‏مدل گران فقط برای تصمیم‌گیری، نه همه‌کار

نویسنده می‌گه دست‌بردن به‌سمت قوی‌ترین مدل برای هر کاری انتخاب امنی به‌نظر میاد، ولی در واقع اشتباهه. بیشتر کاری که یه workflow پیچیده‌ی هوش مصنوعی واقعاً انجام می‌ده به اون سطح از هوش نیاز نداره: خلاصه‌کردن یه سند، فرمت‌کردن یه پاسخ، یا استخراج داده‌ی ساختاریافته از یه فرم، هیچ‌کدوم مدل قهارِ استدلال عمیق نمی‌خوان. برای همین رد‌کردن هر زیرتسک از GPT-5.6 Sol یعنی پول‌دادن بابت توانی که ازش استفاده نمی‌کنی.

به گفته‌ی نویسنده رویکرد بهتر اینه که Sol همون کاری رو بکنه که واقعاً توش خوبه — ارکستراسیون، برنامه‌ریزی و تصمیم‌گیری — و اجرا رو به مدل‌های کم‌هزینه‌تری مثل Luna و Terra بسپاره. اسم این الگو معماری ارکستر/زیرایجنته و در هسته‌ش یعنی جداکردن «فکرکردن» از «انجام‌دادن». ارکستر یه هدف کلان می‌گیره، به تسک‌های مجزا می‌شکنه، تصمیم می‌گیره هر کدوم رو کدوم مدل انجام بده، و نتایج رو تو یه خروجی منسجم جمع می‌کنه؛ زیرایجنت‌ها هم تسک‌های مشخص و محدود رو اجرا می‌کنن بدون اینکه لازم باشه بستر کلی رو بفهمن. نویسنده اینو مثل یه مدیر پروژه و یه تیم متخصص می‌بینه.

نویسنده می‌گه دلیل کارکردنِ این الگو اینه که قیمت مدل‌ها با توانشون گره خورده: قدرت Sol تو استدلال پیچیده و قضاوت ظریف و برنامه‌ریزی long-contextه، درحالی‌که Luna و Terra که سبک‌تر و سریع‌ترن، کارهای پرتعداد رو با کسری از هزینه انجام می‌دن. وقتی پیچیدگی تسک رو با توان مدل هم‌تراز کنی، Sol سراغ ارکستراسیون و بررسی کیفیت و تصمیم‌های لبه‌ای می‌ره، Luna کارهای میان‌پیچیدگی مثل خلاصه‌سازی و بازنویسی و دسته‌بندی و استخراج ساختاریافته رو می‌گیره، و Terra کارهای ساده و تکراری مثل فرمت‌کردن و پرکردن قالب و جستجوهای پایه رو.

به گفته‌ی نویسنده، چیزی که Sol رو به یه ارکسترِ خوب تبدیل می‌کنه، توانایی‌شه تو حفظ برنامه‌ی منسجم در context طولانی و مدیریت منطق شرطی بدون گم‌کردن هدف اصلی. Sol تو تجزیه‌ی تسک با granularity درست، تصمیم‌های مسیریابی (که همون‌جا بیشترِ صرفه‌جویی برده یا باخته می‌شه)، سنتز و کنترل کیفیت خروجی زیرایجنت‌ها، و مدیریت ابهامِ ورودی‌های ناقص خوب عمل می‌کنه.

نویسنده تأکید می‌کنه این کار به‌معنی فداکردن کیفیت نیست، بلکه یعنی خرج‌نکردن بودجه‌ی استدلال روی تسک‌هایی که بهش نیاز ندارن. از نظر عددی، ارکستر‌کردن یه workflow فقط برای برنامه‌ریزی و قضاوت به‌جای استفاده از Sol در هر قدم، بسته به ساختار می‌تونه هزینه‌ی هر اجرا رو ۶۰ تا ۸۰ درصد کم کنه — و تو مقیاس هزاران اجرا در هفته، این تفاوت خیلی بزرگه. در مقابل، Sol نباید موتور کار برای تولید انبوه محتوا، تبدیل ساده‌ی داده، فرمت قالبی، یا دسته‌بندی تکراریِ پرحجم باشه؛ اینا دقیقاً کار Luna و Terران.

نکات کلیدی:

• استفاده از قوی‌ترین مدل برای هر کار یعنی پول‌دادن بابت توان استفاده‌نشده
• معماری ارکستر/زیرایجنت «فکرکردن» رو از «انجام‌دادن» جدا می‌کنه
• مدل گران فقط برنامه‌ریزی، مسیریابی و کنترل کیفیت؛ مدل‌های ارزون اجرا
• تصمیم‌های مسیریابی همون‌جاییه که بیشترِ صرفه‌جویی برده یا باخته می‌شه
• بسته به ساختار، هزینه‌ی هر اجرا ۶۰ تا ۸۰ درصد کم می‌شه