентоспособной или даже ниже.

4.1. Практическая таблица маршрутизации

Общее правило:

Luna/Terra для объема → Sol для стандартной работы → Astra для задач, которые действительно оправдывают ее стоимость.

4.2. Привычки, снижающие затраты

1. Сначала напишите условие завершения

Это уменьшает ненужное исследование.

1. Избегайте промежуточных монологов

Отдавайте предпочтение:

Состояние → Следующее действие → Результат

вместо бесконечных объяснений.

1. Отправляйте простые проверки экономичным моделям

Не тратьте Astra на:

• проверку формата;
• обобщение небольших логов;
• классификацию файлов;
• выполнение повторяющихся задач.

1. Стабилизируйте префикс инструкций

Поддержание согласованности системных/разработческих инструкций может способствовать эффективному использованию кэша.

1. Используйте быстрые режимы только тогда, когда они добавляют ценность

Если режим стоит дороже, он должен быть оправдан реальным сокращением времени выполнения.

4.3. Еженедельный аудит затрат

Каждую неделю просматривайте:

• задачи, выполненные с помощью Astra;
• причину, по которой она использовалась;
• результат;
• примерную стоимость;
• было бы достаточно Sol;
• было бы достаточно Terra;
• количество итераций;
• сбои;
• переделки.

Простое правило

Если вы не можете письменно объяснить:

"Astra была необходима, потому что..."

рассмотрите возможность переноса этой категории задач на более дешевую модель.

5. Рекомендуемый рабочий процесс

5.1. Длительная отладка

Шаг 1 — Классификация

Если есть несколько файлов, сложное воспроизведение или много инструментов:

Astra.

Если это просто:

Sol/Terra.

Шаг 2 — Ограничения

Определите в AGENTS.md:

• разрешенные файлы;
• запрещенные файлы;
• разрешенные команды;
• обязательные тесты;
• точки утверждения.

Шаг 3 — Конфигурация

model = "gpt-6-astra" approval_policy = "on-request" sandbox_mode = "workspace-write" [features.context_management] experimental_mode = true

Шаг 4 — Начало

Всегда начинайте с четкого условия завершения.

Шаг 5 — Журнал

Сохраняйте:

• гипотезы;
• тесты;
• результаты;
• проверенные файлы;
• решения.

Шаг 6 — Прерывания

Независимые вопросы не должны разрушать контекст основной задачи.

Шаг 7 — Результат

Агент может дойти до:

Pull Request готов к ревью.

Финальное слияние остается под контролем человека.

Шаг 8 — Обучение

Если одна и та же проблема возникает повторно:

превратите ее в

Навык

.

5.2. Крупномасштабный рефакторинг

Хорошо работает двухэтапная стратегия:

Этап 1 — Дешевое исследование

Используйте:

Luna → Terra → Sol

чтобы построить:

• карту зависимостей;
• влияние;
• затронутые модули;
• риски;
• план выполнения.

Этап 2 — Реализация

Используйте:

Astra

для модулей, которые действительно требуют более высокой производительности.

Этап 3 — Распараллеливание

Подагенты для:

• тестов;
• проверки типов;
• ревью;
• независимых модулей.

Этап 4 — Ревью человеком

Человек сосредотачивается на:

• архитектуре;
• публичных API;
• совместимости;
• необратимых решениях.

5.3. Использование компьютера

Для задач с браузером или графическим интерфейсом:

1. Четко определите целевой экран.
2. Определите запрещенные операции.
3. Используйте Astra, когда задача длинная или визуально сложная.
4. Используйте последнюю оснастку Codex, когда это применимо.
5. Регистрируйте состояния и процедуры.
6. Превратите результат в проверяемый результат.

Цифру 1.9× в Mind2Web следует интерпретировать только как бенчмарк, а не как гарантию внутренней производительности.

5.4. Агент на основе API

Концептуальная конфигурация:

Model: gpt-6-astra API: Responses Reasoning: low → high when required Tools: enabled Long-running tools: asynchronous when appropriate Human gate: final irreversible action

Для длительных инструментов:

Используйте асинхронное выполнение инструмента, когда время выполнения инструмента достаточно велико, чтобы блокирующее синхронное выполнение снижало пропускную способность.

Если уровень сложности меняется во время выполнения:

Увеличивайте усилия по рассуждению только тогда, когда задача становится действительно сложной. Возвращайтесь к более низкому уровню рассуждений для рутинного выполнения, когда это уместно.

Идея состоит в том, чтобы резервировать самые дорогие ресурсы для моментов, которые действительно в них нуждаются.

6. Что делать и чего не делать

Что делать

• Оставляйте Astra для задач, где она действительно имеет значение.
• Проверяйте на наличие несоответствий между AGENTS.md и Навыками.
• Оставляйте утверждения в качестве последнего контрольного пункта.
• Создавайте проверяемые результаты перед запросом авторизации.
• Активируйте управление контекстом для длительных задач, когда это применимо.
• Регистрируйте гипотезы, тесты и результаты.
• Относитесь к бенчмаркам как к руководству, а не как к внутреннему KPI.
• Измеряйте процент успеха и время на задачу.
• С самого начала проверяйте, требует ли задача Daybreak.
• Храните конфиденциальную информацию вне постоянных заметок.

Чего не делать

• Не используйте Astra для каждого мелкого вопроса.
• Не интерпретируйте рекламные фразы как технические характеристики.
• Не относитесь к отдельным сообщениям в X или Reddit как к официальной документации.
• Не объявляйте о корпоративном развертывании до того, как администратор его включит.
• Не давайте автоматический доступ к необратимым операциям.
• Не храните секреты или конфиденциальную информацию в файлах контекста.
• Не запускайте огромные батареи тестов для тривиальных изменений.
• Не используйте внешние бенчмарки в качестве замены внутренним метрикам.

7. 60-минутный план внедрения

0–5 минут

Проверьте, доступен ли gpt-6-astra:

• селектор модели;
• API;
• Codex.

Если это Enterprise, проверьте разрешения администратора.

5–15 минут

Проверьте:

model = "gpt-6-astra" approval_policy = "on-request" sandbox_mode = "workspace-write"

И для экспериментов с контекстом:

[features.context_management] experimental_mode = true

При необходимости перезапустите Codex.

15–25 минут

Обновите AGENTS.md:

• область действия;
• ограничения;
• тесты;
• условия завершения;
• точки утверждения.

25–35 минут

Создайте таблицу маршрутизации:

Luna → Terra → Sol → Astra

35–55 минут

Выполните реальную задачу отладки ограниченного объема с помощью Astra.

Используйте явное условие завершения.

55–60 минут

Зарегистрируйте:

• Была ли Astra действительно необходима?
• Было бы достаточно Sol?
• Какого объема переделок удалось избежать?
• Какая конфигурация сработала?
• Что должно стать Навыком?

Этого достаточно.

Вам не нужно тестировать каждую доступную функцию.

Распределение + лимиты + длительные сеансы = основа для использования Astra.

8. Повторяющиеся практические шаблоны

1. Двухступенчатая ракета

Экономичная модель → Astra

Сначала:

• исследование;
• определение объема;
• анализ.

Затем:

• сложная реализация;
• интеграция;
• верификация.

2. Условие завершения с самого начала

В длинных агентах напишите в первой части инструкции:

"Задача будет завершена, когда..."

Это предотвращает бесцельное исследование.

3. Контекст и ведение заметок

Для длительных работ сохраняйте:

• гипотезы;
• результаты;
• решения;
• тесты;
• важные файлы.

Не полагайтесь исключительно на сжатую память агента.

4. Утверждение должно быть последним шагом

Не прерывайте постоянно.

Лучше:

Исследовать → реализовать → протестировать → подготовить результат → проверить → утвердить → выполнить необратимое действие

5. Бенчмарки как руководство

Mind2Web и OSWorld могут помочь вам решить, что тестировать.

Но настоящие KPI должны быть внутренними:

• процент успеха;
• время выполнения;
• стоимость задачи;
• количество итераций;
• переделки;
• вмешательство человека.

9. Распространенные ошибки

Прежде чем сделать вывод:

"Astra слабая."

сначала проверьте в следующем порядке:

1. Видимость

Действительно ли модель доступна?

1. Инфраструктура

Обновлен ли Codex и правильно ли он настроен?

1. Подсказка

Понятны ли инструкции?

1. AGENTS.md

Есть ли противоречивые правила?

1. Навыки

Есть ли устаревшие или противоречивые процедуры?

1. Маршрутизация

Используете ли вы правильную модель для задачи?

Часто проблема не в производительности модели.

Это среда, в которой работает модель.

10. Контрольный список внедрения для команд

• Определите, кто будет использовать Astra.
• Активируйте необходимые административные разрешения.
• Установите ответственного и срок.
• Создайте таблицу маршрутизации Luna/Terra/Sol/Astra.
• Создайте минимальный AGENTS.md.
• Определите approval_policy.
• Определите sandbox_mode.
• Определите точки вмешательства человека.
• Задокументируйте конфиденциальные операции.
• Установите еженедельный обзор затрат.
• Регистрируйте, какие задачи действительно требуют Astra.
• Превращайте повторяющиеся ошибки в Навыки.

Приоритетом должно быть сокращение количества ошибок и переделок в команде, а не просто максимизация скорости отдельного агента.

11. Дерево решений: Sol vs. Astra

Используйте эту последовательность в начале задачи:

1. Может ли она быть выполнена за один обмен?

Да → Luna / Terra / Sol

Нет → продолжить.

1. Требует ли она графический интерфейс, инструменты или много шагов?

Да → Astra

Нет → продолжить.

1. Высока ли стоимость неудачи?

Да → Astra

Нет → Sol/Terra

1. Может ли сложность задачи измениться во время выполнения?

Да → рассмотрите Astra + динамическую регулировку рассуждений.

1. Astra все еще недоступна?

Выполните тот же рабочий процесс с Sol.

Когда Astra появится, измените только модель и сохраните структуру.

12. Миграция API на Astra

Рекомендуемый порядок таков:

1. Измените модель

model = "gpt-6-astra"

1. Используйте Responses API

Особенно если есть вызовы инструментов.

1. Проверьте рассуждения

Astra не использует:

reasoning.effort = "none"

Начните с низкого уровня, когда этого достаточно.

1. Удалите ненужные параметры

Проверьте такие параметры, как:

temperature top_p

если модель или конечная точка больше их не поддерживают.

1. Проверьте кэш

Перенесите в:

prompt_cache_options.ttl

когда это применимо.

1. Проверьте размещение данных

Если вы используете требования к инфраструктуре или размещению в ЕС, проверьте соответствующие ограничения.

1. Динамически регулируйте рассуждения

Во время сложной задачи:

Увеличивайте усилия по рассуждению, когда задача становится действительно сложной.

Во время рутинных операций:

Возвращайтесь к более низкому уровню рассуждений, когда дополнительные рассуждения больше не нужны.

1. Длинные инструменты

Рассмотрите асинхронное выполнение, когда время работы инструмента это оправдывает.

13. Минимальная конфигурация Codex

Начальная конфигурация может быть такой:

model = "gpt-6-astra" model_reasoning_effort = "high" approval_policy = "on-request" sandbox_mode = "workspace-write" [features.context_management] experimental_mode = true

И репозиторий должен содержать AGENTS.md, который определяет:

AGENTS.md

Цель

• Минимизировать изменения.
• Завершение требует прохождения всех обязательных тестов.

Разрешенная область

• src/
• tests/

Точки согласования

• Развертывание в production
• Передача данных вовне
• Изменение разрешений
• Финальное слияние

Режим работы

• Работать автономно в пределах разрешенной области.
• Предпочитать обратимые действия.
• Предоставлять проверяемые результаты перед запросом одобрения.
• Не задавать ненужных подтверждающих вопросов.

После изменения конфигурации:

1. перезапустить Codex;
2. выполнить небольшую задачу на чтение;
3. убедиться, что среда работает;
4. приступить к основной задаче.

14. Определите «максимальное использование» одной фразой

В этом документе максимальное использование не означает потребление максимального количества токенов.

Это означает:

Сосредоточить Astra на задачах, где она действительно может принести пользу, выполнять всё остальное экономно и создать прочную основу из инструкций, ограничений, разрешений и управления контекстом, чтобы длительные задачи завершались без лишних прерываний.

Из этого определения вытекает несколько решений:

• Лучше обновлять таблицу маршрутизации еженедельно, чем произвольно менять модели.
• Лучше провести реальный отладочный тест, чем пробовать каждую новую функцию.
• Лучше измерять успех и время на задачу, чем гнаться за бенчмарками.
• Нельзя превращать рекламные фразы во внутренние спецификации.
• Если Astra недоступна, в качестве временной замены можно использовать Sol.

15. Три фундаментальных результата

В конечном итоге вся эта система должна выдавать три элемента:

1. Таблица динамического распределения

Определяет, когда использовать:

Luna / Terra / Sol / Astra

2. AGENTS.md

Определяет:

• правила;
• область;
• ограничения;
• тесты;
• условия завершения;
• контрольные точки для человека.

3. Длинный операционный промпт

Должен определять:

• роль;
• цель;
• условия завершения;
• процедуру;
• ограничения;
• инструменты;
• валидацию;
• формат вывода.

Эти три элемента важнее, чем запоминание всего каталога функций.

16. Карточка классификации для копирования

Используйте эту карточку в начале каждой важной сессии:

Карточка не обязана быть идеальной.

Её цель — сформировать привычку классифицировать.

Если вы рекомендуете Astra, но задача требует лишь коротких ответов, вы, вероятно, используете модель избыточного размера.

Если Sol постоянно терпит неудачу из-за потери контекста или невозможности завершить длинную цепочку действий, вероятно, пора переходить на Astra.

17. Как на самом деле думать о цене

Тарифы за миллион токенов — лишь часть уравнения.

Например:

Astra

• Ввод: $10
• Вывод: $50

Sol

• Ввод: $4
• Вывод: $20

Astra стоит дороже.

Но давайте представим:

Sol

$5 за токены + 4 попытки + 2 неудачи + доработка человеком = высокая фактическая стоимость

Astra

$12 за токены + 1 попытка + правильный результат = более низкая общая стоимость за задачу

Поэтому для коротких задач:

Цена за токен имеет большое значение.

Для длинных задач:

Стоимость за выполненную задачу имеет гораздо большее значение.

Итоговой метрикой должно быть:

Стоимость × процент успеха × время × вмешательство человека

а не просто:

$/1 млн токенов

Заключение

Цель Astra не в том, чтобы сделать её моделью по умолчанию для всего.

Цель — построить систему, в которой каждая модель выполняет работу, для которой она наиболее эффективна.

Luna

Объёмные и простые задачи.

Terra

Баланс между стоимостью и возможностями.

Sol

Стандартная работа и общее программирование.

Astra

Сложные, длительные, агентные, GUI, математические, отладочные задачи и работы, где ошибка дорого обходится.

Самый мощный паттерн:

Исследовать дёшево → спланировать → выполнить с Astra при необходимости → проверить → подготовить проверяемый результат → вмешательство человека только на финальной контрольной точке.

Настоящая оптимизация — это не использование Astra чаще.

Это точное знание, когда Astra оправдана.

И чем сложнее агенты, тем важнее инфраструктура вокруг них: AGENTS.md, навыки, песочница, разрешения, управление контекстом.