ஒவ்வொரு புதிய மாடல் வெளியீடும் அதே சலிப்பூட்டும் விவாதத்தைத் தூண்டுகிறது. விமர்சகர்கள் ஒரு வெற்றியாளரை அறிவிக்கவும், முந்தைய தரத்தை அழிந்துவிட்டதாகக் கூறவும் விரைந்துவிடுகிறார்கள். GPT-5.6 Luna, Terra மற்றும் Sol ஆகியவற்றுடன் இருக்கும்போது, விவாதம் தானாகவே உருவாகிறது: Luna போதுமான அளவு மலிவானது மற்றும் திறமையானது என்பதால் அது Terra-வை தேவையற்றதாக்கிவிடும் என்று கருதப்படுகிறது. இது தவறு. அது விலையுயர்ந்ததுமாகும். உங்கள் கோடிங் ஏஜெண்டுகளுக்காக (coding agents) ஒரு மாடலைத் தேர்ந்தெடுப்பது என்பது ஒரு அழகுப் போட்டியோ, குழு அடையாளமோ அல்லது பெஞ்ச்மார்க் பந்தயமோ அல்ல. அது ஒரு செயல்பாட்டு கொள்கை (operating policy). இந்த வேறுபாட்டை உணர்ந்து செயல்படும் குழுக்கள், ஒவ்வொரு கோரிக்கைக்கும் வலுவான மாடலையே பயன்படுத்துபவர்களை விடக் குறைவாகச் செலவிடும், வேகமாகச் செயல்படும் மற்றும் குறைவான தவறுகளையே செய்யும்.
உங்கள் தேவைக்கு ஏற்ற மிகக் குறைந்த விலையுள்ள கருவியே உங்கள் இயல்புநிலை (Default) ஆக இருக்க வேண்டும்
Luna என்பது மதிப்புமிக்க தரம் (value tier), இது ஒரு குறைவான பாராட்டு அல்ல. இது வரம்புக்குட்பட்ட, தெளிவான மற்றும் எளிதான பணிகளில் சிறப்பாகச் செயல்படுகிறது. வகைப்படுத்துதல் (classification), சுருக்கம் செய்தல் (summarization), சிறிய குறியீடு திருத்தங்கள் (short code edits) மற்றும் ஆரம்பக்கட்ட ஆராய்ச்சி (first-pass research) போன்றவற்றை நினைவில் கொள்ளுங்கள். ஒரு ஏஜென்ட் முன்னுரிமை லேபிளை (priority label) ஒதுக்க ஒரு சப்போர்ட் டிக்கெட்டைப் பகுப்பாய்வு செய்யும் போது, Luna போதுமானது. சில கோப்புகளில் ஒரு மாறியின் பெயரை (variable name) மாற்றும்போதோ அல்லது ஒரு git diff-ன் ஒரு பத்தி சுருக்கத்தை உருவாக்கும்போதோ, Luna போதுமானது. இவை குறுகிய எல்லைகள், தெளிவான உள்ளீடுகள் மற்றும் புறநிலை ரீதியாக சரிபார்க்கக்கூடிய வெளியீடுகளைக் கொண்ட வேலைகள்.
பொருளாதாரத் தாக்கமே விளையாட்டை மாற்றுகிறது. Luna மலிவானது. அதிக அளவில் பயன்படுத்தும்போது, இது தானியங்கி முறையை (automation) ஒரு விலையுயர்ந்த சடங்கிலிருந்து ஒரு உள்கட்டமைப்பாக (infrastructure) மாற்றுகிறது. நீங்கள் டோக்கன்களை எண்ணுவதை நிறுத்திவிட்டு, அதன் வெளியீட்டுத் திறனை (throughput) அளவிடத் தொடங்குவீர்கள். வழக்கமான பணிகளில் எண்பது சதவீதத்தை முடிக்கும் ஒரு மலிவான மாடல், எண்பத்தைந்து சதவீதத்தை முடிக்கும் ஒரு விலையுயர்ந்த மாடலை விட அதிக மதிப்புடையது - அந்த கூடுதல் ஐந்து சதவீதம் முடிவை மாற்றாத பட்சத்தில். Luna இரண்டு வினாடிகளில் ஒரு யூனிட் டெஸ்ட்டை (unit test) உருவாக்கினால் மற்றும் Terra ஐந்து மடங்கு செலவில் எட்டு வினாடிகளில் சற்றே சுத்தமான ஒன்றை உருவாக்கினால், ஒவ்வொரு வரியையும் யாராவது கவனமாகத் தணிக்கை (auditing) செய்தால் மட்டுமே அந்த கணக்கு சரியாக இருக்கும். பெரும்பாலான நேரங்களில், யாரும் செய்வதில்லை. பெரும்பாலான வேலைகள் வரம்புக்குட்பட்டவை என்பதால், வரம்புக்குட்பட்ட வேலைகளுக்கு Luna தான் உங்கள் இயல்புநிலையாக (default) இருக்க வேண்டும்.
எல்லைகள் மறையும் போது அடுத்த நிலைக்குக் கொண்டு செல்லுங்கள் (Escalate)
Terra பயனற்றது அல்ல. இது உங்கள் மேல்நிலைத் தரம் (escalation tier), மேலும் தெளிவான எல்லைகள் இல்லாத பணிகளில் இது தனது மதிப்பை நிரூபிக்கிறது. இலக்கு சரியாக வரையறுக்கப்படாத போதோ அல்லது பணி டெப்ளாய்மென்ட் பாதைகள் (deployment paths), குறுக்கு-மாட்யூல் மாற்றங்கள் (cross-module changes) அல்லது சம்பவத் தீர்வு (incident triage) போன்ற சிக்கலான அமைப்புகளை உள்ளடக்கியதாக இருக்கும்போதோ இதைப் பயன்படுத்தவும். Feature flags உடன் staging, canary மற்றும் production சூழல்களுக்கு இடையே நகரும் ஒரு deployment path ஒரு தெளிவான விவரக் குறிப்பைக் (spec sheet) கொண்டிருக்காது. பில்லிங் லாஜிக்கைத் (billing logic) தொட்டு, அமைதியாக ரிப்போர்ட்டிங் பைப்லைனுக்குள் (reporting pipeline) பரவும் ஒரு refactor என்பது வரம்புக்குட்பட்ட பணி அல்ல. லாக் (logs) கோப்புகள் API timeouts பற்றி எச்சரிக்கும் ஆனால் அதன் மூலக் காரணம் கடந்த காலாண்டின் migration script-ல் இருக்கும் ஒரு production incident-க்குத் தீர்ப்பு வழங்கும் திறன் தேவை.
Terra அந்தத் தீர்ப்பை வழங்குகிறது. அது அறிகுறிகளிலிருந்து (symptoms) காரணங்களைப் (causes) பிரிக்கிறது. Luna ஒரு retry loop-ஐ சரிசெய்து பாதிப்பைக் குறைக்கலாம். ஆனால், அந்த retry loop இருக்க வேண்டுமா அல்லது அதன் அடிப்படையிலான timeout architecture தான் உண்மையான பிரச்சனையா என்று Terra கேட்கிறது. தவறான தீர்வு ஒரு தற்காலிகத் தாமதத்தை ஒரு தொடர் தோல்வியாக (cascading failure) மாற்றும்போது இந்த வேறுபாடு முக்கியத்துவம் பெறுகிறது. ஒரு தவறான production migration-ஐத் தடுக்கும் வலுவான மாடல், ஒரு பொறியாளரின் முழு நாள் வேலையைச் சேமித்தால், அதன் விலை தகுதியானதுதான். தடுக்கப்பட்ட ஒரு சேவை முடக்கம் (outage), பல மாத கால மேல்நிலைத் தேவைகளைச் சரிசெய்துவிடும்.
Sol என்பது ஒரு காப்பீடு போன்றது, அன்றாடப் பயன்பாட்டிற்கானது அல்ல
கூடுதல் திறன் அதிக செலவை நியாயப்படுத்தும் சந்தர்ப்பங்களுக்காகவே Sol உள்ளது. அதிக ஆபத்துள்ள ஆய்வுகள் (high-risk reviews) அல்லது கட்டமைப்பு மாற்றங்களுக்கு (architectural changes) இதைப் பயன்படுத்தவும். Authentication flow-ஐ மறுசீரமைப்பது, database sharding-ஐ வடிவமைப்பது அல்லது payment gateway-ஐத் தொடும் ஒரு pull request-ஐ அங்கீகரிப்பது போன்றவை தினசரி நிகழ்வுகள் அல்ல. அவை முக்கிய நிகழ்வுகள். Sol உங்கள் இயல்புநிலையாக இருக்கக்கூடாது. அது உங்கள் exception handler ஆக இருக்க வேண்டும்; தோல்வியின் விலை, மலிவான மாடல்களால் தாங்க முடியாத அளவுக்கு அதிகமாக இருக்கும்போது மட்டுமே அதை அழைக்க வேண்டும்.
அதிக ஆபத்துள்ள பிரிவிற்காக, Sol-ஐ ஒரு நிச்சயமான சரிபார்ப்புடன் (deterministic verifier) இணைக்கவும். Schema மாற்றத்தை பரிந்துரைக்க அல்லது கட்டமைப்பு சமரசங்களை (architectural trade-offs) ஆராய Sol-ஐ அனுமதிக்கவும். உங்கள் CI pipeline, static analysis மற்றும் integration tests ஆகியவை இயந்திர ரீதியான விவரங்களை உறுதிப்படுத்தட்டும். மாடல் உள்ளுணர்வை (intuition) வழங்குகிறது. சரிபார்ப்பி உத்தரவாதங்களை வழங்குகிறது. பாதிப்பு எல்லை (blast radius) மிகப்பெரியதாக இருக்கும்போது இந்தத் தொடக்கமே உங்களைப் பாதுகாக்கிறது.
ஒரு வழிகாட்டியைக் (Router) உருவாக்குங்கள், ஒரு மதத்தை அல்ல
உண்மையான அளவுகோல் எந்த மாடல் சிறந்தது என்பது அல்ல. செலவு, லேட்டன்சி (latency) மற்றும் பாதிப்பு எல்லை (blast radius) ஆகியவற்றின் அடிப்படையில் எந்த மாடல் இந்தத் பணியைக் கையாள வேண்டும் என்பதே கேள்வி. மாடல் தேர்வை ஒரு அடையாளமாக கருதுவதை நிறுத்துங்கள். "நாங்கள் ஒரு Terra shop" என்று சொல்லாதீர்கள். அதற்குப் பதிலாக, பணியின் வகையைப் பொறுத்து (task class) வழிநடத்துங்கள்.
ஒரு எளிய வகைப்பாட்டியை (classifier) உருவாக்குங்கள். வரும் பணிகளை அவற்றின் பாதிப்பு எல்லை (blast radius) அடிப்படையில் வகைப்படுத்தவும். குறைந்த பாதிப்பு எல்லை கொண்ட பணிகள் Luna-விற்குச் செல்லும். நடுத்தர பாதிப்பு எல்லை கொண்ட பணிகள் Terra-விற்குச் செல்லும். அதிக பாதிப்பு எல்லை கொண்ட பணிகள் ஒரு வலிமையான மாடல் மற்றும் ஒரு தீர்மானிக்கப்பட்ட சரிபார்ப்பிக்கு (deterministic verifier) அனுப்பப்படும். தொடங்குவதற்கு உங்களுக்கு ஒரு முழுமையான இயந்திர கற்றல் வகைப்பாட்டி (machine learning classifier) தேவையில்லை. சில விதிகளே (heuristics) போதுமானவை. உள் பயன்பாடுகளை (internal utilities) மட்டும் தொட்டு, குறைந்த வரிகளைக் கொண்ட குறியீடு ஆய்வுகள் (code reviews)? Luna. வரிசைப்படுத்தல் குழாய்கள் (deployment pipelines), குறுக்கு-சேவை அழைப்புகள் (cross-service calls) அல்லது தெளிவற்ற தேவைகளைக் குறிப்பிடும் டிக்கெட்டுகள்? Terra. வாடிக்கையாளர் தரவு, முக்கியமான பாதைகள் அல்லது சட்ட இணக்கத்தைப் பாதிக்கும் ஏதேனும் ஒன்றா? அதை Sol-க்கு உயர்த்தி, மனித அல்லது தீர்மானிக்கப்பட்ட சரிபார்ப்பைக் கோரவும்.
முடிவுகளை அளவிடுங்கள், மாடல்களின் பெயர்களை அல்ல. பணிக்குத் தேவைப்படும் செலவு, மீண்டும் முயற்சிக்கும் விகிதம் (retry rate) மற்றும் விடுபட்ட குறைபாடுகளை (escape defects) கண்காணிக்கவும். நீங்கள் Luna-விற்கு ஒதுக்கிய பணிகளில் அது தோல்வியடைந்தால், அதன் எல்லையை உயர்த்தவும். தினமும் மீண்டும் நிகழும் ஒரு முறைக்கு Terra அளவுக்குத் தேவையில்லை எனில், அதை Luna-விற்குத் தரம் குறைத்து, உங்கள் செலவு குறைவதைக் கவனியுங்கள். உங்கள் பட்ஜெட்டைத் தாண்டாமல் ஆட்டோமேஷனை அதிகரிப்பதே இலக்கு. Luna அதிகப்படியான பின்னணிப் பணிகளைக் கையாள்கிறது. Terra தீர்ப்பு (judgment) முக்கியத்துவம் வாய்ந்த தருணங்களைக் கையாள்கிறது. Sol உங்கள் வாரத்தையே பாதிக்கும் விதிவிலக்குகளைக் கண்காணிக்கிறது.
இதைச் சரியாகச் செய்யும் குழுக்கள், தங்கள் ஏஜென்ட் கூட்டத்தை (agent fleet) ஒரு நன்கு நிர்வகிக்கப்படும் பொறியியல் அமைப்பைப் போலக் கருதுகின்றன. அவர்கள் ஒவ்வொரு திட்டத்திற்கும் ஆர்க்கிடெக்ட்களை (architects) நியமிப்பதில்லை, மேலும் இன்டர்ன்களிடம் (interns) முக்கிய தரவு மாதிரியை (core data model) மறுவடிவமைப்பு செய்யச் சொல்வதில்லை. அவர்கள் திறனை அபாயத்திற்கு ஏற்பப் பொருத்துகிறார்கள். உங்கள் மாடல்களுடனும் இதையே செய்யுங்கள்.
அசல் விவாதத்தைப் படிக்க: GPT-5.6 Luna Is The Value Tier. Terra Is Not Useless
GyaanSetu கற்றல் சமூகத்தில் இணைய: t.me/GyaanSetuAi