先让结果可验证，再调投入与模型，以完成质量和任务总成本定档。
模型与 effort 调的是不同东西：前者决定能力范围，后者调整投入，不能互相完全替代。
原文把 Opus 5.5 的 medium 作为多数编码和知识工作的起点，把范围清楚的日常任务下放给 Sonnet，把简单批量任务下放给 Haiku，把最难技术任务和长时间无人值守运行交给 Fable。关键边界是：规格清楚不等于任务简单，迁移和性能优化仍可能需要更强模型；提高 effort 能增加思考、工具调用和自查，却不能补出模型欠缺的知识或技能。因此，超过 high 之前应比较更强模型的较低档位，而不是沿同一模型无限加档。
“It's a finer dial for both cost and capability.” ¶9
模型与 effort 必须一起读：Fable 5.2 的 high 与 Opus 5.5 的 max 接近，只支持该基准下这组配置的比较。另一个例子中，Opus 的 xhigh 相对 high 多约 1.4 个得分点，却花费 2.5 倍，也不能套用到 gpt-6.1-sol。
选型的经济单位是完成任务，而不是单个 token；难题尾部也必须进入预算。
在 FrontierCode 2.0 上，Fable 5.2 的 high 与 Opus 5.5 的 max 得分接近，分别为 45.3% 和 45.5%，前者每任务费用约为后者的一半。这说明 token 更贵的模型，在特定难题和 effort 组合下仍可能更省。另一个搜索基准包含 20 道题，其中两题贡献 43% 的支出。推断：只测典型短任务，可能选出平时便宜、遇到难题却反复消耗的配置；评测应同时保留常见任务和高成本任务。
“for roughly half the cost per task” ¶15
这一点暂无对应的审视。
可执行的自验证应当先于升档；失败可识别时，才有条件把高成本集中在失败项上。
作者给出的顺序是先提供测试、构建或端点检查，再提高 effort，最后更换模型。在同一 SWE-bench Pro 子集上，low 失败后重跑 high 的方案约通过 97%，每任务约 $0.17；全部使用 high 约通过 95.3%，每任务约 $0.29。机制是让容易完成的任务停在便宜路径，只让失败任务消费更高档位。推断：若检查器漏掉错误，错误结果就不会触发重跑；这套策略首先依赖验收器，而不是依赖模型自称完成。
“re-run only the failures at a high one” ¶25
low 加失败重跑的收益来自特定 SWE-bench Pro 子集；原文未交代重跑上限、完整计费分母和重复运行波动。约 97% 的结果也不能证明这条策略在其他任务上更准确。
子代理省钱的前提是边界清楚、结果易查，同时让主模型少读冗长材料。
子代理拥有独立上下文，按自身模型费率计费，只向主模型交回摘要；这能减少主模型后续每轮携带的材料。原文把找文件、跑测试和读日志列为小模型候选，把代码修改与判断留给主模型，并提醒误读搜索结果会让主模型沿错误文件继续花费。上下文长度也会改变经济性：Haiku 5.5 的提示超过 100K tokens 后，输入费率升至短提示档的五倍。推断：批量委派应比较整个流程的成本，不能只比较子代理自身的单价。
“Keep code edits and judgment calls on the main model.” ¶39
廉价子代理的实际身份与输入长度都需要核对。原文称内置 Explore 使用会话模型，haiku 别名在不同接入渠道可能指向不同模型；Claude Code 被标记的请求还可能改由旧模型重跑，不能只按配置名给结果归因。
切换模型涉及缓存与推理状态迁移，请求成功不等于前序推理完整保留。
原文说明缓存归写入它的模型所有，换模型后的首轮要为整段对话支付缓存写入费用；先 /compact 或用简短书面计划开启新会话，可缩小这笔开销。推理块还存在方向性的兼容边界：降档会失去上层模型的推理，部分其他切换也会丢失，而 API 仍可成功返回。因此应把关键决策写成新模型可读的摘要。自行构造多模型 API 请求时，还需遵循追加历史、tool_choice: auto、strict 工具与按 type 解析内容块等兼容约束；原文明确说明 Claude Code 等封装已处理 Fable 相应的历史兼容要求。
“the API drops them and the request still succeeds.” ¶35
迁移风险不止接口报错，还包括推理块被静默丢弃。原文也要求自行构造的多模型请求满足更严格的历史、工具与内容块契约；这些要求不应未经检查就套到现有 Jev 调用入口。
多模型路由必须通过真实任务评测证明价值，编排本身不构成收益。
作者要求从真实任务抽样，为每项写完成检查，在独立会话中比较候选模型的不同 effort，记录 usage，再把得分与支出放到同一张图上；多模型组合只有优于单模型候选才值得保留，切换前还应影子运行。独立会话在本文实验设计中的作用是避免共享缓存干扰比较。类似地，只有任务超过一个上下文且能拆分时，廉价 workers 才可能抵消规划与合并开销；单条依赖链或一个上下文能容纳的工作，原文建议继续用单代理。
“Plot score against spend.” ¶59
advisor 与批量 workers 的收益证据有限。批量 workers 的省钱例子来自超大代码缺陷搜索，也不能证明内容研究任务值得并行。
作者没有直接谈到这一点。
从 Opus 起步、最难任务升到 Fable，是作者对自家产品的推荐。文中依据包含厂商运行的公开基准和内部基准，没有提供跨厂商结果，不能据此认定应替换快照中的 Codex 默认模型。
作者没有直接谈到这一点。
技能列表也没有提供技能正文。已有台账不能替代这些文件的当前状态。
自动核验能识别失败，才有条件把高档投入集中到失败任务。
模型与 effort 调的是不同东西：前者决定能力范围，后者调整投入，不能互相完全替代。
原文把 Opus 5.5 的 medium 作为多数编码和知识工作的起点，把范围清楚的日常任务下放给 Sonnet，把简单批量任务下放给 Haiku，把最难技术任务和长时间无人值守运行交给 Fable。关键边界是：规格清楚不等于任务简单，迁移和性能优化仍可能需要更强模型；提高 effort 能增加思考、工具调用和自查，却不能补出模型欠缺的知识或技能。因此，超过 high 之前应比较更强模型的较低档位，而不是沿同一模型无限加档。
It's a finer dial for both cost and capability.
¶9 ↗
选型的经济单位是完成任务，而不是单个 token；难题尾部也必须进入预算。
在 FrontierCode 2.0 上，Fable 5.2 的 high 与 Opus 5.5 的 max 得分接近，分别为 45.3% 和 45.5%，前者每任务费用约为后者的一半。这说明 token 更贵的模型，在特定难题和 effort 组合下仍可能更省。另一个搜索基准包含 20 道题，其中两题贡献 43% 的支出。推断：只测典型短任务，可能选出平时便宜、遇到难题却反复消耗的配置；评测应同时保留常见任务和高成本任务。
for roughly half the cost per task
¶15 ↗
可执行的自验证应当先于升档；失败可识别时，才有条件把高成本集中在失败项上。
作者给出的顺序是先提供测试、构建或端点检查，再提高 effort，最后更换模型。在同一 SWE-bench Pro 子集上，low 失败后重跑 high 的方案约通过 97%，每任务约 $0.17；全部使用 high 约通过 95.3%，每任务约 $0.29。机制是让容易完成的任务停在便宜路径，只让失败任务消费更高档位。推断：若检查器漏掉错误，错误结果就不会触发重跑；这套策略首先依赖验收器，而不是依赖模型自称完成。
re-run only the failures at a high one
¶25 ↗
子代理省钱的前提是边界清楚、结果易查，同时让主模型少读冗长材料。
子代理拥有独立上下文，按自身模型费率计费，只向主模型交回摘要；这能减少主模型后续每轮携带的材料。原文把找文件、跑测试和读日志列为小模型候选，把代码修改与判断留给主模型，并提醒误读搜索结果会让主模型沿错误文件继续花费。上下文长度也会改变经济性：Haiku 5.5 的提示超过 100K tokens 后，输入费率升至短提示档的五倍。推断：批量委派应比较整个流程的成本，不能只比较子代理自身的单价。
Keep code edits and judgment calls on the main model.
¶39 ↗
切换模型涉及缓存与推理状态迁移，请求成功不等于前序推理完整保留。
原文说明缓存归写入它的模型所有，换模型后的首轮要为整段对话支付缓存写入费用；先 /compact 或用简短书面计划开启新会话，可缩小这笔开销。推理块还存在方向性的兼容边界：降档会失去上层模型的推理，部分其他切换也会丢失，而 API 仍可成功返回。因此应把关键决策写成新模型可读的摘要。自行构造多模型 API 请求时，还需遵循追加历史、tool_choice: auto、strict 工具与按 type 解析内容块等兼容约束；原文明确说明 Claude Code 等封装已处理 Fable 相应的历史兼容要求。
the API drops them and the request still succeeds.
¶35 ↗
多模型路由必须通过真实任务评测证明价值，编排本身不构成收益。
作者要求从真实任务抽样，为每项写完成检查，在独立会话中比较候选模型的不同 effort，记录 usage，再把得分与支出放到同一张图上；多模型组合只有优于单模型候选才值得保留，切换前还应影子运行。独立会话在本文实验设计中的作用是避免共享缓存干扰比较。类似地，只有任务超过一个上下文且能拆分时，廉价 workers 才可能抵消规划与合并开销；单条依赖链或一个上下文能容纳的工作，原文建议继续用单代理。
Plot score against spend.
¶59 ↗
从 Opus 起步、最难任务升到 Fable，是作者对自家产品的推荐。文中依据包含厂商运行的公开基准和内部基准，没有提供跨厂商结果，不能据此认定应替换快照中的 Codex 默认模型。
模型与 effort 必须一起读：Fable 5.2 的 high 与 Opus 5.5 的 max 接近，只支持该基准下这组配置的比较。另一个例子中，Opus 的 xhigh 相对 high 多约 1.4 个得分点，却花费 2.5 倍，也不能套用到 gpt-6.1-sol。
low 加失败重跑的收益来自特定 SWE-bench Pro 子集；原文未交代重跑上限、完整计费分母和重复运行波动。约 97% 的结果也不能证明这条策略在其他任务上更准确。
廉价子代理的实际身份与输入长度都需要核对。原文称内置 Explore 使用会话模型，haiku 别名在不同接入渠道可能指向不同模型；Claude Code 被标记的请求还可能改由旧模型重跑，不能只按配置名给结果归因。
迁移风险不止接口报错，还包括推理块被静默丢弃。原文也要求自行构造的多模型请求满足更严格的历史、工具与内容块契约；这些要求不应未经检查就套到现有 Jev 调用入口。
advisor 与批量 workers 的收益证据有限。批量 workers 的省钱例子来自超大代码缺陷搜索，也不能证明内容研究任务值得并行。
技能列表也没有提供技能正文。已有台账不能替代这些文件的当前状态。