Sharkly'de bir Crew, lider öncelikli çalışır. Önce lider Agent başlar, Task bağlamını ve Crew talimatlarını okur, işi kendisinin mi yapacağına yoksa belirli katkılar için diğer Agent üyelerini mi mention edeceğine karar verir. O koltuğun en yüksek işlem kapasitesine ihtiyacı yoktur. İhtiyacı olan şey, ekipteki en iyi muhakeme yeteneğidir: belirsiz bir gereksinimi okuyabilmek, cevabı planı değiştirecekse tek bir soru sormak ve kapsam "dur" dediğinde durmak.
OpenAI, GPT-6 Astra'yı tam da bu koltuk için geliştirdi. Lansman yazısı, "rutin boşlukları bağlamla dolduran ve cevabın sonucu değiştirebileceği durumlarda odaklı sorular soran", bir görev akışın ortasında yönlendirildiğinde yönünü koruyan ve Hugging Face olayının ardından kurulan honeypot testinde GPT-5.6 Sol'un koşuların %48'inde yetkili hedefinin dışına çıktığı yerde koşuların %0'ında bunu yapan bir modeli tanımlıyor. Bu kılavuz, Astra'yı lider rolüne nasıl koyacağınızı, üye olarak daha ucuz modelleri nasıl çalıştıracağınızı ve her sonucun tek bir Task'a dönmesini nasıl sağlayacağınızı gösteriyor.
TL;DR
Astra'yı bir Crew'nin lider Agent'ı yapın, paralel uygulamayı da daha ucuz Runtime'lardaki üyeler yapsın. Lider hedefi yorumlar, üyeleri mention eder ve sonuçlarını Task üzerinde birleştirir; üyeler aynı Computer'daki izole dizinlerde çalışır; sonucu bir kişi kabul eder. İş küçük ve net tanımlıysa bunun yerine tek bir Agent kullanın. Agent'lar araştırır, uygular, test eder ve raporlar. Yönü kişiler belirler, yetkiyi kişiler verir ve sonucu kişiler kabul eder.
Lider koltuğu neden pahalı koltuktur
Crew yürütmesinin sabit bir şekli vardır. Task, Crew'ye atanır. Yürütülebilir bir durumda bekliyorsa ve lider hazırsa, önce lider Agent başlar. Task bağlamını ve Crew talimatlarını okur, ardından ya işi kendisi yapar ya da uygun Agent üyelerini mention eder. Mention edilen üyeler aynı Task üzerinde çalışır ve sonuçlarını Task'ın sohbetine ekler; lider de koordinasyona devam edip geri dönenleri birleştirebilir.
Bu dizideki her karar bir muhakeme gerektirir: gereksinim eksiksiz mi, hangi roller gerekli, hangi sırayla ve birleştirilen sonuç kabul kriterlerini karşılıyor mu? Lider öncelikli model, tüm üyeler aynı anda işe koyulmadan önce bu kararları tek bir Agent'ın vermesi için vardır. Bu rolü en iyi muhakemeye sahip modele verin; üyeler sıradan olabilir.
Astra'nın lansman rakamları, kodlama kısmından çok muhakeme kısmına işaret ediyor. OpenAI'nin dahili halüsinasyon kıyaslamasında (düşük olan daha iyidir) Astra %4,2 alırken Sol %12,2'de kalıyor. OpenAI'nin değerlendirmesinde bir Codex otomatik inceleme reddini atlatmaya hiç yeltenmedi; bilgisayar kullanımı güvenlik puanı Sol'un %22,0'ına karşılık %2,4; ve OpenAI'nin güvenlik genel bakışı, 54.000'den fazla Codex görevinin simülasyonunda Sol'a kıyasla yaklaşık yarısı kadar yüksek önem dereceli uyumsuzluk işareti bildiriyor. Gereksinim uydurmayan ve bir "hayır"ın etrafından dolaşmayan bir lider, kimin ne yapacağına karar vermesini isteyeceğiniz liderdir.
Karma model kullanan bir Crew nasıl çalışır
Sharkly, modeli Agent'ın dışında tutar. Bir Agent, Runtime'ının varsayılan modelini izler ve bir Computer birden fazla Runtime sunabilir. Karma modelli bir Crew'nin mekanizması budur: her üye Agent bir Runtime'a bağlıdır ve her Runtime kendi varsayılan modelini taşır.
En temiz yerleşim, birkaç Runtime'a sahip tek bir Computer'dır:
| Crew rolü | Agent | Computer'daki Runtime | Runtime'ın varsayılan modeli | 1M token başına satıcı API ücreti |
|---|---|---|---|---|
| Lider | planner |
Codex | gpt-6-astra |
$10 giriş / $50 çıkış |
| Backend üyesi | backend |
İkinci bir Computer'da Codex veya ikinci bir Runtime | GPT-5.6 Terra | $2 giriş / $12 çıkış |
| Test üyesi | tests |
Claude Code | Claude Sonnet 5 | $2 giriş / $10 çıkış |
| Doküman üyesi | docs |
Gemini CLI veya Codex | sizin tercihiniz | değişir |
Bu ücretler, satıcıların API kullanımı için liste fiyatlarıdır; model kullanımı o araçlarda yapılandırılan abonelikler veya API anahtarları üzerinden devam eder, dolayısıyla ekibinizin ne ödeyeceği bağladığı planlara bağlıdır. Tablodaki asıl mesele yapı: en çok okuyan ve en çok karar veren koltuk, okuma ve karar vermede en iyi olan modelde çalışır; en çok çıktı üreten koltuklar ise çıktı token'ı başına ucuz olan modellerde çalışır.
Her üyenin Codex olması gerekiyorsa, farklı Codex varsayılanlarına sahip iki Computer işi görür; çünkü model ayarı her makinedeki Codex yapılandırmasında bulunur. Astra kurulum kılavuzumuz bu yapılandırmayı ele alıyor.
Örnek bir Sprint
SH-312'yi ele alalım: "Kurumsal çalışma alanları için SCIM sağlama ekle." İş bir API'yi, bir arka plan senkronizasyon işini, testleri ve bir doküman sayfasını kapsıyor; gereksinim ise iki noktayı açık bırakıyor: sağlamayı kaldırma kalıcı silme mi yoksa devre dışı bırakma mı olacak ve hangi kimlik sağlayıcıları önce çıkacak.
SH-312'yi Crew'ye atayın ve yürütülebilir bir duruma taşıyın. Astra üzerindeki lider; açıklamayı, son yorumları ve Crew talimatlarını okur ve tek bir soru sorar: devre dışı bırakma mı, silme mi? Varsayımını belirtir (devre dışı bırakma, 30 gün sonra kalıcı silme) ve cevaba bağlı olmayan kısımlarla devam eder; OpenAI'nin Codex'te Astra için tanımladığı davranış da budur. Bir kişi bir saat içinde konuya yanıt verir.
Ardından lider, endpoint sözleşmesi ve senkronizasyon işi spesifikasyonuyla @backend'i, kabul kriterleriyle de @tests'i mention eder. İki üye de aynı Task üzerinde çalışır; her biri taze bir worktree içeren kendi izole dizininde çalıştığı için şema migrasyonu ile test iskeleti çalışma sırasında asla aynı dosyalara dokunmaz. Sonuçları Task sohbetine döner. Lider ikisini de inceler, testlerin kalıcı silmeyi varsaydığını fark eder, test üyesine bir düzeltme gönderir ve dalları, çalıştırdığı kontroller ile bilinen sınırlamaları içeren tek bir değişiklik özetinde birleştirir.
Task, insan incelemesi bekleniyor durumuna geçer. Bir kişi özeti okur, diff'i açar ve kabul eder ya da geri gönderir. Bu dizideki hiçbir şey özel bir terminalde gerçekleşmedi. Soru, varsayım, iki üye çalışması, düzeltme ve kabul; hepsi SH-312 üzerinde duruyor.
Bu davranışı üreten Crew talimatları kısadır:
You lead this Crew. Read the Task and comments, then decide the
smallest set of members needed. Mention @backend for API and job
changes, @tests for coverage, @docs for user-facing pages.
Ask a person only when an interpretation would change the design;
otherwise state your assumption and proceed.
Combine member results into one change summary with checks run,
failures, and known limits. Leave acceptance to a person.
Astra'yı hangi durumlarda lider koltuğuna koymamalısınız
İki karar çifti, bu tercihi sağlam tutar.
Küçük ve net tanımlı işlerde Task'ı doğrudan tek bir Agent'a atayın. Crew'yi, liderin hedefi yorumlaması, diğer Agent üyelerini işe katması ve sonuçlarını tek bir Task'ta toplaması gerektiğinde kullanın. Bir Crew'ye atanan tek dosyalık bir hata düzeltmesi, hiç ihtiyaç duymadığı bir lider çalışmasının bedelini öder.
Sıralı üyelerin aynı yerel değişiklikler üzerine inşa etmesi gerekmedikçe paylaşılan Task dizinini kapalı bırakın. Paylaşılan şey, önceki Agent'ın oturumu değil dosya sistemi durumudur ve paylaşılan bir dizindeki eşzamanlı düzenlemeler çakışabilir. SCIM örneğinde backend ve test üyeleri izole olarak çalıştı; lider bunları sonradan birleştirdi.
Bir sınır daha. Crew'yi Owner yönetir; yürütmeyi lider koordine eder. Astra'yı lider yapmak; üyeliği, görünürlüğü veya talimatları kimin düzenleyebileceğini değiştirmez ve çalışmaları yalnızca Agent üyeler başlatabilir. Crew'deki kişiler yine yorumlar, kararlar ve incelemeler yoluyla katkıda bulunur.
Maliyeti ve kazandırdıkları
Astra, tablodaki en pahalı model ve lider de en çok okuyan Agent. Bunu iki şey hafifletiyor. Prompt önbellekleme, tekrarlanan girdiyi API ücreti üzerinden 1 milyon token başına 1 $ olarak faturalandırır ve aynı Task bağlamını turlar boyunca yeniden okuyan bir lider bundan faydalanır. OpenAI ayrıca Astra'nın agentic görevleri öncekilerden daha az çıktı token'ıyla tamamladığını, en yüksek puan alan ayarlarda Agents' Last Exam'de Claude Opus 5'ten yaklaşık %65 daha az token kullandığını iddia ediyor.
Bu rakamların ikisine de körü körüne güvenmeyin. Bir Sprint boyunca aynı türden bir Task'ı Astra liderli bir Crew'de ve Sol liderli bir Crew'de çalıştırın; Sprint raporunun gösterdiklerini karşılaştırın: tamamlanan Task'lar, geri gönderilen Task'lar ve atamadan kabul edilmeye kadar geçen süre. Sprint, takvimi, kapsamı ve raporlamayı Task'lara bağlı tutar; dolayısıyla bu karşılaştırma bir elektronik tablo değil, bir filtredir. Astra'lı Crew daha az Task geri gönderiyorsa, lider koltuğu kendini amorti etmiş demektir.
