Varsayılan Agent Çalışma Zamanı Olarak GPT-6.1 Terra vs GPT-6.1 Sol

GPT-6.1 Terra ve GPT-6.1 Sol arasındaki karşılaştırma temelde tek bir takasa dayanıyor: Terra, token başına Sol'un tam yarı maliyetine sahip ve OpenAI'ın verilerine göre üç kattan daha hızlı çalışıyor; Sol ise üçüncü taraf bir kodlama ajanı benchmark'ında Terra'nın 48 puanına karşılık 54 puan alıyor. OpenAI, Terra'yı 26 Ekim'de Sol ile GPT-6 Luna arasındaki yeni orta katman olarak gpt-6.1-terra adıyla kullanıma sundu.

Yalnızca tek bir kodlama ajanı çalıştırıyorsanız güvendiğiniz modeli seçip yola devam edebilirsiniz. Ancak onlarca ajan çalıştırıyorsanız, istisnadan ziyade varsayılan model belirleyicidir; çünkü ajan adımlarınızın büyük kısmı varsayılan model üzerinden ücretlendirilir. Bu yazıda, Sharkly bünyesindeki bir Crew için yönlendirme kuralını inceliyoruz: Üyeler için varsayılan olarak Terra, lider ve zorlu uç vakalar için Sol ve her kombinasyon için 1.000 ajan adımı başına maliyet.

Özetle

Rutin kodlama, metin yazımı ve bilgisayar kullanımı işlerini yürüten Crew üyeleri için varsayılan çalışma zamanı (runtime) modelini GPT-6.1 Terra yapın. GPT-6.1 Sol'u ise Crew liderine ve Terra üzerinde iki kez başarısız olan Görevlere ayırın. Örnek adım profilimizde; tamamen Sol kullanımı 1.000 ajan adımı başına 26,55 dolar, tamamen Terra kullanımı 13,28 dolar ve Sol liderliğindeki Terra üyeleri ise 14,60 dolar tutmaktadır. Sol'a yükseltme içeren Terra öncelikli bir kural, Görevlerinizin yarısı yükseltilmediği sürece tamamen Sol kullanımından daha hesaplı kalır.

Bir Bakışta GPT-6.1 Terra ve GPT-6.1 Sol

Her bir fiyat kalemi tamı tamına yarı yarıya. Bu durum kararın maliyet boyutunu netleştiriyor ve asıl soruyu kalite tarafına taşıyor: Terra'nın daha düşük kodlama puanı ne sıklıkla bir görevin yeniden çalıştırılmasına yol açıyor?

Uzun süren ajan döngüleri için Terra'nın fiyatlandırmasındaki birkaç ayrıntı kritik önem taşır. Batch ve Flex liste fiyatının yarısına mal olurken, Fast modu iki kat ücretlendirilir. 272 binin üzerinde girdi token'ı içeren isteklerde ise tüm istek için girdi ve önbellek ücretleri 2 kat, çıktı ücreti ise 1,5 kat olarak yansıtılır. Fiyatlandırma tablosunun tamamına OpenAI'ın fiyatlandırma sayfasından ulaşabilirsiniz.

Varsayılan çalışma zamanı neleri belirler?

Varsayılan çalışma zamanı modeli, belirli bir çalıştırma için kimse özel bir seçim yapmadığında bir Ajan'ın kullandığı modeldir. Bir Crew içinde bu model; adımlarınızın büyük bölümünün maliyetini, kuyruktaki Görevlerin ne kadar bekleyeceğini ve incelemeye günde kaç sonucun geleceğini belirler.

Buradaki bir "ajan adımı", ajan döngüsü içindeki tek bir model çağrısını ifade eder: bağlamı oku, akıl yürüt, bir araç çağrısı veya kod düzenlemesi üret. Tek bir Görev onlarca adım sürebilir. Çalışma zamanlarını karşılaştırırken Görev başına hesaplama yerine adım başına hesaplama yapmanın çok daha kullanışlı olmasının sebebi de budur: Görev uzunlukları büyük farklılıklar gösterir, ancak adım yapısı değişmez.

1.000 ajan adımı başına maliyet

Kombinasyonları karşılaştırmak için örnek bir adımı sabitleyelim: %85'i istem önbelleğine (prompt cache) isabet eden 30 bin girdi token'ı ve akıl yürütme dahil 1.500 çıktı token'ı. Uzun ajan döngüleri her adımda aynı depo bağlamını tekrar ilettiğinden, oturum bir kez ısındıktan sonra yüksek bir önbellek oranı oldukça tipiktir.

API anahtarı faturalandırmalı liste fiyatlarıyla böyle bir adım Terra'da 0,0133 dolara, Sol'da ise 0,0266 dolara mal olur. 1.000 adıma uyarlandığında maliyet tablosu şöyledir:

Burada iki önemli çıkarım öne çıkıyor. Birincisi, lideri Sol'a geçirmek, tamamen Terra kullanımına kıyasla 1.000 adımda yalnızca yaklaşık 1,30 dolar ek maliyet getirir; çünkü lider planlama ve delege etme görevini üstlendiğinden adımların ufak bir kısmını harcar. İkincisi, daha yüksek efordaki Terra dahi varsayılan ayarındaki Sol'dan daha hesaplıdır: Terra'da çıktı token'larını ikiye katlamak, model değiştirmekten daha az masraflıdır.

Bu rakamlara önbellek yazma ücretleri dahil değildir. Bilgisayarlarınız bir API anahtarı yerine ChatGPT planı ile oturum açıyorsa, tasarruf doğrudan nakit olarak değil, plan limitlerine takılmadan önce daha fazla çalıştırma yapabilme şeklinde kendini gösterir. OpenAI, Terra'nın "ChatGPT Work ve Codex'teki tüm Plus, Pro, Enterprise ve Edu kullanıcılarına sunulduğunu" belirtmektedir; Free ve Go planları Terra'yı kapsamaz.

Sharkly Crew için yönlendirme kuralı

Sharkly'deki bir Crew, lider konumundaki tek bir Ajan tarafından koordine edilen, İnsanlar ve Ajanlardan oluşan yeniden kullanılabilir bir çalışma grubudur. Yürütme lider önceliklidir: Lider, Görevi ve Crew talimatlarını okur; ardından işi bizzat yürütür ya da belirli parçalar için Ajan üyeleri etiketleyip görevlendirir. Bu yapı iki çalışma zamanı modeline kusursuz şekilde oturur.

1. Lider için GPT-6.1 Sol: Lider, yoruma açık hedefleri anlamlandırır ve bir sonraki adımı kimin atacağına karar verir. Hatalı bir plan tüm üyeleri yanlış yöne sürükleyeceğinden, bu koltuk güçlü modele ayrılmalıdır. Crew lideri rehberimiz, lider koltuğunu yükseltmenin neden en hesaplı hamle olduğunu açıklamaktadır.
2. Üyeler için medium ayarında GPT-6.1 Terra: Rutin kodlama, refactor, testler, dokümantasyon, PR açıklamaları ve bilgisayar kullanımı Görevleri burada başlar.
3. İkinci başarısızlıkta yükseltin: Bir Terra üyesi bir Görevde iki kez başarısız olduğunda, bir kullanıcı görevi Sol varyantına yeniden atar. Ajanların sezgilerine göre kendi kendilerini yükseltmelerine izin vermeyin; bu kararın Görev üzerinde açıkça görünür olmasını istersiniz.
4. Yükseltmeleri Görev türüne göre izleyin: Servisler arası geçişler gibi belirli bir Görev sınıfı her seferinde üst modele yükseltiliyorsa, o sınıfı en baştan Sol'a yönlendirin.
5. İlk ayrıştırmayı Luna'ya bırakın: Etiketleme ve ilk aşama sınıflandırma bir alt kademeye devredilebilir; GPT-6 Luna rehberi bu kulvarı ele almaktadır.

Bu bir kıyaslama sonucu değil, bir başlangıç kuralıdır. Kuralı bir Sprint boyunca uygulayın ve sınırın nereye çekileceğini kendi yükseltme oranınız belirlesin.

Terra öncelikli kural ne zaman avantajını yitirir?

Üst modele yükseltmenin bir maliyeti vardır: Başarısız bir Terra denemesi, Sol çalıştırması başlamadan önce harcanan para demektir. Terra denemesinin tam bir Sol çalıştırması kadar adım tükettiği en kötü senaryoyu hesaplayalım: Bir Sol çalıştırması S maliyetinde olsun. Terra denemesi ise 0,5S tutar. Eğer Görevlerin f kadarlık bir oranı yükseltilirse, Görev başına beklenen maliyet 0,5S + f × S olur.

f değeri 0,5'e ulaştığında bu maliyet tamamen Sol kullanımıyla eşitlenir. Dolayısıyla Görevlerinizin yarısı yükseltilmediği sürece Terra öncelikli kural daha hesaplı kalır. Aynı aritmetik daha uzun çalıştırmalar için de geçerlidir: Terra, işi bitirmek için Sol'un iki katı kadar adıma ihtiyaç duymadığı sürece Görev başına daha ucuz kalmaya devam eder.

Finansal başabaş noktası oldukça uzakta olduğundan, asıl belirleyici sınır çoğunlukla insan emeği ve zamanıdır. Her başarısız deneme; birinin incelemek zorunda kalacağı bir diff, okuyacağı bir log ya da yapacağı bir yeniden atama anlamına gelir. Belirli bir Görev türünde yükseltme oranınız %20'yi aşarsa, token matematiği Terra'dan yana olsa bile o türü Sol'a taşıyın.

Hız da bu denklemi değiştirir. Üç kattan daha hızlı tamamlanan bir model Bilgisayarı daha erken serbest bırakır; böylece kuyruktaki Görevler daha erken başlar ve daha fazla işlem Görev başına zaman aşımı sınırına takılmadan tamamlanır.

Bu kural Sharkly'de nasıl yapılandırılır?

Sharkly token satışı yapmaz. Çalıştırmalar, her bir Computer üzerindeki Runtime'a halihazırda bağlı Codex planı veya API anahtarı üzerinden faturalandırılır; bu yüzden öncelikle Terra'nın orada çalıştığını doğrulayın: Codex CLI 0.159.0 veya üzeri sürüm, ardından terminalde codex -m gpt-6.1-terra komutunu çalıştırın.

Sharkly bünyesindeki Agents dokümantasyonu, bir Ajan'ın "varsayılan olarak Runtime modelini takip ettiğini" belirtir; Model satırı ise Runtime'ın sunduğu katalogdan başka bir model seçmenize olanak tanır. Modeli ayrıca Ajan veya Runtime üzerindeki Custom arguments alanından da belirleyebilirsiniz.

Kuralı sürekli ayar değiştirmek yerine varyantlar üzerinden kurgulayın. Üç ayarın şematik görünümü şöyledir:

Agent "Codex, routine"   Custom arguments: --model gpt-6.1-terra   effort: medium
Agent "Codex, hard tail" Custom arguments: --model gpt-6.1-sol     effort: medium
Crew leader              Custom arguments: --model gpt-6.1-sol

Dokümantasyon, "farklı bir varsayılan model kullanmayı" bir Ajan varyantı oluşturma gerekçesi olarak gösterir: Bu sayede orijinalin talimatları ve depoları korunur, yalnızca model geçersiz kılınır. İki varyant panonun düzenli kalmasını sağlar; çünkü her Görev hangi kulvarda çalıştırıldığını gösterir. Tek seferlik denemelerde ise Assignee seçicisindeki çalıştırma bazlı model seçimi, Ajan'ın varsayılan modelini yalnızca o çalıştırma için geçersiz kılar.

Görevi hangi model çalıştırmış olursa olsun Sharkly; bağlamı, ilerlemeyi, engelleri, sonuçları ve insan incelemesini Görev üzerinde tutar; yükseltme oranını ölçülebilir kılan asıl unsur da budur.

Daha ucuz bir varsayılanın değiştiremeyeceği noktalar

Terra bir değişikliği üretmenin maliyetini düşürür; ancak onu kabul edip onaylamanın maliyetini düşürmez. Üç kat hızda yarı fiyatına çalıştırmalar, cuma gününe kadar bir kişinin onayını bekleyen çok daha fazla kod farkı (diff) anlamına gelebilir. Yeni üyeler eklemeden önce inceleme kuyruğunuzu kontrol edin; inceleme darboğazı insandır başlıklı yazımız bu konuyu ele almaktadır.

Ayrıca en karmaşık işlerin çözümünü de sağlamaz. OpenAI'ın kendisi de en karmaşık kodlama işleri için Sol veya GPT-6 Astra'yı önermektedir ve Coding Agent Index'teki altı puanlık fark da bunu destekler. Yukarıdaki kural gereği bu tür işler bilinçli olarak Sol'da tutulur.

Sonuç

Terra'yı varsayılan, Sol'u ise istisna haline getirin. Belirlediğimiz adım profilinde bu yaklaşım; lider ve zorlu uç vakalar güçlü modelde kalırken faturayı tamamen Sol kullanımına kıyasla yaklaşık yarı yarıya düşürür. Bir Görev türünün ne zaman Sol'a geçirileceğine karar verirken token fiyatına değil, yükseltme oranına odaklanın.

Bir sonraki adımınız: Bir Codex Ajanının Terra varyantını oluşturun, Sol liderliğindeki bir Crew'a ekleyin ve bir Sprint boyunca deneyin. Sharkly, fiyatlandırma sayfasına göre şu anda 5 kişiye kadar olan ekipler için tamamen ücretsizdir.

SSS

GPT-6.1 Terra kodlama konusunda GPT-6.1 Sol'dan daha mı iyi?

Hayır. Sol, Artificial Analysis'in Coding Agent Index benchmark'ında 54 alırken Terra 48 puanda kalıyor. Terra fiyat ve hız tarafında öne geçer; bu nedenle en zorlu Görevler yerine rutin kodlama işleri için biçilmiş kaftandır.

GPT-6.1 Terra, GPT-6.1 Sol'a göre ne kadar daha ucuz?

Her kalemde tam yarı yarıya: Bir milyon token başına girdi için 1 dolara karşı 2 dolar, önbellek için 0,05 dolara karşı 0,10 dolar ve çıktı için 5 dolara karşı 10 dolar.

Crew lideri Terra üzerinde çalıştırılmalı mı?

Lideri Sol ile başlatın. Lider toplam adımların çok ufak bir payını üstlenir, dolayısıyla bu yükseltmenin maliyeti düşüktür; üstelik yanlış bir plan tüm üyeleri yanlış yöne sevk eder.

Sol modelinde none efor seviyesi kullanılabilir mi?

Hayır. GPT-6.1 Sol'da none seçeneği kaldırılmıştır ve en düşük seviye low olarak belirlenmiştir. Terra ise none seçeneğini geri getiriyor.

GPT-6.1 Terra ücretsiz mi?

Hayır. Ücretsiz bir API katmanı yoktur ve ChatGPT Free ile Go planları bu modeli içermez. GPT-6.1 Sol'u API anahtarı olmadan çalıştırma konulu yazımız plan kullanımı ile token başına faturalandırmanın farklarını açıklamaktadır.

Ajanı değiştirmeden tek bir Görevi Sol'a nasıl geçirebilirim?

Assignee seçicisindeki çalıştırma bazlı model seçimini kullanın. Bu tercih, Ajan'ın varsayılan modelini yalnızca ilgili çalıştırmaya özel olarak geçersiz kılar.