Ajuste dinâmico do esforço de raciocínio durante tarefas no Codex
vechen · @miu2159056,9 mil visualizações no X
Este projeto usa o Jev para aumentar ou reduzir o nível de esforço de raciocínio de um modelo grande dentro do Codex enquanto a tarefa acontece. Quando o agent está travado, o esforço sobe; em passos rotineiros, desce. Nos testes, o custo caiu pela metade sem quebrar o cache de prompt.
O que o Jev decide aqui?
Durante a tarefa, o Jev decide se o nível de esforço de raciocínio do modelo deve subir, descer ou se manter.
Qual foi o resultado?
Custos cerca de 50% menores com o GPT-6 Astra nos testes, sem quebrar o prompt caching.
Por que isso importa?
Configurar o esforço de raciocínio uma vez para a tarefa inteira é desperdício: a maior parte dos passos é simples, e só alguns momentos pedem pensamento profundo. Ajustar isso passo a passo alinha o gasto com a dificuldade real.
O padrão vale para qualquer agent de longa duração, como assistentes de programação, análise de documentos ou atendimento com várias etapas. O cuidado técnico apontado no caso é importante: mudanças na configuração não podem invalidar o cache do prompt, senão a economia de um lado vira custo do outro.