ప్రతి కొత్త మోడల్ విడుదల ఒకే రకమైన పాత చర్చను రేకెత్తిస్తుంది. విశ్లేషకులు ఒక విజేతను ప్రకటించడానికి మరియు మునుపటి స్థాయిని పనికిరాదని చెప్పడానికి పోటీ పడతారు. GPT-5.6 Luna, Terra మరియు Sol లతో కలిసి ఉన్నప్పుడు, కథనం దానంతట అదే రాసిపోతుంది: Luna తక్కువ ధరలో మరియు Terra అవసరం లేకుండా చేసేంత సామర్థ్యం కలిగి ఉంది. ఇది తప్పు. ఇది కూడా ఖరీదైనదే. మీ కోడింగ్ ఏజెంట్ల కోసం ఒక మోడల్ను ఎంచుకోవడం అనేది అందాల పోటీ, టీమ్ గుర్తింపు లేదా బెంచ్మార్క్ రేసు కాదు. ఇది ఒక నిర్వహణ విధానం (operating policy). ప్రతి రిక్వెస్ట్కు అత్యంత శక్తివంతమైన మోడల్నే వాడే టీమ్ల కంటే, ఈ వ్యత్యాసాన్ని అర్థం చేసుకునే టీమ్లు తక్కువ ఖర్చు చేస్తాయి, వేగంగా ముందుకు వెళ్తాయి మరియు తక్కువ తప్పులు చేస్తాయి.
మీ డిఫాల్ట్ ఎంపిక సరిపోయే అత్యంత చౌకైన సాధనంగా ఉండాలి
Luna అనేది వాల్యూ టైర్ (value tier), ఇది తక్కువ ప్రశంస కాదు. ఇది పరిమితమైన, స్పష్టమైన మరియు సులభమైన పనులలో బాగా పనిచేస్తుంది. క్లాసిఫికేషన్, సమ్మరైజేషన్, చిన్న కోడ్ ఎడిట్లు మరియు ప్రాథమిక పరిశోధన వంటి వాటిని తీసుకోండి. ఒక ఏజెంట్ ప్రాధాన్యత లేబుల్ను కేటాయించడానికి సపోర్ట్ టికెట్ను విశ్లేషించినప్పుడు, Luna సరిపోతుంది. కొన్ని ఫైళ్లలో వేరియబుల్ను రీనేమ్ చేసినా లేదా git diff యొక్క ఒక పేరా సమ్మరీని డ్రాఫ్ట్ చేసినా, Luna సరిపోతుంది. ఇవి ఇరుకైన పరిధి, స్పష్టమైన ఇన్పుట్లు మరియు నిష్పాక్షికంగా తనిఖీ చేయగల అవుట్పుట్లు కలిగిన పనులు.
ఆర్థిక ప్రభావమే ఆటను మారుస్తుంది. Luna చౌకైనది. అధిక పరిమాణంలో (high volume), ఇది ఆటోమేషన్ను ఒక ఖరీదైన ప్రక్రియ నుండి మౌలిక సదుపాయంగా (infrastructure) మారుస్తుంది. మీరు టోకెన్లను లెక్కించడం మానేసి, త్రూపుట్ను (throughput) కొలవడం ప్రారంభిస్తారు. ఒక ఖరీదైన మోడల్ 85% పనులను పూర్తి చేసినా, ఆ అదనపు 5% వల్ల ఫలితం మారకపోతే, 80% సాధారణ పనులను పూర్తి చేసే చౌకైన మోడలే ఎక్కువ విలువైనది. Luna రెండు సెకన్లలో ఒక యూనిట్ టెస్ట్ను రూపొందిస్తే మరియు Terra ఐదు రెట్లు ఖర్చుతో ఎనిమిది సెకన్లలో కొంచెం మెరుగైన దానిని రూపొందిస్తే, ఎవరైనా ప్రతి లైన్ను జాగ్రత్తగా ఆడిట్ చేస్తున్నట్లయితేనే ఆ లెక్కలు సరిపోతాయి. చాలా వరకు ఎవరూ అలా చేయరు. చాలా పనులు పరిమితమైనవి కాబట్టి, పరిమితమైన పనులకు Luna మీ డిఫాల్ట్గా ఉండాలి.
పరిధులు మాయమైనప్పుడు ఎస్కలేట్ చేయండి
Terra పనికిరాదు అని కాదు. ఇది మీ ఎస్కలేషన్ టైర్ (escalation tier), మరియు స్పష్టమైన పరిధులు లేని పనులలో ఇది తన విలువను నిరూపించుకుంటుంది. లక్ష్యం స్పష్టంగా లేనప్పుడు లేదా డిప్లాయ్మెంట్ పాత్లు, క్రాస్-మాడ్యూల్ మార్పులు లేదా ఇన్సిడెంట్ ట్రైయాజ్ వంటి సంక్లిష్ట వ్యవస్థలు ఉన్నప్పుడు దీనిని ఉపయోగించండి. ఫీచర్ ఫ్లాగ్లతో స్టేజింగ్, కెనరీ మరియు ప్రొడక్షన్ ఎన్విరాన్మెంట్ల గుండా వెళ్లే డిప్లాయ్మెంట్ పాత్కు స్పష్టమైన స్పెసిఫికేషన్ షీట్ ఉండదు. బిల్లింగ్ లాజిక్ను తాకి, నిశ్శబ్దంగా రిపోర్టింగ్ పైప్లైన్పై ప్రభావం చూపే రిఫ్యాక్టర్ అనేది పరిమితమైన పని కాదు. లాగ్లు API టైమ్ అవుట్లౌట్ల గురించి చెబుతున్నా, కానీ మూల కారణం గత త్రైమాసికంలోని మైగ్రేషన్ స్క్రిప్ట్లో ఉన్నప్పుడు, దానికి విచక్షణ (judgment) అవసరం.
Terra ఆ విచక్షణను అందిస్తుంది. ఇది లక్షణాలను (symptoms) కారణాల (causes) నుండి వేరు చేస్తుంది. నష్టాన్ని తగ్గించడానికి Luna ఒక రీట్రై లూప్ను ప్యాచ్ చేయవచ్చు. కానీ ఆ రీట్రై లూప్ అసలు ఉండాలా లేదా, లేక అంతర్లీన టైమ్ అవుట్ ఆర్కిటెక్చరే అసలు సమస్యనా అని Terra ప్రశ్నిస్తుంది. తప్పుడు పరిష్కారం తాత్కాలిక మందగనాన్ని భారీ వైఫల్యంగా (cascading failure) మార్చినప్పుడు ఆ తేడా చాలా ముఖ్యం. ఒక చెడు ప్రొడక్షన్ మైగ్రేషన్ను నిరోధించే శక్తివంతమైన మోడల్, ఒక ఇంజనీర్కు ఒక రోజంతా క్లీనప్ చేసే శ్రమను తగ్గిస్తే, అది ఖరీదుకు తగినదే. ఒక అవుటేజీని నిరోధించడం వల్ల నెలల తరబడి ఎస్కలేషన్ ఖర్చులను భర్తీ చేయవచ్చు.
Sol అనేది ఇన్సూరెన్స్ పాలసీ, రోజువారీ డ్రైవర్ కాదు
అదనపు సామర్థ్యం వల్ల అధిక ఖర్చు సమర్థనీయంగా ఉండే సందర్భాల కోసం Sol ఉంది. దీనిని హై-రిస్క్ రివ్యూలు లేదా ఆర్కిటెక్చరల్ మార్పుల కోసం ఉపయోగించండి. అథెంటికేషన్ ఫ్లోను పునర్నిర్మించడం, డేటాబేస్ షార్డింగ్ను రీడిజైన్ చేయడం లేదా పేమెంట్ గేట్వేను ప్రభావితం చేసే పుల్ రిక్వెస్ట్ను ఆమోదించడం వంటివి రోజువారీ పనులు కావు. అవి ప్రత్యేకమైన సంఘటనలు (events). Sol మీ డిఫాల్ట్ మోడల్ కాకూడదు. తక్కువ ధర మోడల్స్ ఒంటరిగా భరించలేనంత భారీ వైఫల్య ఖర్చు ఉన్నప్పుడు, దానిని పిలిచే ఎక్సెప్షన్ హ్యాండ్లర్ (exception handler) గా ఉండాలి.
అత్యంత రిస్క్ ఉన్న విభాగం కోసం, Solను ఒక డిటర్మినిస్టిక్ వెరిఫైయర్తో (deterministic verifier) జత చేయండి. స్కీమా మార్పును సూచించడానికి లేదా ఆర్కిటెక్చరల్ ట్రేడ్-ఆఫ్స్ను విశ్లేషించడానికి Solను ఉపయోగించండి. మెకానికల్ వివరాలను ధృవీకరించడానికి మీ CI పైప్లైన్, స్టాటిక్ అనాలిసిస్ మరియు ఇంటిగ్రేషన్ టెస్ట్లను అనుమతించండి. మోడల్ అంతర్ దృష్టిని (intuition) ఇస్తుంది. వెరిఫైయర్ హామీలను (guarantees) ఇస్తుంది. ప్రభావం (blast radius) అత్యధికంగా ఉన్నప్పుడు ఈ కలయిక మిమ్మల్ని రక్షిస్తుంది.
ఒక రూటర్ నిర్మించండి, మతం కాదు
అసలైన కొలమానం ఏ మోడల్ ఉత్తమమైనది అనేది కాదు. ఖర్చు, లేటెన్సీ మరియు బ్లాస్ట్ రేడియస్ ఆధారంగా ఏ మోడల్ ఈ పనిని నిర్వహించాలి అనేది ప్రశ్న. మోడల్ ఎంపికను ఒక గుర్తింపుగా చూడటం ఆపండి. "మేము Terra వాడే టీమ్" అని అనకండి. బదులుగా, టాస్క్ క్లాస్ (task class) ఆధారంగా రూట్ చేయండి.
ఒక సాధారణ క్లాసిఫైయర్ను నిర్మించండి. వచ్చే పనులను వాటి 'బ్లాస్ట్ రేడియస్' (ప్రభావ పరిధి) ఆధారంగా ట్యాగ్ చేయండి. తక్కువ ప్రభావ పరిధి ఉన్న పనులు Luna కి వెళ్తాయి. మధ్యస్థ ప్రభావ పరిధి ఉన్న పనులు Terra కి వెళ్తాయి. అధిక ప్రభావ పరిధి ఉన్న పనులు ఒక శక్తివంతమైన మోడల్ మరియు డెటరినిస్టిక్ వెరిఫైయర్కు వెళ్తాయి. ప్రారంభించడానికి మీకు పరిపూర్ణమైన మెషిన్ లెర్నింగ్ క్లాసిఫైయర్ అవసరం లేదు. కొన్ని హ్యూరిస్టిక్స్ సరిపోతాయి. కేవలం అంతర్గత యుటిలిటీలను మాత్రమే తాకి, తక్కువ లైన్ల సంఖ్యలో ఉండే కోడ్ రివ్యూలు? Luna. డిప్లాయ్మెంట్ పైప్లైన్లు, క్రాస్-సర్వీస్ కాల్స్ లేదా అస్పష్టమైన అవసరాలను ప్రస్తావించే టికెట్లు? Terra. కస్టమర్ డేటా, క్రిటికల్ పాత్లు లేదా లీగల్ కాంప్లయన్స్ వంటి వాటిని తాకే ఏవైనా పనులు? వాటిని Sol కి ఎస్కేలేట్ చేయండి మరియు మానవ లేదా డెటరినిస్టిక్ రివ్యూను కోరండి.
మోడల్ పేర్లను కాకుండా, ఫలితాలను కొలవండి. టాస్క్ ధర, రీట్రై రేట్ మరియు ఎస్కేప్ డిఫెక్ట్లను ట్రాక్ చేయండి. మీరు Luna కి కేటాయించిన పనుల్లో అది విఫలమవుతుంటే, ఆ పరిధిని పెంచండి. ప్రతిరోజూ పునరావృతమయ్యే ప్యాటర్న్కు Terra అవసరానికి మించి అనిపిస్తే, దానిని Luna కి తగ్గించి మీ ఖర్చును తగ్గించుకోండి. మీ బడ్జెట్ను దెబ్బతీయకుండా ఆటోమేషన్ను పెంచడమే లక్ష్యం. Luna అధిక పరిమాణంలో ఉండే బ్యాక్గ్రౌండ్ పనులను నిర్వహిస్తుంది. Terra నిర్ణయాలు (judgment) ముఖ్యమైన సందర్భాలను నిర్వహిస్తుంది. Sol మీ వారం మొత్తాన్ని దెబ్బతీసే మినహాయింపుల పట్ల అప్రమత్తంగా ఉంటుంది.
దీనిని సరిగ్గా అమలు చేసే బృందాలు తమ ఏజెంట్ ఫ్లీట్ను ఒక చక్కగా నడిచే ఇంజనీరింగ్ సంస్థలా పరిగణిస్తాయి. వారు ప్రతి ప్రాజెక్ట్కు ఆర్కిటెక్ట్లను నియమించరు మరియు ఇంటర్న్లను కోర్ డేటా మోడల్ను రీడిజైన్ చేయమని అడగరు. వారు సామర్థ్యాన్ని రిస్క్కు అనుగుణంగా సరిపోలుస్తారు. మీ మోడల్స్తో కూడా అదే చేయండి.
అసలు చర్చను చదవండి: GPT-5.6 Luna Is The Value Tier. Terra Is Not Useless
GyaanSetu లెర్నింగ్ కమ్యూనిటీలో చేరండి: t.me/GyaanSetuAi