Architekt nekladie tehly: Ako rozdeliť AI programovanie medzi drahé a lacné modely

Pred pár dňami spoločnosť Anthropic zaradila Fable natrvalo do plánov Max. Načasovanie veľa napovie: prišlo hneď po tom, ako OpenAI vydala GPT-5.6 Sol, a — čo je dôležitejšie — hneď po tom, ako Kimi K3 zverejnila svoje váhy. Musel to byť open-source model, aby prinútil najväčšie AI laboratórium k triezvemu pohľadu na realitu a ukončil marketingový humbuk okolo jeho vlajkovej lode. Už len za to si zaslúži prípitok od každého, kto platí tieto faktúry.

Ale „zahrnuté v predplatnom" nie je to isté ako „lacné" a už vôbec nie je to isté ako „lacné navždy". Preto sme ešte v čase, keď bola Fable spoplatňovaná podľa spotreby, prestavali svoj pracovný postup tak, aby bol drahý model mechanicky zablokovaný od písania kódu. Myslí, plánuje a recenzuje. Lacnejšie modely píšu. Tento článok ukazuje, ako to funguje a čo to reálne znamenalo naprieč všetkými prepismi, ktoré máme — 606 skutočných relácií zahŕňajúcich produkčné SaaS monorepo, aplikáciu na riadenie dronov, marketingový web a CI agentov, ktorí im slúžia.

Časť 1 — Pasca a princíp

Tu je náš úprimný východiskový postoj: bez frontier modelov už nedokážeme fungovať. Nikto v tíme by bez nich neudržal súčasný výkon — a práve táto závislosť je pákou, ktorú veľké laboratóriá držia. Podľa nášho čítania dnešné AI predplatné poskytuje výrazne viac výpočtového výkonu, než koľko stojí; sú to ceny za obsadenie trhu a ceny za obsadenie trhu vždy skončia. Keď sa tak stane, každý, kto postavil svoju inžiniersku kultúru na „neobmedzených frontier tokenoch", zaplatí, čo sa mu povie.

Existujú dve obrany. Prvou je udržiavať si vierohodnú cestu von: otvorené modely ako DeepSeek a Kimi sú tým, čo vynútilo tohtotýždňovú korekciu cien, a pákou zostanú len vtedy, ak svoje pracovné postupy naozaj udržíme prenosné na ne. Druhou je disciplína v pracovnom postupe: míňať frontier tokeny len tam, kde nič lacnejšie nefunguje. Tento článok je o tej druhej — pretože tú môžete začať uplatňovať už v pondelok.

Princíp je taký starý, že po ňom pomenovali budovu: architekt nekladie tehly. Náskok frontier modelu pred modelom strednej triedy je obrovský v návrhu, dekompozícii a recenzii — a takmer nulový pri prepisovaní premenovania v štyridsiatich súboroch. Preto rozdeľte roly. Rebrík cien hovorí to isté v dolároch:

Ako funguje vzor fable-architect

Zručnosť fable-architect je približne 100-riadkový markdown súbor plus jeden shell hook, ktorý sa načíta vždy, keď relácia Claude Code beží na frontier modeli. Vynucuje si deľbu práce:

• Architekt robí: vypytuje sa na požiadavku, skúma kódovú základňu, robí všetky dizajnové rozhodnutia — prístup, tok dát, názvy, signatúry, okrajové prípady — rozkladá prácu na nezávislé časti, recenzuje vrátené diffy, spúšťa overenie a píše všetku prózu (plány, zadania, popisy PR, správy commitov).
• Architekt nikdy nerobí: nepíše ani needituje zdrojový súbor. Žiadny kód v chate okrem krátkych signatúr v zadaní.

Tri veci spôsobujú, že to funguje v praxi, a nie len na slide.

1. Zadanie je rozhranie

Každá časť dostane jedno implementačné zadanie. Implementátor začína s čerstvým kontextovým oknom — čokoľvek, čo v zadaní nie je, musí znova objaviť alebo uhádnuť. Toto obmedzenie je výhoda: núti architekta dokončiť rozhodovanie pred delegovaním. Zadanie obsahuje rozhodnutia, nie možnosti.

## Implementation brief: <slice>
Goal:         one sentence, observable outcome
Context:      what exploration already found — excerpts, the nearest
              pattern to mirror, line anchors, gotchas
Files:        paths to create/modify — this slice's exclusive ownership
Design:       the decided approach — data flow, names, signatures, edges
Constraints:  project rules that apply: style, layers, security
Out of scope: what not to touch, including files owned by other slices
Delegation:   may this slice spawn sub-implementers, and how many
Verify:       exact commands and expected outcome

Dva z tých riadkov sú novšie než ostatné a existujú preto, že trieda implementátorov sa pod nami zmenila — pozri aktualizáciu nižšie.

2. Vynucovanie, nie pocity

Ochranný hook PreToolUse sleduje reláciu: ak sa architekt pokúsi upraviť súbor, ktorý nie je próza, spustí sa výzva na povolenie. Schválenie tejto výzvy je dokumentovanou výnimkou pre triviálne úpravy (preklep, zvýšenie verzie — prípady, keď réžia delegovania stojí viac než písanie). Trenie je politikou. Bez hooku vydrží „drahý model by nemal programovať" presne do prvého termínu.

3. Recenzná slučka uzatvára medzeru v kvalite

Architekt číta správu agenta aj skutočný diff — neverí ani jednému samostatne — a znova spúšťa kľúčové overovacie príkazy, keď na tvrdení záleží. Našiel problém? Oprava ide späť k tomu istému agentovi, ktorý stále drží celý svoj pracovný kontext. Žiadne ručné opravovanie, žiadne nové oživovanie.

Všimnite si, že ide o overovanie zo strany architekta a to zostáva. To, čo sme začali odstraňovať, je overovanie, ktoré sme kedysi písali do zadaní — inštrukcie, ktoré implementátorovi hovorili, aby si všetko dvakrát skontroloval. Novšie modely implementátorov to robia samé od seba a povedať im, aby to urobili znova, znamená kúpiť si druhý priechod, ktorý ste už zaplatili.

Pripravení rozšíriť svoje podnikanie?

Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.

Požiadať o demo Prihlásiť sa

Čo sme namerali

Aby sme overili, či ide o skutočný ekonomický mechanizmus alebo len o príjemný rituál, prekopali sme všetky prepisy Claude Code vo všetkých našich projektoch, odstránili duplicity v API požiadavkách a ocenili každý token podľa aktuálnych cenníkových sadzieb. Tri hypotézy, zaregistrované predtým, než sme sa pozreli na čísla jednotlivých relácií:

• H1 — Implementátori robia písanie. Ak je to pravda, subagenti implementátora by mali v delegovaných reláciách produkovať viac výstupných tokenov než hlavná slučka architekta.
• H2 — Delegovanie je lacnejšie. Ak je to pravda, prepočítanie práce implementátorov podľa sadzieb modelu architekta by malo vyjsť výrazne drahšie, než čo sme skutočne zaplatili.
• H3 — Kvalita sa udrží. Tá náročná: delegovaný kód by nemal vyžadovať viac prepracovania než kód, ktorý napísal architekt.

Základné pravidlá. Jedna API požiadavka zahŕňa mnoho riadkov prepisu, ktoré opakujú ten istý objekt spotreby — zoskupili sme ich podľa ID požiadavky, vstupné a cache tokeny sme počítali raz na požiadavku a z výstupu sme vzali maximálny snapshot (naivné sčítavanie po riadkoch nadhodnocuje 2–3×). Náklady používajú aktuálne cenníkové ceny Anthropic — Fable 10/50 $, Opus 5/25 $, Sonnet 3/15 $ za milión vstupných/výstupných tokenov — s čítaniami z cache na 10 % ceny vstupu a zápismi do cache podľa ich sadzieb pre danú TTL. 31 z 354 relácií v interaktívnom úložišti spĺňa podľa konzervatívneho klasifikátora kritériá relácie fable-architect; grafy zobrazujú osem najdrahších. Uvádzame pomery a percentá, nie naše absolútne výdavky.

Časť 2 — Účtenky

H1 — Zmiešané… povedalo prvé účtovanie. V najväčších delegovaných reláciách hypotéza jednoznačne platí — až 2,3× viac výstupu implementátorov než výstupu architekta. Ale naprieč všetkými 31 reláciami fable-architect architekt stále produkoval viac než implementátori, 3,59 mil. proti 3,15 mil. tokenov. Sčasti je to fér — výstup architekta zahŕňa všetky plány, zadania a recenznú prózu, čo je presne jeho úloha — a sčasti to vyzeralo ako relácie, ktoré delegujú jednu časť a zvyšok si nechávajú. Potom sme si spomenuli, že náš redesign webu vôbec nepôsobil ako práca ťažká na architekta, a vydali sme sa hľadať tokeny, ktoré účtovanie subagentov nedokázalo vidieť.

Prihláste sa na newsletter

Získajte najnovšie tipy, trendy a ponuky zadarmo.

Emailová adresa

Prihlásiť sa

Druhý kanál: issue tracker ako zbernica delegovania

Účtovanie subagentov má slepé miesto: vidí len delegovanie, ktoré sa deje vnútri relácie. Relácia redesignu webu — najväčšia položka v grafe vyššie — sa ukázala byť niečím úplne iným: jediná relácia slučky architekta, ktorá bežala 107 hodín v kuse (292 naplánovaných prebudení), rozdelila redesign na GitHub issues, označila ich pre našu CI pipeline a potom dohliadala: obchádzala behy, recenzovala pull requesty pipeline a zakladala následné issues, keď QA odhalila chyby.

Písanie sa odohrávalo niekde, kam sa naše hľadanie po jednotlivých reláciách ani nepozrelo: v samostatnej flotile self-hosted runnerov, kde sa fázy pipeline plán → implementácia → vyhodnotenie medzier → recenzia vykonali ako 252 nezávislých relácií Opus za 4,5 dňa, ktoré sa dotkli 48 rôznych issues a PR.

H1, znova — Potvrdené v mierke projektu. Spočítajte oba kanály a obraz sa obráti: pipeline napísala 10× viac výstupných tokenov než slučka architekta, ktorá ju odoslala (9,07 mil. proti 877 tis.), všetko za sadzby Opus. Spustenie tejto implementačnej vlny na modeli architekta by stálo 2,1× toľko — na jednom redesignu, za jeden týždeň, a to bez započítania subagentov v rámci relácie. Issue je len hrubšie zrnité zadanie: rovnaké rozhranie, rovnaká ekonómia, o úroveň vyššie.

H2 — Potvrdené, s prekvapením. Prepočítanie presných objemov tokenov implementátorov podľa sadzieb modelu architekta robí každú reláciu drahšou — od +2 % do +54 %, 17 % naprieč ôsmimi najväčšími. Skutočné peniaze, ale menšie, než naznačuje 2× rozdiel vo výstupnej cene. Prekvapenie: peniaze neodchádzajú na výstup. V najväčšej relácii stáli čítania z cache architekta približne 13× viac než všetko, čo napísal — dominantným výdavkom je, že drahý model drží a znova číta veľký orchestračný kontext, nie že píše. Delegovanie zastropuje účet za výstup; ďalšou pákou je udržiavať kontext architekta štíhly.

H3 — Tu nemerané. Tokenové účtovníctvo nevidí kvalitu kódu. Čo môžeme povedať na základe pozorovania: recenzná slučka je nosná — správy a diffy sa rozchádzajú dosť často na to, aby čítanie oboch bolo nevyhnutné — a opravy smerované späť k agentovi s teplým kontextom konvergujú rýchlo. Ak to zreplikujete a správne zmeriate prepracovanie, chceme to vidieť, najmä ak nás to vyvráti.

Čo nás naučili širšie dáta

• Prijatie je gradient, nie vypínač. V aplikácii na riadenie dronov — menšej a rýchlejšie sa meniacej — beží vzor fable-architect v 18 % relácií; v staršom SaaS monorepe je to 9 %. Projekt, ktorý delegoval najviac, to robil v oboch zrnitostiach naraz: zadania pre implementátora v rámci relácie aj 252 relácií pipeline odoslaných cez issue tracker.
• CI flotila nespúšťa túto zručnosť — pretože ona je implementátorom. Naše relácie automatizovaných runnerov nikdy nespúšťajú subagenta implementátora a spočiatku to vyzeralo ako neprijatie. Prompty hovoria niečo iné: každý z nich je fázou pipeline — overenie, recenzia, vyhodnotenie medzier — a približne šesť z desiatich pracuje na konkrétnom issue alebo PR. V mierke projektu sú runnery pipeline triedou implementátorov.
• Najlacnejšia trieda ešte nemala svoj prvý pracovný deň. Všetkých 78+ behov implementátora bolo triedy Opus; trieda Sonnet na mechanické úpravy bola pridaná len nedávno a ešte nebola vyvolaná. Akékoľvek úspory to nameria, sú len spodnou hranicou.

Rozhranie je to podstatné: zadanie dnu, diff von — issue dnu, PR von. V deň, keď príde zdraženie, vymeníte murára, nie proces.

Úplné zverejnenie. Modely overené z reťazcov v prepisoch, nie predpokladané. Dvakrát sme sa opravili (nadhodnotenie tokenov po riadkoch, potom provizórna tabuľka cien). Kontrafaktuál predpokladá, že architekt by minul rovnaké objemy tokenov ako implementátori — chybové rozpätie ide oboma smermi. Relácie pipeline žijú v úložišti prepisov, ktoré naše prvé dva priechody ťažby nezahrnuli; účtovná hranica pred nami skryla 9-miliónový delegačný kanál a ten váš má pravdepodobne tiež. Projekty jedného inžiniera, väčšinou review-and-fix a vývoj funkcií — nie kontrolovaný benchmark. Korpus sa tiež uzatvára pred vydaním Opus 5: každé číslo vyššie je Fable ako architekt nad implementátormi triedy Opus 4. Ceny priečok sa po príchode Opus 5 nezmenili, takže namerané pomery platia — ale pozrite si nasledujúcu časť, čo sa zmenilo.

Aktualizácia — rebrík sa pohol pod nami

Opus 5 vyšiel po uzavretí týchto meraní a na cenovom rebríku sa nič nezmenilo: Opus je stále 5/25 $ za milión vstupných/výstupných tokenov, Fable stále 10/50 $ a graf vyššie je stále správny. Zmenila sa schopnosť na jednotlivých priečkach. Anthropic prezentuje Opus 5 ako skokovú zmenu v hĺbkovom uvažovaní a dlhodobej agentnej práci — teda presne v práci, z ktorej pozostáva rola architekta, a to za polovicu ceny triedy architekta.

To mieri priamo na naše vlastné prekvapenie z H2. Ak je dominantným nákladom architekta čítanie z cache a čítanie z cache sa účtuje na 10 % ceny vstupu, potom architekt bežiaci na Opus 5 znova číta svoj orchestračný kontext za 0,50 $ za milión tokenov namiesto 1,00 $ pri Fable. Položka, ktorá stála 13× viac než všetko, čo architekt napísal, sa zníži na polovicu. Toto sme nemerali — je to aritmetika pod rovnakým predpokladom rovnakých objemov tokenov, ktorý sme označili pri kontrafakte 2,1×, a je to ďalšia vec, ktorú plánujeme testovať. Ak to platí, zaujímavá otázka prestáva byť ktoré typy modelov a stáva sa či architekt vôbec potrebuje najvyššiu priečku.

Tri veci na novej triede implementátorov menia samotný vzor, nielen jeho cenu:

• Ľahko siaha po subagentoch — opak svojho predchodcu, ktorého bolo treba k delegovaniu vôbec prehovoriť. Implementátor, ktorý potichu spúšťa svojich vlastných implementátorov, násobí účet, pričom sa nikto nepozerá. Preto riadok Delegation: v zadaní: časť teraz uvádza, či sa môže rozvetviť a ako široko.
• Overuje si vlastnú prácu bez vyzvania. Overovacie inštrukcie napísané pre staršie modely teraz kupujú zbytočný druhý priechod, a preto zo zadaní vypadávajú. Recenzná slučka architekta zostáva nedotknutá.
• Rozširuje rozsah. Out of scope: prestáva byť šablónovým textom a stáva sa riadkom, ktorý udržiava časť ako časť.

A priečka, ktorú sme nikdy nepoužili, sa zostrila, kým sme sa nepozerali: Sonnet 5 dosahuje takmer kvalitu Opus pri programovaní za 3/15 $, s úvodnou cenou pod touto úrovňou do konca augusta. „Akékoľvek úspory to nameria, sú len spodnou hranicou" bola pri písaní opatrná formulácia. Teraz to vyzerá ako podhodnotenie.

Časť 3 — Kam to zámerne smeruje

Zámerne smerujeme k rozdeleniu, do ktorého bude podľa nás skôr či neskôr dotlačený každý inžiniersky tím: drahé frontier modely len na brainstorming, architektúru a recenziu; čoraz lacnejšie modely na samotné programovanie. Dnes sú naši implementátori triedy Opus. V pracovnom postupe sa nič nezmení, keď sa stanú triedou Sonnet, DeepSeek alebo Kimi — rozhranie je od základu nezávislé od modelu. V tom je celá strategická hodnota: v deň, keď dotácia skončí a faktúra sa zdvojnásobí, tímy s touto disciplínou zmenia jeden riadok v konfigurácii. Tímy bez nej prejednávajú celú svoju nákladovú štruktúru pod tlakom.

Fable-architect je malý krôčik — prijatie je čiastočné a najlacnejšia trieda ešte nezažila svoj prvý beh. Je to však krok, ktorý buduje sval: písať zadania, ktoré plne špecifikujú časť, recenzovať diffy, ktoré ste nepísali, a zaobchádzať s pozornosťou drahého modelu ako s rozpočtom. A vlna redesignu ukazuje, kam ten sval vedie: keď zadania fungujú, fungujú aj issues a drahý model sa implementácie prestane zúčastňovať úplne.

Čo môžete urobiť v pondelok

1. Rozdeľte roly vo svojom agentovom harnesse. Jedno pravidlo na úrovni relácie: frontier model plánuje a recenzuje; všetky úpravy súborov delegujte na lacnejšieho agenta implementátora. V Claude Code je to zručnosť plus definície subagentov — jedno popoludnie nastavovania.
2. Urobte hranicu mechanickou. Pridajte hook pred úpravou, ktorý spochybní vlastné zápisy drahého modelu do súborov. Pravidlo, ktorého porušenie nič nestojí, bude porušené do piatku.
3. Píšte zadania podľa pevnej šablóny. Cieľ, kontext, súbory, dizajn, obmedzenia, mimo rozsahu, rozpočet delegovania, overenie. Šablóna je disciplína — a rozpočet delegovania je to, čo zabráni implementátorovi potichu si najať vlastných.
4. Recenzujte správu aj diff. Nikdy neverte ani jednému samostatne; znova spustite overovacie príkazy, na ktorých záleží.
5. Zmerajte svoje vlastné rozdelenie. Vaše prepisy už obsahujú dáta — zoskupte podľa požiadavky, ocenite podľa modelu a zistite, kto naozaj píše. Tie naše nám ukázali nevyužitú lacnú triedu a 9-miliónový delegačný kanál, o ktorom sme nevedeli.
6. Rozšírte rozhranie zo zadaní na issues. Zadanie deleguje hodinu práce; issue deleguje deň práce. Keď vaše issues ponesú akceptačné kritériá, na ktoré dokáže pipeline reagovať, drahý model môže prácu zapisovať do trackera a dohliadať namiesto toho, aby sedel v slučke pri každej časti.
7. Udržiavajte si teplý východ. Raz týždenne spustite lacný alebo otvorený model ako implementátora na jednej nízkorizikovej časti. Prenosnosť, ktorú nikdy nevyužívate, je prenosnosť, ktorú nemáte.
8. Preceňujte architekta, nielen murára. Každé vydanie modelu posúva priečky bez toho, aby posunulo rebrík. Ak väčšinu výdavkov na architekta tvorí kontext a nie písanie, lacnejšia trieda architekta má väčšiu hodnotu než lacnejšia trieda implementátora — pozrite sa, ktorú z nich podľa vašich prepisov kupujete.

Laboratóriá nám budú naďalej tvrdiť, že ich najlepšie modely stoja za akúkoľvek cenu, a — čo je na zúfalstvo — pri práci vyžadujúcej úsudok majú väčšinou pravdu. Nejde o to zdržať sa. Ide o to prestať platiť frontier ceny za for-cykly.