GPT-6 Astra: Практичний посібник з оптимізації Codex, агентів та витрат

Мета:

навчитися розумно розподіляти Luna, Terra, Sol та Astra, щоб максимізувати продуктивність, зменшити витрати та підтримувати роботу агентських робочих процесів протягом тривалого часу.

OpenAI GPT-6 Astra, анонсована 3 вересня 2026 року, є значним стрибком у здатності агентів виконувати складні обчислювальні завдання, які раніше вимагали значного втручання людини.

Але справжній виклик більше не полягає в простому запитанні "чи може Astra виконати це завдання?".

Важливе питання тепер таке:

Де Astra дійсно додає цінності, як нам слід розподіляти наші ресурси, як ми можемо змусити агентів працювати довше і як досягти всього цього з найменшими можливими витратами?

Ця стаття в першу чергу призначена для тих, хто регулярно використовує Codex та програмні агенти, особливо в середовищах, близьких до виробничих.

Цільова аудиторія

Цей посібник розроблений для людей, які:

• Використовують агентів через Codex або OpenAI API в середовищах, близьких до виробничих.
• Хочуть чергувати Luna, Terra, Sol та Astra, щоб зменшити щомісячні витрати на API або інфраструктуру.
• Хочуть створювати довготривалі робочі процеси для: вичерпного налагодження, великих рефакторингів, використання комп'ютерних інструментів, математичної верифікації, автоматизованого тестування та завдань, які вимагають тривалого утримання контексту.

0. Передумови

Розгортання, Enterprise, Daybreak та доступність

Перш ніж намагатися оптимізувати Astra, ви повинні спочатку перевірити, чи модель дійсно доступна для вашого облікового запису та середовища.

Дата анонсу

3 вересня 2026 року — офіційний анонс

OpenAI — GPT-6 Astra

Розгортання

Згідно з офіційними оголошеннями, Trusted Access/Daybreak буде одним із перших каналів розгортання.

Плани Plus, Pro, Business та Enterprise, а також API та AWS будуть розгорнуті пізніше.

У корпоративних середовищах адміністратору може знадобитися явно ввімкнути доступ.

Важливі моменти

• Enterprise: адміністратор повинен увімкнути, коли це застосовно.
• Безкоштовний рівень: Astra не планується як безкоштовна модель.
• Кредити: користувачі платних планів можуть мати додаткові варіанти кредитів залежно від продукту.
• Кібербезпека: деякі розширені можливості можуть залежати від конкретних шляхів доступу, таких як Daybreak.
• ID моделі API: gpt-6-astra.

Стандартна ціна API

Відповідно до тарифів, зазначених у цьому документі:

• Введення: $10 / мільйон токенів.
• Виведення: $50 / мільйон токенів.

Існують різні тарифи та умови для певних режимів, довгих контекстів, кешування та пріоритетної обробки.

Фундаментальне правило:

те, що Astra не відображається в інтерфейсі, не обов'язково означає, що модель не існує для вашої організації. Спочатку перевірте доступність, дозволи та розгортання.

Під час перевірки доступу стратегію можна побудувати, використовуючи Sol як базову модель.

1. Де Astra перевершує, а де достатньо Sol?

Astra розроблена як високоякісна модель для професійних завдань, особливо пов'язаних з:

• використанням комп'ютера,
• переглядом веб-сторінок,
• програмною інженерією,
• агентами,
• наукою,
• математикою,
• складними наскрізними завданнями.

Офіційна документація позиціонує високоякісні моделі для найскладніших наскрізних завдань.

Правильна стратегія, однак, полягає не у використанні Astra для абсолютно всього.

Правильна стратегія така:

Використовуйте Astra лише тоді, коли її вища потужність має реальний вплив на результат.

1.1. Де дійсно проявляється різниця?

Найважливіші відмінності зазвичай проявляються в завданнях, де поєднується кілька факторів:

• кілька файлів або модулів,
• багато послідовних кроків,
• інтенсивне використання інструментів,
• взаємодія з графічними інтерфейсами,
• важковідтворювані проблеми,
• математичні міркування,
• тривале налагодження,
• висока вартість помилки,
• втрата контексту,
• необхідність тривало підтримувати стратегію.

У повсякденних і простих завданнях різниця може бути набагато меншою.

Отже, хороше правило:

Не питайте, яка модель "краща". Запитайте, яка модель дешевша для правильного виконання цього завдання.

1.2. OSWorld, Mind2Web та питання швидкості

Такі бенчмарки, як OSWorld та Mind2Web, корисні для розуміння відмінностей між моделями, але їх потрібно правильно інтерпретувати.

У симуляціях затримки OSWorld 2.0, згаданих в офіційній документації, Astra досягла вищого використання процесора, ніж Sol, і показала приблизно на 47% менше часу на завдання у зазначеному порівнянні.

Наприклад:

• Astra: приблизно 40 хвилин.
• Sol: приблизно 75 хвилин.

Зазначений бал становив приблизно:

• Astra: 72.6%
• Sol: 65.7%

Крім того, документація вказує, що Astra + новий механізм Codex може бути приблизно в 1.9 рази швидшим, ніж поточний досвід Sol у певних тестах Mind2Web.

Але пам'ятайте дві речі

1. Це бенчмарк.

Результат 1.9× на Mind2Web не означає, що кожне внутрішнє завдання в компанії буде в 1.9 рази швидшим.

2. Він все ж дає корисний сигнал.

Чим більше завдання залежить від:

• екранів,
• інструментів,
• навігації,
• множинних дій,
• проміжних рішень,

тим більше сенсу оцінювати комбінацію модель + система агента, а не просто порівнювати токени в секунду.

1.3. Коли достатньо Sol?

Використовуйте Sol, Terra або Luna спочатку, коли:

• відповідь можна завершити одним обміном;
• потрібно змінити лише один або два файли;
• тести короткі;
• завдання в основному полягає в читанні;
• не потрібен графічний інтерфейс;
• не потрібні складні інструменти;
• вартість повторення роботи низька;
• невдача не має серйозних наслідків.

Astra починає мати сенс, коли відбувається протилежне

Наприклад:

• багато файлів;
• кілька модулів;
• довгі ланцюжки інструментів;
• використання комп'ютера;
• складне налагодження;
• математична верифікація;
• завдання, де невдача передбачає багато переробки;
• втрата контексту під час тривалої сесії.

2. ChatGPT, API та конфігурація Codex

2.1. ChatGPT: вибір Astra

Коли Astra стане доступною:

1. Відкрийте ChatGPT у веб-версії або на робочому столі.
2. Перевірте селектор моделі.
3. Виберіть Astra / GPT-6 Astra.
4. Якщо ви використовуєте Codex, перевірте, чи доступна там та сама модель.
5. Якщо Astra не відображається: перевірте план; перевірте дозволи Enterprise; перевірте розгортання; використовуйте Sol як тимчасову конфігурацію.

Плани Pro, Business та Enterprise можуть включати специфічні варіанти Astra. Не варто робити висновки лише на основі назви, що відображається в інтерфейсі: завжди переглядайте опис, що відповідає плану.

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

Основна конфігурація полягає у вказанні моделі в Responses API.

Важливі міркування

• Для викликів інструментів бажано використовувати Responses API.
• Astra не підтримує reasoning.effort = "none".
• Якщо ви використовуєте низький рівень міркувань, почніть з невеликої конфігурації та збільшуйте лише за необхідності.
• Деякі традиційні параметри, такі як temperature або top_p, можуть бути недоступні.
• Розташування даних у ЄС може накладати обмеження на Fast/Priority.
• Конфігурацію кешу можна перенести на prompt_cache_options.ttl.

2.3. Codex: експериментальне керування контекстом

Для тривалих сесій Codex може використовувати механізми керування контекстом, які виходять за рамки простого стиснення історії.

Ідея полягає в тому, щоб зберігати важливу інформацію, таку як:

• досліджені гіпотези;
• відкинуті гіпотези;
• перевірені файли;
• виконані тести;
• отримані результати;
• прийняті рішення.

Концептуальна конфігурація може бути:

До експериментальної конфігурації керування контекстом слід ставитися як до такої та перевіряти її на поточній версії Codex перед прийняттям як стандарту команди.

Чому це важливо?

У сеансі налагодження, що триває кілька годин, втрата контексту може змусити агента повторно досліджувати:

• які гіпотези вже були відкинуті;
• які файли вже були переглянуті;
• які команди вже спрацювали;
• які тести вже були виконані.

Ведення нотаток зменшує це повторення.

Важливо:

ніколи не зберігайте конфіденційну інформацію, секрети, ключі API або чутливі дані в постійних нотатках агента.

2.4. Схвалення та пісочниця

Мета автоматизації не повинна бути:

"Щоб агент міг робити абсолютно все."

Мета повинна бути:

Автоматизуйте все, що є зворотним, і залишайте втручання людини лише в незворотних або високоризикових точках.

Рекомендована інтерактивна конфігурація як відправна точка:

Агент може піклуватися про:

• читання файлів;
• запуск тестів;
• аналіз журналів;
• внесення локальних змін;
• створення комітів;
• підготовку Pull Request;
• перевірку власної роботи;
• виправлення помилок.

Людина повинна зберігати контроль над:

• виробництвом;
• розгортаннями;
• остаточним злиттям;
• публікацією;
• надсиланням зовнішньої інформації;
• зміною дозволів;
• незворотними операціями;
• конфіденційною інформацією.

Схвалення має стати останньою контрольною точкою, а не постійним перериванням протягом усього процесу.

2.5. AGENTS.md та Skills

Перш ніж розпочати важливу роботу з Codex, агент повинен знати правила проекту.

Корисна архітектура:

AGENTS.md

Містить:

• постійні правила;
• дозволену область;
• обмеження;
• умови завершення;
• обов'язкові тести;
• точки схвалення людиною.

Skills

Містять:

• повторювані процедури;
• робочі процеси;
• операційні контрольні списки;
• спеціалізовані процеси.

MCP

Використовується для:

• зовнішніх з'єднань;
• сервісів;
• інструментів;
• джерел даних.

Простий поділ був би:

AGENTS.md = правила

Skills = процедури

MCP = з'єднання

Мінімальний приклад AGENTS.md

3. Як писати інструкції, які використовують Astra

Якість інструкцій має величезний вплив на довготривалих агентів.

Astra може бути дуже чутливою до:

• неоднозначностей;
• суперечностей;
• застарілих інструкцій;
• неузгоджених Skills;
• дублюючих правил.

Отже, хороша конфігурація може покращити продуктивність так само, як і зміна моделей.

3.1. Підвищення автономності

Замість створення інструкцій, які змушують агента постійно запитувати підтвердження, чітко визначте простір, у якому він може діяти самостійно.

3.2. Схвалення після результатів, що підлягають перевірці

Одне з найкращих правил для автономних агентів:

Спочатку створіть результат, який можна перевірити; потім запитайте схвалення для незворотного кроку.

Це дозволяє уникнути шаблону:

агент → запитання → людина → агент → запитання → людина

і замінює його на:

агент → досліджує → впроваджує → тестує → готує результат → людина схвалює → остаточна дія

3.3. Запитання, які не блокують основне завдання

У тривалих сесіях може бути корисно дозволяти незалежні запитання, не зупиняючи основний потік.

Хороше правило:

Основне завдання має фіксовану умову завершення в одному реченні. Якщо під час виконання з'являється незалежне запитання, дайте коротку відповідь, не перериваючи основного завдання. Зупиняйте основний робочий процес лише тоді, коли запитання змінює напрямок завдання, обсяг, дозволи або необхідний результат.

API також може використовувати механізми для надсилання додаткових інструкцій під час виконання та асинхронні інструменти для тривалої роботи.

3.4. Делегування підагентам

Коли завдання можна розпаралелити, робіть це явно.

Якщо розпаралелювання, ймовірно, скоротить час виконання або покращить якість, делегуйте незалежні підзавдання іншим агентам. Віддавайте перевагу паралельній роботі для незалежних досліджень, змін на рівні модулів, перевірки тестів, перевірки документації та рецензування коду. Підтримуйте міжагентські повідомлення лаконічними, явними та читабельними.

Приклади розпаралелювання:

• Агент A → дослідити модуль автентифікації.
• Агент B → проаналізувати тести.
• Агент C → перевірити типи.
• Агент D → перевірити документацію.

Потім головний агент інтегрує результати.

3.5. Контроль обсягу тестування

Більше тестів не завжди означає кращий результат.

Для невеликих змін:

Мета полягає в тому, щоб запобігти запуску величезної батареї непотрібних тестів через тривіальну модифікацію.

3.6. Шаблон для тривалого налагодження

3.7. Шаблон для завдань з комп'ютером та браузером

4. Максимізуйте цінність, а не кількість токенів

Правильне питання не таке:

"Як я можу витратити всі токени Astra?"

Правильне питання:

"Як я можу отримати більше виконаної роботи за кожен витрачений долар?"

Відповідно до зазначених тарифів:

Astra явно дорожча за токен.

Але ціна за токен не обов'язково відображає фактичну вартість виконання завдання.

Якщо Astra досягає:

• меншої кількості помилок;
• меншої кількості ітерацій;
• меншої переробки;
• меншої кількості викликів інструментів;
• меншого загального часу;
• вищого рівня успіху;

тоді вартість виконаного завдання може бути конкурентоспроможною або навіть нижчою.

4.1. Практична таблиця маршрутизації

Загальне правило:

Luna/Terra для обсягу → Sol для стандартної роботи → Astra для завдань, які дійсно виправдовують свою вартість.

4.2. Звички, які знижують витрати

1. Спочатку напишіть умову завершення

Це зменшує непотрібне дослідження.

1. Уникайте проміжних монологів

Віддавайте перевагу:

Стан → Наступна дія → Результат

замість нескінченних пояснень.

1. Надсилайте прості перевірки економним моделям

Не витрачайте Astra на:

• перевірку формату;
• підсумовування невеликих журналів;
• класифікацію файлів;
• виконання повторюваних завдань.

1. Стабілізуйте префікс інструкцій

Підтримка узгодженості системних/розробницьких інструкцій може сприяти ефективному використанню кешу.

1. Використовуйте швидкі режими лише тоді, коли вони додають цінності

Якщо режим коштує дорожче, він повинен бути виправданий реальним скороченням часу виконання.

4.3. Щотижневий аудит витрат

Щотижня переглядайте:

• завдання, виконані за допомогою Astra;
• причину, чому вона використовувалася;
• результат;
• приблизну вартість;
• чи було б достатньо Sol;
• чи було б достатньо Terra;
• кількість ітерацій;
• невдачі;
• переробку.

Просте правило

Якщо ви не можете письмово пояснити:

"Astra була необхідна, тому що..."

розгляньте можливість перенесення цієї категорії завдань на нижчу модель.

5. Рекомендований робочий процес

5.1. Тривале налагодження

Крок 1 — Класифікація

Якщо є кілька файлів, складне відтворення або багато інструментів:

Astra.

Якщо це просто:

Sol/Terra.

Крок 2 — Обмеження

Визначте в AGENTS.md:

• дозволені файли;
• заборонені файли;
• дозволені команди;
• обов'язкові тести;
• точки схвалення.

Крок 3 — Конфігурація

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

Крок 4 — Початок

Завжди починайте з чіткої умови завершення.

Крок 5 — Журнал

Зберігайте:

• гіпотези;
• тести;
• результати;
• перевірені файли;
• рішення.

Крок 6 — Переривання

Незалежні запитання не повинні знищувати контекст основного завдання.

Крок 7 — Результат

Агент може дійти до:

Pull Request готовий до перевірки.

Остаточне злиття залишається під контролем людини.

Крок 8 — Навчання

Якщо та сама проблема виникає повторно:

перетворіть її на

Skill

.

5.2. Масштабний рефакторинг

Добре працює двоетапна стратегія:

Етап 1 — Дешеве дослідження

Використовуйте:

Luna → Terra → Sol

щоб побудувати:

• карту залежностей;
• вплив;
• уражені модулі;
• ризики;
• план виконання.

Етап 2 — Впровадження

Використовуйте:

Astra

для модулів, які дійсно вимагають вищої потужності.

Етап 3 — Розпаралелювання

Підагенти для:

• тестів;
• перевірки типів;
• рецензування;
• незалежних модулів.

Етап 4 — Перевірка людиною

Людина зосереджується на:

• архітектурі;
• публічних API;
• сумісності;
• незворотних рішеннях.

5.3. Використання комп'ютера

Для завдань з браузером або графічним інтерфейсом:

1. Чітко визначте цільовий екран.
2. Визначте заборонені операції.
3. Використовуйте Astra, коли завдання тривале або візуально складне.
4. Використовуйте останній механізм Codex, коли це можливо.
5. Записуйте стани та процедури.
6. Перетворіть результат на результат, який можна перевірити.

Показник 1.9× у Mind2Web слід інтерпретувати лише як бенчмарк, а не як гарантію внутрішньої продуктивності.

5.4. Агент на основі API

Концептуальна конфігурація:

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 довготривалих інструментів:

Використовуйте асинхронне виконання інструментів, коли час виконання інструменту достатньо довгий, щоб блокування синхронного виконання знизило пропускну здатність.

Якщо рівень складності змінюється під час виконання:

Збільшуйте зусилля для міркувань лише тоді, коли завдання стає дійсно складним. Повертайтеся до нижчого рівня міркувань для рутинного виконання, коли це доречно.

Ідея полягає в тому, щоб резервувати найдорожчі ресурси для моментів, які дійсно їх потребують.

6. Що робити і чого не робити

Робити

• Резервуйте Astra для завдань, де вона має реальне значення.
• Перевіряйте неузгодженості між AGENTS.md та Skills.
• Залишайте схвалення як останню контрольну точку.
• Створюйте результати, які можна перевірити, перед запитом авторизації.
• Активуйте керування контекстом для тривалих завдань, коли це можливо.
• Записуйте гіпотези, тести та результати.
• Ставтеся до бенчмарків як до орієнтирів, а не внутрішніх KPI.
• Вимірюйте рівень успіху та час на завдання.
• Перевіряйте з самого початку, чи вимагає завдання Daybreak.
• Тримайте конфіденційну інформацію подалі від постійних нотаток.

Не робити

• Використовувати Astra для кожного дрібного запитання.
• Інтерпретувати рекламні фрази як технічні специфікації.
• Ставитися до окремих дописів на X або Reddit як до офіційної документації.
• Оголошувати корпоративне розгортання до того, як адміністратор його ввімкне.
• Надавати автоматичний доступ до незворотних операцій.
• Зберігати секрети або конфіденційну інформацію в файлах контексту.
• Запускати величезні батареї тестів для тривіальних змін.
• Використовувати зовнішні бенчмарки як заміну внутрішнім метрикам.

7. План впровадження на 60 хвилин

0–5 хвилин

Перевірте, чи доступна gpt-6-astra:

• селектор моделі;
• API;
• Codex.

Якщо це Enterprise, перевірте дозволи адміністратора.

5–15 хвилин

Перевірте:

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

І, для експериментів з контекстом:

[features.context_management] experimental_mode = true

Перезапустіть Codex, якщо необхідно.

15–25 хвилин

Оновіть AGENTS.md:

• обсяг;
• обмеження;
• тести;
• умови завершення;
• точки схвалення.

25–35 хвилин

Створіть таблицю маршрутизації:

Luna → Terra → Sol → Astra

35–55 хвилин

Виконайте реальне завдання з налагодження обмеженого обсягу за допомогою Astra.

Використовуйте явну умову завершення.

55–60 хвилин

Запишіть:

• Чи дійсно Astra була необхідна?
• Чи було б достатньо Sol?
• Скільки переробки вона запобігла?
• Яка конфігурація спрацювала?
• Що має стати Skill?

Цього достатньо.

Вам не потрібно тестувати кожну доступну функцію.

Розподіл + обмеження + тривалі сесії = основа для використання Astra.

8. Повторювані практичні шаблони

1. Двоступенева ракета

Економічна модель → Astra

Спочатку:

• дослідження;
• визначення обсягу;
• аналіз.

Потім:

• складне впровадження;
• інтеграція;
• верифікація.

2. Умова завершення з самого початку

У довготривалих агентів напишіть у першій частині інструкції:

"Завдання буде завершено, коли..."

Це запобігає безцільному дослідженню.

3. Контекст і ведення нотаток

Для тривалих завдань зберігайте:

• гіпотези;
• результати;
• рішення;
• тести;
• важливі файли.

Не покладайтеся виключно на стиснену пам'ять агента.

4. Схвалення має бути останнім кроком

Не переривайте постійно.

Краще:

Дослідити → впровадити → протестувати → підготувати результат → перевірити → схвалити → виконати незворотну дію

5. Бенчмарки як орієнтири

Mind2Web та OSWorld можуть допомогти вам вирішити, що тестувати.

Але реальні KPI мають бути внутрішніми:

• рівень успіху;
• час виконання;
• вартість завдання;
• кількість ітерацій;
• переробка;
• втручання людини.

9. Поширені помилки

Перш ніж зробити висновок:

"Astra слабка."

спочатку перевірте, в такому порядку:

1. Видимість

Чи дійсно модель доступна?

1. Фреймворк

Чи оновлено Codex і чи правильно він налаштований?

1. Підказка

Чи зрозумілі інструкції?

1. AGENTS.md

Чи є суперечливі правила?

1. Skills

Чи є застарілі або неузгоджені процедури?

1. Маршрутизація

Чи використовуєте ви правильну модель для роботи?

Часто проблема не в потужності моделі.

Це середовище, в якому працює модель.

10. Контрольний список впровадження для команд

• Визначте, хто буде використовувати Astra.
• Активуйте необхідні адміністративні дозволи.
• Встановіть відповідального та термін.
• Створіть таблицю маршрутизації Luna/Terra/Sol/Astra.
• Створіть мінімальний AGENTS.md.
• Визначте approval_policy.
• Визначте sandbox_mode.
• Визначте точки втручання людини.
• Задокументуйте конфіденційні операції.
• Встановіть щотижневий перегляд витрат.
• Записуйте, які завдання дійсно потребують Astra.
• Перетворюйте повторювані помилки на Skills.

Пріоритетом має бути зменшення помилок команди та переробки, а не просто максимізація швидкості окремого агента.

11. Дерево рішень: Sol проти Astra

Використовуйте цю послідовність на початку завдання:

1. Чи можна його завершити одним обміном?

Так → Luna / Terra / Sol

Ні → продовжуйте.

1. Чи потребує воно графічного інтерфейсу, інструментів або багатьох кроків?

Так → Astra

Ні → продовжуйте.

1. Чи висока вартість невдачі?

Так → Astra

Ні → Sol/Terra

1. Чи може складність завдання змінитися під час виконання?

Так → розгляньте Astra + динамічне регулювання міркувань.

1. Чи Astra все ще недоступна?

Виконайте той самий робочий процес із Sol.

Коли з'явиться Astra, змініть лише модель і збережіть структуру.

12. Міграція API на Astra

Рекомендований порядок:

1. Змініть модель

model = "gpt-6-astra"

1. Використовуйте Responses API

Особливо якщо є виклики інструментів.

1. Перегляньте міркування

Astra не використовує:

reasoning.effort = "none"

Почніть з низького рівня, коли цього достатньо.

1. Видаліть непотрібні параметри

Перегляньте параметри, як:

temperature top_p

якщо модель або кінцева точка більше їх не підтримують.

1. Перегляньте кеш

Мігруйте на:

prompt_cache_options.ttl

коли це застосовно.

1. Перегляньте розташування даних

Якщо ви використовуєте інфраструктуру або вимоги щодо розташування даних у ЄС, перевірте відповідні обмеження.

1. Динамічно регулюйте міркування

Під час складного завдання:

Збільшуйте зусилля для міркувань, коли завдання стає дійсно складним.

Під час рутинних операцій:

Повертайтеся до нижчого рівня міркувань, коли додаткові міркування більше не потрібні.

1. Довгі інструменти

Розгляньте асинхронне виконання, коли час роботи інструменту це виправдовує.

13. Мінімальна конфігурація Codex

Початкова конфігурація може бути:

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

А репозиторій повинен містити AGENTS.md, який визначає:

AGENTS.md

Мета

• Зміни мають бути мінімальними.
• Завершення вимагає проходження всіх необхідних тестів.

Дозволена область

• src/
• tests/

Етапи затвердження

• Розгортання у продакшені
• Передача даних зовнішнім системам
• Зміни дозволів
• Фінальне злиття

Режим роботи

• Працювати автономно в межах дозволеної області.
• Надавати перевагу зворотним діям.
• Створювати результати, придатні для перевірки, перед запитом на затвердження.
• Не ставити зайвих запитань для підтвердження.

Після зміни конфігурації:

1. перезапустити Codex;
2. виконати невелике завдання на читання;
3. переконатися, що середовище працює;
4. розпочати основне завдання.

14. Визначте «максимальне використання» одним реченням

У цьому документі максимальне використання не означає споживання максимальної кількості токенів.

Воно означає:

Зосередження Astra на завданнях, де вона дійсно може змінити ситуацію, виконання всього іншого економно та створення міцної основи з інструкцій, обмежень, дозволів і керування контекстом, що дозволяє виконувати довгі завдання без непотрібних переривань.

З цього визначення випливає кілька рішень:

• Краще оновлювати таблицю маршрутизації щотижня, ніж довільно змінювати моделі.
• Краще виконати реальний тест налагодження, ніж пробувати кожну нову функцію.
• Краще вимірювати успіх і час на завдання, ніж гнатися за бенчмарками.
• Ми не повинні перетворювати рекламні фрази на внутрішні специфікації.
• Якщо Astra недоступна, Sol можна використовувати як тимчасову заміну.

15. Три фундаментальні результати

Зрештою, вся ця система має створювати три елементи:

1. Динамічна таблиця розподілу

Визначає, коли використовувати:

Luna / Terra / Sol / Astra

2. AGENTS.md

Визначає:

• правила;
• область;
• обмеження;
• тести;
• умови завершення;
• контрольні точки для людини.

3. Довгий операційний промпт

Має визначати:

• роль;
• мету;
• умови завершення;
• процедуру;
• обмеження;
• інструменти;
• валідацію;
• формат виведення.

Ці три елементи важливіші, ніж запам'ятовування всього каталогу функцій.

16. Картка класифікації для копіювання

Використовуйте цю картку на початку кожного важливого сеансу:

Картка не повинна бути ідеальною.

Її мета — створити звичку класифікації.

Якщо ви рекомендуєте Astra, але завдання потребує лише коротких відповідей, ви, ймовірно, завищуєте модель.

Якщо Sol постійно зазнає невдач через втрату контексту або нездатність виконати довгий ланцюжок дій, можливо, настав час перейти на Astra.

17. Як насправді думати про ціну

Тарифи за мільйон токенів — це лише частина рівняння.

Наприклад:

Astra

• Вхід: $10
• Вихід: $50

Sol

• Вхід: $4
• Вихід: $20

Astra коштує дорожче.

Але уявімо:

Sol

$5 токенів + 4 спроби + 2 невдачі + доопрацювання людиною = висока фактична вартість

Astra

$12 токенів + 1 спроба + правильний результат = нижча загальна вартість завдання

Отже, для коротких завдань:

Ціна за токен має велике значення.

Для довгих завдань:

Вартість виконаного завдання має набагато більше значення.

Кінцевим показником має бути:

Вартість × рівень успіху × час × втручання людини

а не просто:

$/1M токенів

Висновок

Мета Astra не повинна полягати в тому, щоб зробити її моделлю за замовчуванням для всього.

Мета має полягати в тому, щоб побудувати систему, де кожна модель виконує роботу, для якої вона найбільш ефективна.

Luna

Об'ємні та прості завдання.

Terra

Баланс між вартістю та потужністю.

Sol

Стандартна робота та загальне програмування.

Astra

Складні, довгі, агентні, GUI, математичні, завдання з налагодження та роботи, де помилка є дорогою.

Найпотужніший патерн:

Дослідити дешево → спланувати → виконати за допомогою Astra, коли необхідно → перевірити → підготувати результат для перевірки → втручання людини лише на фінальній контрольній точці.

Справжня оптимізація — це не використання Astra частіше.

Це знання того, коли Astra дійсно варта того.

І чим складніші агенти, тим важливіша інфраструктура навколо них: AGENTS.md, Skills, пісочниця, дозволи, керування контекстом.