새롭게 업데이트된 선형 가격 대비 지능 및 응답 시간 차트

맞아, 내 경험이랑 거의 똑같네. 난 결국 Sol High를 써서 작업을 계획하고, 접근 방식을 구조화해서 프롬프트나 사양을 작성한 다음, 실제 실행은 하나 이상의 에이전트를 쓴 Luna한테 맡기는 방식으로 정착했어.

Luna는 가이드라인이 확실할 땐 최고지만, 스스로 고차원적인 결정을 내려야 하거나 뭔가 꼬였을 때 복구해야 하는 상황에선 확실히 신뢰도가 떨어져. '작업 완료'와 '실제로 좋은 코드를 생산하는 것' 사이의 차이점은 또...

리뷰어로서 Terra랑 Sol을 비교해본 적은 없네. 한번 해봐야겠어. 난 그냥 리뷰어는 코드가 내 눈에 들어오기 전에 모든 버그와 코드 스멜을 잡아낼 수 있는 가장 똑똑한 모델이어야 한다고 생각했거든.

난 생각이나 긴 작업이 필요 없는 간단한 작업에 써. 요약하기, 로그 분석, 테스트 생성이나 낡은 테스트 수정 같은 거 말이야.

최근엔 Luna Max를 '플래너 어시스턴트'로 쓰고 있어. 플래너가 나랑 논의한 뒤에 계획을 짜고(Matt Pocock의 grill-me 스킬처럼), 그걸 어시스턴트한테 보내는 거지. 그럼 어시스턴트가 다른 건 안 읽고 계획 파일만 검토해서 플래너한테 이게 실행 가능한지, 모순은 없는지, 아니면 뭔가...

모델한테 작업이 얼마나 어려운지, 그리고 컴팩션(compactions)이 얼마나 필요한지에 따라 완전히 달라짐. 테라(terra)가 가성비가 떨어지는 벤치마크도 있고, 반대로 더 잘하는 벤치마크도 있음. 결국 본인 작업 나름임.

그렇긴 해도 AA는 대규모 집계 데이터니까 믿을 만함. 만약 루나(luna)가 하기엔 너무 어려운 작업이라 토큰 낭비하면서 실험하기 싫다면, 그냥 솔(sol) 미디엄으로 올리는 게 맞음.

이 댓글 아래에 답글 달았어 https://www.reddit.com/r/codex/s/BBw4NcRXUv