Karma Model Ekipleri: Ucuz Çalışanlar, Pahalı Bir İnceleyici ve Aralarındaki Devir Teslim

2026-09-22 tarihli fiyat tablosu bariz bir şekil öneriyor. Milyon giriş token'ı başına 0,10 dolardan GPT-6 Luna'yı kimsenin yapmaktan hoşlanmadığı işe sürün, 4 dolardan Claude Opus 5.5'i onu denetleyen Agent'a koyun; böylece verimin çoğunu faturanın çok küçük bir kısmına karşılık elinizde tutarsınız. Bu hafta birçok ekip bunu kuruyor ve çoğu, incelemeye benzeyen ama inceleme olmayan bir şey inşa edecek.

Aksaklık iki modelin hiçbirinde değil. Modellerin arasındaki boşluktan geçen şeyde. Bir worker'ın kendi işine dair özetini okuyan bir inceleyici aslında bir iddia okuyordur ve geri döndürebileceği tek şey bu iddiaya dair bir yargıdır. Diff geçti, der worker. İyi görünüyor, der inceleyici. Bir insan da onaylar, çünkü iki model aynı fikirde; bu da var olan en az bilgi veren uzlaşma türüdür.

Dolayısıyla karma model bir Crew'de ilginç soru hangi modelin nereye gideceği değil. İlginç soru, handoff'un neyi taşımak zorunda olduğu.

Karma model Crew nedir

Karma model bir Crew, Runtime'ın ekip başına değil rol başına seçildiği ve en az bir rolün yalnızca diğerlerinin çıktısını denetlemek için var olduğu bir Agent grubudur.

İnceleyici Agent bir onay değildir. Bir insan bakmadan önce üretilen, bedeli olan bir ikinci görüştür; böylece insan daha kısa bir liste okur. Agent'lar araştırır, yürütür, test eder ve raporlar. İnsanlar yön belirler, yetki verir ve sonucu kabul eder. Bu cümlenin ortasına pahalı bir model eklemek son cümleciği değiştirmez.

Satıcıların yayımladığı haliyle üç kademe

OpenAI, Sol ve Luna'yı GPT-5.6 promosyon fiyatlandırmasından %50 daha ucuz olarak tanımlıyor ve "promosyon" kendi başına bir kelime: temel alınan şey zaten indirimli bir tarife. OpenAI ayrıca GPT-6 Astra'nın "her alanda en iyi modelimiz olmayı sürdürdüğünü" söylüyor.

Kimse bu ayrımdan bir sıralama çıkarmadan önce bir uyarı. OpenAI'ın lansman yazısı Sol ve Luna'yı Claude Opus 5'e karşı kıyaslıyor; çünkü yazı kaleme alındığında Opus 5.5 yoktu ve saatler sonra, Anthropic'in kendi beyanına göre Opus 5'ten %40 daha ucuza çalışacak şekilde piyasaya çıktı. O karşılaştırmayı kimse yeniden yapmadı ve iki satıcı aynı test düzeneğini paylaşmıyor. Rolleri fiyata ve kendi deponuzda gözlemlediğiniz davranışa göre seçin.

Her satıcının kendi modeli hakkında söyledikleri, rolleri atamak için yeterli. Luna için OpenAI, maksimum akıl yürütme çabasında DeepSWE 1.1'de %66,6, görev başına Claude Opus 5'ten %93 ve Fable 5'ten %96 daha ucuz olduğunu, daha yüksek çabada ise GPT-5.6 Sol ile eşleşen bir olgusallık sonucunu yaklaşık yüzde bir maliyetle verdiğini bildiriyor. Bu, hacme yöneltebileceğiniz bir model. Opus 5.5 için Anthropic, Terminal-Bench 4.0'da %66,4, FrontierCode v1.1'de %54,4, OSWorld 2.0'da %81,8, 128k maksimum çıktı ve 18 saat veya daha fazla görevde kalma bildiriyor. Bu da muhakemeye yöneltebileceğiniz bir model.

Okumak, pahalı bir modelin ucuz yarısıdır

Bu şeklin bir faturayla temas ettiğinde ayakta kalmasının nedeni önbellekleme ve tasarımı belirleyen şey de bu asimetri.

Opus 5.5'in önbelleğe alınmış girişi milyon başına 0,20 dolardan okunuyor. Bu, kendi önbelleksiz giriş ücretinin yirmide biri ve Luna'nın önbelleksiz ücretinin iki katı. Çıktısı ise milyon başına 20 dolar, yani Luna'nın 0,50 dolarının kırk katı. Yani çok fazla okuyup yirmi satır yazan bir inceleyici neredeyse bedava; uzun uzun anlatan biri ise değil.

Bu da arkasında bir fatura olan bir kural verir: inceleyici her şeyi okur ve neredeyse hiçbir şey söylemez. Ona depo önekini, kuralları, diff'i ve aşağıdaki paketi verin, sonra döndürdüğü şeyi sınırlayın.

Worker tarafı da önbellekliyor. GPT-6, önbelleğe alınmış giriş okumalarında %90 indirimle isabet oranlarını varsayılan olarak yükseltiyor, önbelleğe alınmış önekin nerede bittiğini seçebilmeniz için açık breakpoint'ler ekliyor ve akıl yürütme çabasını ya da araç kullanılabilirliğini değiştirdiğinizde artık önbelleği geçersiz kılmıyor. GitHub, milyarlarca istek genelinde taze işlenmesi gereken prompt token'ı sayısının %50'den fazla azaldığını bildiriyor. Bütün gün aynı depoyu yeniden okuyan bir Luna worker filosu için bu, faturanın büyük kısmı demek.

Handoff neyi taşımak zorunda

İşte artefakt: bir model okuyucusu için hazırlanmış bir handoff şablonu. Worker durduğunda bunu Task'a döndürür ve inceleyici yalnızca bunu ve diff'i okur.

SH-312  Add retry with backoff to the webhook sender
Worker:   Agent "backend-worker" - Runtime Codex on gpt-6-luna
Attempts: 2 (attempt 1 failed on lint)
Diff:     4 files, +118 / -12   (worktree sh-312, commit a91f4c2)

Commands run, verbatim:
  $ pnpm lint            exit 0
  $ pnpm typecheck       exit 0
  $ pnpm test -- sender  exit 0   14 passed, 0 failed, 3 skipped
  $ pnpm build           exit 0

Not done:
  - The 3 skipped tests need a live webhook endpoint. Not run.
  - Did not touch the queue consumer, which has the same bug.

Assumptions made:
  - Max 5 retries, ceiling 30s. No spec said. Copied the values
    already used in payments/retry.ts.

Stopped because: acceptance criteria met.

Bu paketi token'larına değer kılan dört özellik var.

Anlatı değil, artefakt. Komutlar ve çıkış kodları yeniden çalıştırılabilir. "Davranışı doğruladım" ise kimse tarafından kontrol edilemez.

Yapılmayanı söyler. Atlanan testler ve dokunulmayan consumer, bir özetin düşüreceği iki şeydir ve bir inceleyicinin en çok ihtiyaç duyduğu iki şey de bunlardır. Eksikleri açıkça isteyin; yoksa düzenli bir özet bunları içermez.

Varsayımları kaydeder. Sınırları belirlenmiş her Task, spec'in vermediği bir kararı içerir. Yazıya dökülürse bir inceleme maddesi olur. Atlanırsa, bir ay sonra üretimde bir sürpriz olur.

Bir durma nedeni belirtir. Bitmiş, tıkanmış, bütçesi tükenmiş ve iki kez başarısız olmuş bir depoda birbirinin aynı görünür, ama bir panoda farklı şeyler ifade eder.

İnceleyici ne döndürür

REVIEWER  Agent "review" - Runtime Claude Code on claude-opus-5-5
Reads:  repository prefix (cached), the packet, the full diff
Writes: at most 20 lines

VERDICT      changes requested
CHECKED      4 commands re-run, all exit 0. Backoff ceiling honoured.
UNVERIFIED   3 skipped tests. No evidence the retry path ever runs.
BLOCKING     Retry wraps the 4xx branch. A 422 will be retried 5 times.
FOR A PERSON Queue consumer has the same bug and is out of scope.
             Split SH-312, or widen it?

İnceleyiciye bedelini kazandıran şey UNVERIFIED satırıdır. Ucuz bir worker, iddialarından hangilerinin hiçbir şeye dayanmadığını size söylemez; kısmen de bunu bilmediği için. Yapılandırılmış bir paketi okuyan pahalı bir model, doğruladığı şeyleri güvenerek kabul ettiklerinden ayırabilir ve inceleme adımının ürünü de bu ayrımdır. FOR A PERSON satırı işin diğer yarısıdır: inceleyici kapsama karar vermez, soruyu Task'a geri döndürür.

Bunu dürüst tutan sınır şu: bir inceleyici Agent komutları yeniden çalıştırabilir, diff'i okuyabilir ve kanıt ile iddia arasındaki farkı işaretleyebilir. Bunun doğru özellik olup olmadığını size söyleyemez. Bir inceleme Agent'ının neleri doğrulayıp neleri doğrulayamayacağı sabit bir listedir ve inceleyici pahalılaştığında bu liste uzamaz, kısalır.

Dikkat edilmesi gereken iki arıza modu

İlki gecikme ve bu, sezgiye ters. İki satıcıdan bağımsız bir üçüncü taraf olan Artificial Analysis, "max" akıl yürütme varyantlarını Luna için ilk token'a 124,23 saniye, Sol için 102,15 saniye olarak ölçtü. [VERIFY] Bunlara güvenmeden önce güncel listeyle doğrulayın. Önemli olan rakamlardan çok şekil: yüksek akıl yürütme çabasında ucuz modeller hızlı başlayanlar değil, dolayısıyla karma model bir Crew'de donmuş gibi görünen worker'lar ve onları bekleyen bir inceleyici olur. Bu bir model sorunu değil, bir durum sorunudur.

İkincisi inceleme hacmi. On Luna worker'ı on paket üretir. İnceleyici dokuzunu onaylayıp birini eskale ediyorsa, on agent çalışmasını tek bir insan kararına dönüştürmüşsünüzdür ki amaç da bu. Altısını eskale ediyorsa, inceleme için para ödemişsinizdir ama hâlâ altı karar borcunuz var; üstelik inceleme kuyruğu zaten darboğazdı. Bir Sprint boyunca worker Agent başına eskalasyon oranını takip edin. Bu size, faturanın çok öncesinde paketin fazla ince mi yoksa Task'ların fazla büyük mü olduğunu söyler.

Bunu ne zaman yapmamalı

Bir kişi tek bir depoda bir ya da iki Agent çalıştırıyorsa her şey için tek model kullanın. Paket bir ek yüktür, inceleyici ikinci bir faturadır ve zaten inceleyici sizsiniz.

Birkaç Agent paralel çalışıyorsa, birden fazla kişi bir çalışma başlatabiliyorsa ya da biten iş, kimsenin onu okumaya ayıracak zamanını aşmışsa karma model bir Crew kullanın.

Zor kısım işin kendisiyse pahalı modeli incelemeye koymayın. Saatlerce bağlamı koruması gereken bir migrasyon doğrudan Opus 5.5'e aittir; paketi de arkasından ucuz bir Agent yazar. Rol başına seçim yapmak, ekip başına bir kez değil Task başına seçim yapmak demektir; bu yüzden modelleri agent rollerine eşleştirmek, altı kişinin kendi içinde tuttuğu bir alışkanlık değil, yazıya döktüğünüz bir kuraldır.

Değişmeyen sayı

Tamamlanan görev başına maliyet bu lansmanın her iki tarafında da sert biçimde düştü. OpenAI, medyan araştırmacısının coding agent'lara günde 600 doların üzerinde harcadığını, 90. yüzdelik dilimin ise 7.000 doların üzerinde olduğunu bildiriyor. Bu çizginin altındaki ekipler artık geçen haftaya kıyasla birkaç kat daha fazla agent işini karşılayabiliyor.

İnceleyici saatleri ise tam olarak olduğu yerde. Karma model bir Crew, daha fazla ucuz çıktıyı daha az insan kararına dönüştürerek kendini amorti eder ve bu ancak handoff özet yerine kanıt taşırsa gerçekleşir. Hedefi, diff'i, komutları, engelleri, doğrulanmamış iddiaları ve insan incelemesinin talepten sürüme kadar Task'a dönmesini koruyun; o zaman model bölünmesi, kimsenin çalışma biçimini değiştirmeden gelecek çeyrekte değiştirebileceğiniz bir ayar haline gelir.

Sharkly modeli çalıştırmaz ve sizin adınıza model seçmez. Modeli çalıştıran araçların etrafındaki paylaşılan Task, Computer, bağlam ve inceleme katmanıdır; hem bir inceleyicinin hem de bir insanın okuyacağı bir handoff'un yaşaması gereken yer de burasıdır. Hâlihazırda birkaç coding agent çalıştırıyorsanız: bir Computer bağlayın, bir worker Agent ve bir inceleyici Agent oluşturun ve worker'a sıkıcı bir işte o paketi döndürtün.