私は今、最小限の実験をしました。主モデルは引き続き GPT-5.6 Sol Ultra で、複雑な判断、タスク分解、最終的な検収のみを担当します。資料集めやコード読み取りといった作業は、より速くよりコスト効率のよい Terra Medium に任せ、全工程で読み取りのみ、書き換えはしません。境界が明確で、実行手順もはっきりしているタスクは直接 Sol Medium に投げます。複雑で、曖昧で、高リスクな部分はすべて Ultra に残します。 Sol Medium はやはり Sol ですが、思考の強度は Ultra から Medium に落とします。公式の位置づけとして Medium は、ほとんどのタスクに対するバランスのとれたデフォルトです。推論強度を高めることで複雑タスクの品質は向上し得ますが、その分、処理時間と Token が増えます。だから「品質がまったく影響しない」とは言えず、タスクの境界を明確にすること＋Ultra の最終検収でリスクを抑えるしかありません。 現時点では実タスクの中で走らせているところで、具体的な節約割合はまだ出ておらず、品質の差異を体系的に比較したこともまだありません。様子を見ています。 皆さんは、似たような「強いモデルは判断と検収だけ、Medium は明確な実行だけ」といった分業をやったことはありますか？品質は明確に落ちましたか？
Codex Ultra による使用枠をあまり無駄にせず、かつ Token 節約のために複雑な分業システムをもう一段重ねることもできないようにしたいです。
私は今、最小限の実験をしました。主モデルは引き続き GPT-5.6 Sol Ultra で、複雑な判断、タスク分解、最終的な検収のみを担当します。資料集めやコード読み取りといった作業は、より速くよりコスト効率のよい Terra Medium に任せ、全工程で読み取りのみ、書き換えはしません。境界が明確で、実行手順もはっきりしているタスクは直接 Sol Medium に投げます。複雑で、曖昧で、高リスクな部分はすべて Ultra に残します。
Sol Medium はやはり Sol ですが、思考の強度は Ultra から Medium に落とします。公式の位置づけとして Medium は、ほとんどのタスクに対するバランスのとれたデフォルトです。推論強度を高めることで複雑タスクの品質は向上し得ますが、その分、処理時間と Token が増えます。だから「品質がまったく影響しない」とは言えず、タスクの境界を明確にすること＋Ultra の最終検収でリスクを抑えるしかありません。
現時点では実タスクの中で走らせているところで、具体的な節約割合はまだ出ておらず、品質の差異を体系的に比較したこともまだありません。様子を見ています。
皆さんは、似たような「強いモデルは判断と検収だけ、Medium は明確な実行だけ」といった分業をやったことはありますか？品質は明確に落ちましたか？