GPT-5.6 Sol gegen Grok 4.5 gegen Gemini 3.6 Flash: Ein intelligenteres Modell entwickeln
GPT-5.6 Sol gegen Grok 4.5 gegen Gemini 3.6 Flash: Hören Sie auf, zu fragen, welches Modell am besten ist, und erstellen Sie einen Agenten-Router, der jede Anfrage an das passende Modell leitet.
Quellen: GPT-5.6 Sol vs Grok 4.5 vs Gemini 3.6 Flash: Build a Smarter Agent Router
Die folgenden Anmerkungen skizzieren einen praktischen Ansatz zu dem Thema „GPT-5.6 Sol vs Grok 4.5 vs Gemini 3.6 Flash: Build a Smarter Agent Router“. Der Schwerpunkt liegt auf Verträgen, Überprüfungen sowie Platzhaltern für Codeeinheiten statt auf motivierenden Formulierungen.
Hören Sie auf, zu fragen, welches Modell am besten ist. Leiten Sie jede Agentenaufgabe anhand von Risiko, Kontext, verfügbaren Tools, Ausgabegröße und Gesamtkosten weiter.
Während Sie die Phase „Hören Sie auf, zu fragen, welches Modell am besten ist“ durchgehen, notieren Sie zunächst den Vertrag: erforderliche Eingaben, Erfolgsindikator sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Bewahren Sie die Konfiguration außerhalb des Anwendungscode auf. Umgebungsdateien, Geheimdatenspeicher und Feature-Flags sollten an einem Ort gesammelt sein, den Betreiber ohne das Durchlesen des gesamten Systems überprüfen können. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler der Anbieter wie Bugs in der Anwendung.
User request → One powerful model → Tools → Final answer
Task
↓
Classification and risk analysis
↓
Model selection
↓
Execution
↓
Validation
↓
Escalation when required
Die gerouteten Modelle
Während der Phase „Die gerouteten Modelle“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Dokumentieren Sie sowohl den erfolgreichen Ablauf als auch den Notfallweg gemeinsam. Wiederholte Versuche, menschliche Überprüfungen sowie die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken intermittierende Fehler des Anbieters wie Programmfehler.
GPT-5.6 Sol
Beim Arbeiten an der GPT-5 6 Sol-Stufe sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsindikator sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Ziehen Sie kleine, testbare Einheiten vor großen Skripten. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufschema. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Programmierfehler.
GPT-5.6 Sol – Preise für lange Kontexte
Beim Arbeiten an der GPT-5 6 Sol Long-Context-Phase sollten Sie zunächst einen Vertrag aufschreiben: erforderliche Eingaben, Erfolgsindikatoren sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Betrachten Sie diese Phase als Vertrag zwischen Eingaben und validierten Ausgaben. Benennen Sie die Erzeugnisse, definieren Sie Erfolgskontrollen und lehnen Sie stille, teilweise abgeschlossene Abläufe ab. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Programmierfehler.
Input: $10 per million tokens
Output: $45 per million tokens
Grok 4.5 Long-Context-Preise
Beim Arbeiten an der Grok 4/5-Phase mit langem Kontext sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Notieren Sie die Laufzeiten sowie die Kosten für Tokens oder Abfragen neben den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Einsatzbereich von Demoumgebungen in gemeinsam genutzte Umgebungen wechselt. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Bugs in der Anwendung. Beim Arbeiten an der Grok 4/5-Phase mit langem Kontext sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgssignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Dokumentieren Sie sowohl den erfolgreichen Ablauf als auch den Notfallweg gemeinsam. Wiederholte Versuche, menschliche Überprüfungen sowie die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen.
Input: $4 per million tokens
Cached input: $0.60 per million tokens
Output: $12 per million tokens
Input: 100,000 tokens
Output: 10,000 tokens
Input: 50,000 tokens
Output: 50,000 tokens
Input tokens = 3 × output tokens
Total model and tool cost
─────────────────────────
Accepted completed tasks
Was der Router bewerten sollte
Der Ansatz „Was der Router bewerten sollte“ funktioniert am besten, wenn er als messbarer Rahmen betrachtet wird. Erfassen Sie ein optimales Beispiel, einen Fehlerfall sowie eine Notiz zur Rücksetzung, bevor Sie den Umfang erweitern. Ziehen Sie kleine, testbare Einheiten vor großen Skripten vor. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufverfahren. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie Schleifen erklären. Unterschiede zwischen Laptop und CI sind die häufigste Ursache für stillschweigende Ausfälle bei API-Demos.
1. Aufgabentyp
Die Phase des 1. Aufgabentyps funktioniert am besten, wenn sie als messbare Ebene betrachtet wird. Erfassen Sie ein gelungenes Beispiel, einen Fehlerfall sowie die Notizen zum Rollback, bevor Sie den Umfang erweitern. Betrachten Sie diese Phase als Vertrag zwischen Eingaben und validierten Ausgaben. Benennen Sie die Ergebnisdokumente, definieren Sie Erfolgskontrollen und lehnen Sie stille, unvollständige Abschlüsse ab. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie dem Programmierer den Umgang mit Schleifen beibringen. Abweichungen zwischen Laptop und CI sind die häufigste Ursache für stille Ausfälle bei API-Demos.
classification
extraction
repository_search
planning
implementation
debugging
architecture
migration
security_review
final_review
computer_use
2. Risiko
Die 2-Risiko-Phase funktioniert am besten, wenn sie als messbarer Bereich betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein „goldenes“ Transkript, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Erfassen Sie außerdem die Laufzeiten sowie die Kosten für Tokens oder Abfragen neben den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Prozess von einer Demo in gemeinsame Umgebungen übergeht. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie Schleifen erklären – Abweichungen zwischen Laptop und CI sind die häufigste stillschweigende Störung bei API-Demos. Die 2-Risiko-Phase funktioniert am besten, wenn sie als messbarer Bereich betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein „goldenes“ Transkript, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Wiederherstellungsprozess. Wiederholversuche, menschliche Kontrollen sowie die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen.
Low:
Documentation, formatting, metadata, test generation
Medium:
Contained feature work, refactoring, ordinary bug fixes
High:
Authentication, payments, permissions, infrastructure,
database migrations, security-sensitive code
3. Kontextgröße
In der Stufe „3 Context Size“ sollten die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien vor dem Ändern des Codes definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Vorzuziehen sind kleine, testbare Einheiten statt umfangreicher Skripte. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Pipeline-System. Trennen Sie den Aufbau des Clients von der Nachrichtenschleife, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen.
4. Erwartete Ausgabegröße
In der Phase der erwarteten Ausgabegröße 4 sollten die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien definiert werden, bevor der Code geändert wird. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Betrachten Sie diese Phase als Vertrag zwischen den Eingaben und den validierten Ausgaben. Benennen Sie die Artefakte, definieren Sie Erfolgskontrollen und lehnen Sie stille, unvollständige Abschlüsse ab. Trennen Sie den Aufbau des Clients von dem Nachrichtenzyklus, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs umschreiben zu müssen.
5. Erforderliche Tools
In der Phase „5 erforderliche Tools“ sollten die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien vor dem Codeändern definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf verborgene Zustände schließen zu müssen. Erhalten Sie neben den funktionalen Ergebnissen auch Aufzeichnungen der Laufzeiten sowie der Kosten für Tokens oder Abfragen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Prozess von einer Demo-Umgebung in eine gemeinsam genutzte Umgebung wechselt. Trennen Sie den Aufbau des Clients von dem Nachrichtenzyklus, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen. In der Phase „5 erforderliche Tools“ sollten die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien vor dem Codeändern definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf verborgene Zustände schließen zu müssen. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Notfallweg. Wiederholungsversuche, menschliche Überprüfungen und die Handhabung von Fehlnachrichten gehören zum Produkt selbst und nicht zu späteren Optimierungen.
6. Frühere Fehler
Während der Phase „6 Frühere Fehler“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Ziehen Sie kleine, testbare Einheiten vor großen Skripten. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufschema. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken intermittierende Fehler des Anbieters wie Programmfehler.
Eine praktische Routing-Strategie
Beim Bearbeiten der Phase „Praktische Routing-Strategie“ sollten Sie zunächst einen Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Betrachten Sie diese Phase als Vertrag zwischen Eingaben und validierten Ausgaben. Benennen Sie die Ergebnisse, definieren Sie Erfolgskontrollen und lehnen Sie stille, teilweise abgeschlossene Abläufe ab. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken intermittierende Fehler des Anbieters wie Programmfehler.
Routen Sie zu Gemini 3.6 Flash für:
Beim Arbeiten an der Phase „Route to Gemini 3“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Notieren Sie die Laufzeiten sowie die Kosten für Token oder Abfragen neben den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Weg von einer Demo-Umgebung in gemeinsam genutzte Umgebungen wechselt. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Programmierfehler. Beim Arbeiten an der Phase „Route to Gemini 3“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgssignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Dokumentieren Sie sowohl den erfolgreichen Ablauf als auch den Wiederherstellungsprozess gemeinsam. Wiederholte Versuche, menschliche Überprüfungen sowie die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen.
Route to Grok 4.5 für:
Der Weg zur Grok 4-Stufe funktioniert am besten, wenn er als messbare Struktur betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein erfolgreiches Beispiel, einen Fehlerfall sowie die Notizen zur Rücksetzung. Ziehen Sie kleine, testbare Einheiten vor umfangreichen Skripten vor. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufverfahren. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie Schleifen erklären. Unterschiede zwischen Laptop und CI sind die häufigste Ursache für stillschweigende Ausfälle bei API-Demos.
Weg zu GPT-5.6 Sol für:
Der 6-stufige Weg zu GPT-5 funktioniert am besten, wenn er als messbarer Prozess betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein gelungenes Beispiel, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Betrachten Sie diese Stufe als Vertrag zwischen den Eingaben und den validierten Ausgaben. Benennen Sie die Ergebnisdokumente, definieren Sie Erfolgskontrollen und lehnen Sie stille, unvollständige Abschlüsse ab. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie den Schleifenprozess einrichten. Abweichungen zwischen Laptop und CI sind die häufigste Ursache für stille Ausfälle bei API-Demos.
Referenzimplementierung in TypeScript
Die Referenzimplementierungsphase von TypeScript funktioniert am besten, wenn sie als messbarer Bereich betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein „goldenes“ Transkript, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Erhalten Sie neben den funktionalen Ergebnissen auch Aufzeichnungen zu Laufzeiten sowie Kosten für Tokens oder Abfragen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn sich der Einsatzbereich von einer Demo auf gemeinsame Umgebungen verschiebt. Fixieren Sie den Interpreter sowie das Abhängigkeitslockfile, bevor Sie Schleifen erklären. Unterschiede zwischen Laptop und CI sind die häufigste Ursache für stillschweigende Ausfälle bei API-Demos. Die Referenzimplementierungsphase von TypeScript funktioniert am besten, wenn sie als messbarer Bereich betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein „goldenes“ Transkript, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Wiederherstellungsprozess. Wiederholversuche, menschliche Kontrollen sowie die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen.
type ModelId =
| "gpt-5.6-sol"
| "grok-4.5"
| "gemini-3.6-flash";
type TaskKind =
| "classification"
| "extraction"
| "repository_search"
| "planning"
| "implementation"
| "debugging"
| "architecture"
| "migration"
| "security_review"
| "final_review"
| "computer_use";
type RiskLevel = "low" | "medium" | "high";
interface AgentTask {
kind: TaskKind;
risk: RiskLevel;
estimatedInputTokens: number;
estimatedOutputTokens: number;
previousFailures: number;
requiresComputerUse?: boolean;
requiresXSearch?: boolean;
requiresMcp?: boolean;
}
interface ModelPricing {
inputPerMillion: number;
outputPerMillion: number;
cachedInputPerMillion?: number;
contextWindow: number;
longContext?: {
threshold: number;
inputPerMillion: number;
outputPerMillion: number;
cachedInputPerMillion?: number;
};
}
const MODEL_PRICING: Record<ModelId, ModelPricing> = {
"gpt-5.6-sol": {
inputPerMillion: 5,
outputPerMillion: 30,
cachedInputPerMillion: 0.5,
contextWindow: 1_050_000,
longContext: {
threshold: 272_001,
inputPerMillion: 10,
outputPerMillion: 45,
cachedInputPerMillion: 1,
},
},
"grok-4.5": {
inputPerMillion: 2,
outputPerMillion: 6,
cachedInputPerMillion: 0.3,
contextWindow: 500_000,
longContext: {
threshold: 200_000,
inputPerMillion: 4,
outputPerMillion: 12,
cachedInputPerMillion: 0.6,
},
},
"gemini-3.6-flash": {
inputPerMillion: 1.5,
outputPerMillion: 7.5,
contextWindow: 1_000_000,
},
};
function estimateCost(
model: ModelId,
inputTokens: number,
outputTokens: number,
): number {
const pricing = MODEL_PRICING[model];
if (inputTokens + outputTokens > pricing.contextWindow) {
throw new Error(
`${model} context window exceeded: ` +
`${inputTokens + outputTokens} tokens`,
);
}
const activePricing =
pricing.longContext &&
inputTokens >= pricing.longContext.threshold
? pricing.longContext
: pricing;
return (
(inputTokens / 1_000_000) *
activePricing.inputPerMillion +
(outputTokens / 1_000_000) *
activePricing.outputPerMillion
);
}
function chooseModel(task: AgentTask): ModelId {
// Hard tool requirements come first.
if (task.requiresXSearch) {
return "grok-4.5";
}
if (task.requiresMcp) {
return "gpt-5.6-sol";
}
// Escalate tasks that repeatedly fail.
if (task.previousFailures >= 2) {
return "gpt-5.6-sol";
}
// High-risk work receives stronger reasoning or review.
if (
task.risk === "high" ||
task.kind === "architecture" ||
task.kind === "migration" ||
task.kind === "security_review" ||
task.kind === "final_review"
) {
return "gpt-5.6-sol";
}
// Gemini is suitable for routine UI automation.
if (
task.requiresComputerUse ||
task.kind === "computer_use"
) {
return "gemini-3.6-flash";
}
// Large prompts can make Grok's long-context tier
// less attractive.
if (task.estimatedInputTokens >= 200_000) {
return "gemini-3.6-flash";
}
// Output-heavy coding tasks can favour Grok.
const inputToOutputRatio =
task.estimatedInputTokens /
Math.max(task.estimatedOutputTokens, 1);
if (
task.kind === "implementation" ||
task.kind === "debugging"
) {
return inputToOutputRatio < 3
? "grok-4.5"
: "gemini-3.6-flash";
}
// Cheap default for low-risk, input-heavy work.
return "gemini-3.6-flash";
}
function routeTask(task: AgentTask) {
const model = chooseModel(task);
const estimatedCost = estimateCost(
model,
task.estimatedInputTokens,
task.estimatedOutputTokens,
);
return {
model,
estimatedCost,
reason: buildRoutingReason(task, model),
};
}
function buildRoutingReason(
task: AgentTask,
model: ModelId,
): string {
if (task.requiresXSearch) {
return "Task requires native X search.";
}
if (task.previousFailures >= 2) {
return "Escalated after repeated failures.";
}
if (task.risk === "high") {
return "High-risk task requires stronger reasoning.";
}
if (task.estimatedInputTokens >= 200_000) {
return "Large input makes long-context pricing relevant.";
}
if (model === "grok-4.5") {
return "Output-heavy coding task.";
}
return "Low-risk, input-heavy agent task.";
}
Hinzufügen einer Validierung vor der Eskalation
In der Phase „Hinzufügen einer Validierung vor der Eskalation“ sollten die Eingabedaten, der Verantwortliche für diesen Schritt sowie die Abbruchkriterien bereits vor dem Ändern des Codes definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Es sollten kleine, testbare Einheiten bevorzugt werden statt umfangreicher Skripte. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufschema. Trennen Sie den Aufbau des Clients von dem Nachrichtenzyklus, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen.
interface RunResult {
model: ModelId;
success: boolean;
inputTokens: number;
outputTokens: number;
toolCalls: number;
testsPassed?: boolean;
lintPassed?: boolean;
typecheckPassed?: boolean;
changedFiles: string[];
estimatedCost: number;
latencyMs: number;
failureReason?: string;
}
function shouldEscalate(result: RunResult): boolean {
if (!result.success) return true;
if (result.testsPassed === false) return true;
if (result.lintPassed === false) return true;
if (result.typecheckPassed === false) return true;
return false;
}
Nutzen Sie eine Eskalationsleiter
Für die Verwendung einer Eskalationsleiterstufe sollten vor dem Ändern des Codes die Eingaben, der Verantwortliche für diese Stufe sowie die Abbruchkriterien definiert werden. Die Operator sollten in der Lage sein, die Stufe von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Betrachten Sie diese Stufe als Vertrag zwischen den Eingaben und den validierten Ausgaben. Benennen Sie die Artefakte, definieren Sie Erfolgskontrollen und lehnen Sie stille, unvollständige Abschlüsse ab. Trennen Sie den Client-Aufbau vom Nachrichtenzyklus, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen.
Low-risk agent task
Gemini 3.6 Flash
↓ failure
Grok 4.5
↓ failure
GPT-5.6 Sol
Grok 4.5
↓ failed tests or repeated loop
GPT-5.6 Sol
GPT-5.6 Sol implementation
↓
Independent review by another model
↓
Automated checks
↓
Human approval
Trennung von Planung, Ausführung und Überprüfung
Für die getrennte Planungs- und Ausführungsphase sollten vor dem Codeändern die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf verborgene Zustände schließen zu müssen. Erhalten Sie Zeiten sowie Kosten für Token oder Abfragen zusammen mit den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Ablauf von einer Demo-Umgebung in gemeinsam genutzte Umgebungen wechselt. Trennen Sie den Client-Aufbau vom Nachrichtenzyklus, damit Anbieter ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen. Für die getrennte Planungs- und Ausführungsphase sollten vor dem Codeändern die Eingaben, der Verantwortliche für den Schritt sowie die Abbruchkriterien definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf verborgene Zustände schließen zu müssen. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Notfallablauf. Wiederholungsversuche, menschliche Kontrollen und die Handhabung von Fehlnachrichten gehören zum Produkt und nicht zu späteren Schritten.
Polieren.Kostenbewusster Codierungsworkflow
Während der Phase des kostenbewussten Codierungsworkflows sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsindikatoren sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Ziehen Sie kleine, testbare Einheiten vor großen Skripten vor. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufschema. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Programmierfehler.
Gemini 3.6 Flash
→ Gather repository context
→ Classify the task
→ Identify relevant files
Grok 4.5
→ Implement the change
→ Run tests
→ Repair ordinary failures
GPT-5.6 Sol
→ Review only if risk is high
→ Resolve ambiguous failures
Hochrisikomigrationss Workflow
Während der Bearbeitung des Workflows für Hochrisikomigrationen sollte man zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsindikatoren sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Betrachten Sie diese Phase als Vertrag zwischen den Eingaben und den validierten Ausgaben. Benennen Sie die Artefakte, definieren Sie Erfolgskontrollen und lehnen Sie stille, teilweise abgeschlossene Vorgänge ab. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Programmierfehler.
GPT-5.6 Sol
→ Design the migration plan
→ Identify rollback requirements
Grok 4.5
→ Implement isolated migration steps
GPT-5.6 Sol
→ Review the patch and failure modes
Automated pipeline
→ Test, lint, scan and stage
Human reviewer
→ Approve production execution
Eine Bewertungsdatenmenge aus echten Aufgaben erstellen
Beim Bearbeiten der Phase „Evaluierungsdatensatz erstellen“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgsignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Notieren Sie außerdem die Laufzeiten sowie die Kosten für Tokens oder Abfragen neben den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn der Einsatzbereich von einer Demo-Umgebung in gemeinsam genutzte Umgebungen wechselt. Protokollieren Sie bei jedem Aufruf die Anfrage-ID, die Modell-ID sowie die Latenzzeit. Ohne diese Aufzeichnungen wirken gelegentliche Fehler des Anbieters wie Bugs in der Anwendung. Beim Bearbeiten der Phase „Evaluierungsdatensatz erstellen“ sollten Sie zunächst den Vertrag aufschreiben: erforderliche Eingaben, Erfolgssignal sowie das Vorgehen bei teilweisen Fehlern. Diese Checkliste sorgt dafür, dass spätere Codeänderungen transparent bleiben. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Notfallweg. Wiederholte Versuche, menschliche Überprüfungen und die Handhabung von Fehlern gehören zum Produkt selbst, nicht zu späteren Optimierungen.
Task category
Selected model
Input and output tokens
Tool calls
Latency
Retries
Estimated cost
Test result
Human corrections
Files reverted
Final acceptance status
Escalation path
Kosten pro akzeptierter Aufgabe
Die Kategorie „Kosten pro akzeptierter Aufgabe“ funktioniert am besten, wenn sie als messbarer Parameter betrachtet wird. Erfassen Sie vor der Erweiterung des Umfangs ein erfolgreiches Beispiel, einen Fehlerfall sowie eine Notiz zur Rücksetzung. Ziehen Sie kleine, testbare Einheiten vor umfangreichen Skripten vor. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufverfahren. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie dem Benutzer den Schleifenmechanismus erklären. Abweichungen zwischen Laptop und CI sind die häufigste Ursache für stillschweigende Ausfälle bei API-Demos.
Total cost, including retries
─────────────────────────────
Number of accepted tasks
Erfolgsrate bei erster Anstrengung
Die Erfolgsrate bei erster Anstrengung funktioniert am besten, wenn sie als messbarer Wert betrachtet wird. Erfassen Sie ein erfolgreiches Beispiel, einen Fehlerfall sowie eine Notiz zur Rücksetzung, bevor Sie den Umfang erweitern. Betrachten Sie diese Phase als Vertrag zwischen Eingaben und validierten Ausgaben. Benennen Sie die Ergebnisdokumente, definieren Sie Erfolgskontrollen und lehnen Sie stille, unvollständige Abschlüsse ab. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie Schleifen erklären. Abweichungen zwischen Laptop und CI sind die häufigste Ursache für stille Ausfälle bei API-Demos.
Tasks accepted without retry
────────────────────────────
Total tasks
Menschliche Korrekturzeit
Die Phase der menschlichen Korrektur funktioniert am besten, wenn sie als messbare Größe betrachtet wird. Erfassen Sie ein „goldenes Transkript“, einen Fehlerfall sowie eine Notiz zur Rücksetzung, bevor Sie den Umfang erweitern. Erfassen Sie außerdem die Zeiten sowie die Kosten für Tokens oder Abfragen neben den funktionalen Ergebnissen. Eine frühzeitige Sichtbarkeit der Kosten verhindert überraschende Rechnungen, wenn sich der Einsatzbereich von einer Demo auf gemeinsam genutzte Umgebungen verschiebt. Fixieren Sie den Interpreter sowie die Abhängigkeitsdatei, bevor Sie Schleifen erklären – Abweichungen zwischen Laptop und CI sind die häufigste Ursache für stille Ausfälle bei API-Demos. Die Phase der menschlichen Korrektur funktioniert am besten, wenn sie als messbare Größe betrachtet wird. Erfassen Sie ein „goldenes Transkript“, einen Fehlerfall sowie eine Notiz zur Rücksetzung, bevor Sie den Umfang erweitern. Dokumentieren Sie gemeinsam den erfolgreichen Ablauf sowie den Notfallweg. Wiederholungsversuche, menschliche Kontrollen und die Handhabung von Fehlern gehören zum Produkt selbst und nicht zu späteren Optimierungen.
Unnötige Änderungsrate
Zur Phase der unnötigen Änderungsrate sollten Eingabedaten, Verantwortliche für die jeweilige Schritt und Abbruchkriterien vor der Codeänderung definiert werden. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Bevorzugen Sie kleine, testbare Einheiten vor umfangreichen Skripten. Wenn ein Schritt fehlschlägt, sollte der Fehler auf eine einzige Verantwortung verweisen und nicht auf ein verworrenes Ablaufschema. Trennen Sie den Client-Aufbau von der Nachrichtenschleife, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen.
Der Router sollte weiterhin austauschbar bleiben
Der Router sollte in dieser Phase unverändert bleiben; definieren Sie die Eingaben, den Verantwortlichen für den Schritt sowie die Abbruchkriterien, bevor Sie Code ändern. Die Operator sollten in der Lage sein, den Schritt von einem bekannten Checkpoint aus erneut auszuführen, ohne auf versteckte Zustände schließen zu müssen. Betrachten Sie diese Phase als Vertrag zwischen den Eingaben und den validierten Ausgaben. Benennen Sie die Artefakte, definieren Sie Erfolgskontrollen und lehnen Sie stille, teilweise abgeschlossene Vorgänge ab. Trennen Sie den Aufbau des Clients von dem Nachrichtenzyklus, damit Provider ausgetauscht werden können, ohne die Zustandsmaschine des Dialogs neu schreiben zu müssen.
Gemini is always cheap.
Grok is always best for implementation.
Sol is always the strongest.