Melyik AI-modellt használd az egyes feladatokhoz, és hogyan kerülheted el a túlfizetést?

Röviden: a gondolkodást bízd egy erős modellre, a végrehajtást pedig egy egyszerűbbre. A tervezést és az összetett döntéseket add egy csúcsmodellnek (GPT-6 Astra, Claude Fable 5.1 vagy Claude Opus 5.5), a kész terv alapján dolgozz egy középkategóriás modellel, a rutinfeladatokat és a háttérben futó ügynökhívásokat pedig bízd a legolcsóbb, azokat kezelni képes modellre. Közben ellenőrizd az eredményt: minél olcsóbb a modell, annál alaposabban kell átnézned a munkáját; különben az utómunka felemészti a megtakarítást.

Az alábbi „feladat → modell” táblázatot az eredeti szerző tette közzé egy nyílt tárhelyen 2026. szeptember 23-án. A fő modellek a saját, munkatapasztalaton alapuló választásai. A táblázathoz nem végeztek összehasonlító tesztet, és más feladatokra nem garantálhatók ugyanezek az eredmények. Az olcsóbb lehetőségek többségét nyilvános rangsorok és a fejlesztők ajánlásai alapján választottam; az Opus 5.5 kódoláshoz való választása szintén a tapasztalatomon alapul. Az eredeti anyagban szereplő árakat az OpenAI és az Anthropic hivatalos oldalai alapján ellenőrizték 2026.09.23-án.

Az Ailoot használatával kapcsolatos további útmutatásért lásd a dokumentációt.

Miért drága mindent egyetlen modellel végezni?#

Ha API-n keresztül fizetsz a tokenekért, minden csúcsmodellen futtatott feladat a csúcsmodell árán kerül, akkor is, ha egy egyszerűbb modell is elég lett volna. Előfizetés esetén vedd figyelembe a csomagod és a választott modelled korlátait: ellenőrizd őket a csomag oldalán. Ha arra vagy kíváncsi, hogyan működnek a Claude-előfizetések korlátai, és mi meríti ki őket, olvasd el a külön cikket: Hogyan ne merítsd ki a Claude Code korlátait egy nap alatt. Ez a cikk arról szól, hogyan válassz modellt egy konkrét feladathoz.

Hivatalos API-árak 1 millió tokenenként, 2026.09.23-án:

Vegyünk egy elképzelt ügynöki futást: 100 ezer bemeneti tokennel és 10 ezer kimeneti tokennel. Ez az alapárakkal végzett számítási példa nem tartalmaz gyorsítótárazást, és nem egy valós feladat mérése. Egy ilyen futás körülbelül $1,5-ba kerül GPT-6 Astra vagy Fable 5.1 modellel, $0,6-ba Opus 5.5-tel, $0,3-ba Sonnet 5-tel vagy GPT-6 Sol-lal, $0,15-ba Haiku 4.5-tel, és $0,015-ba GPT-6 Luna modellel. Ebben a számításban a csúcsmodell és a legolcsóbb modell ára százszoros különbséget mutat. Ha a saját tokenmennyiségeid alapján szeretnéd kiszámolni egy ilyen futás költségét, lásd: Hogyan számítsd ki az API-tokenek használatát.

Két megjegyzés az árakról. A GPT-6 modelleknél a 272 ezer bemeneti tokent meghaladó kérések teljes egészére magasabb díj vonatkozik: a bemenetért a normál díj kétszeresét, a kimenetért másfélszeresét kell fizetni. A batch kérések ára az OpenAI-nál és az Anthropicnál is a normál ár fele.

A szabály: gondolkodj erős modellel, hajtsd végre olcsóval#

A további munka a tervtől függ, ezért a tervezésen nem spórolok, és a legerősebb modellt használom. Egy egyszerűbb modell a kész terv alapján írhat, adatokat gyűjthet, átnevezheti a csevegéseket, és tömörítheti a beszélgetéseket.

Modellválasztáskor három további szabályt is követek:

1. Minél olcsóbb a modell, annál alaposabban kell ellenőrizned a munkáját. Az átnézés a te idődet is igénybe veszi.
2. A kész eredmény árát hasonlítsd össze, ne egyetlen kérését. Az Opus 5.5 például bemeneti és kimeneti tokenenként is 2,5-szer olcsóbb a Fable 5.1-nél. Ha az utómunka miatt az Opus egy feladathoz háromszor annyi bemeneti és kimeneti tokent használ, végül többe kerülhet. Az ellenőrzésre fordított időd a tokeneken felüli költség. A Melyik AI-ügynök olcsóbb: egy megoldott feladat költsége című cikk bemutatja, hogyan számítsd ki az eredmény költségét.
3. Ha egy modell nem válik be, próbálj ki egy másikat. Nincs egyetlen minden helyzetben győztes modell; mindegyiknek megvannak az erősségei és korlátai.

A modell kiválasztása csak az egyik része az AI-ügynökkel végzett munkának.

Táblázat: feladat → modell#

A „fő modell” oszlopban azok a modellek szerepelnek, amelyeket én magam használok. A következő oszlop alternatívákat sorol fel; ezek többségét nyilvános rangsorok és a fejlesztők ajánlásai alapján választottam. A kódoláshoz használt Opus 5.5-öt is személyes tapasztalat alapján választottam. Az olcsóbb modell eredményét alaposabban ellenőrizd. A rutinmunkára ajánlott lehetőségek eltérő fizetési konstrukciókat használnak, ezért ez a választás nem feltétlenül kerül kevesebbe.

Stratégia és tervek. A terv hibája a későbbi lépésekre is átterjedhet. Ehhez a legerősebb modellt használom. A GPT-6 Sol olcsóbb lehetőség: az OpenAI összetett kódolásra és ügynöki forgatókönyvekre pozicionálja.

Kód. Kódoláshoz a Fable 5.1-et használom. Az Anthropic azonban azt ajánlja, hogy a legtöbb feladatnál az Opus 5.5-tel kezdjünk, a Fable 5.1-et pedig összetett gondolkodást igénylő, hosszan futó ügynöki munkához, illetve akkor használjuk, ha az Opus magas szintű gondolkodással sem tudja kezelni a feladatot. API-n keresztül az Opus 5.5 2,5-szer olcsóbb; tapasztalatom szerint a vele végzett munka is kevesebbe kerül. Ha már kész a terv, egy olcsóbb modell is megírhatja annak alapján a kódot. A két csúcsmodell kódolási célú részletes összehasonlítását lásd itt: GPT-6 Astra vagy Claude Fable 5.1: melyiket válaszd?.

Írás. Ha a szöveg ügyfélnek készül, erős modellt használok. A Sonnet 5 olcsóbb lehetőség: az Anthropic szerint ez kínálja a sebesség és az intelligencia legjobb egyensúlyát. A kimenetét alaposabban ellenőrizd.

Számok és pénzügyek. Itt is erős modellt használok. Ez a munkatapasztalaton alapuló választásom, nem összehasonlító teszt eredménye. Az erős modell sem teszi feleslegessé az ellenőrzést: vesd össze a számokat az elsődleges forrással. Ne küldj pénzügyi vagy személyes adatokat olyan ingyenes csomagokba, amelyek feltételei megengedik az adataid felhasználását.

Keresés és kutatás. Egyszerű feladatokhoz és kereséshez Sonnet 5-öt használok; ez a saját tapasztalatomon alapul. A GPT-6 Luna olcsóbb lehetőség: az OpenAI nagy mennyiségű, ismétlődő feladatra pozicionálja.

Rutinfeladatok. A rutinfeladatok gyakran ismétlődnek, ezért az egyes futások költsége összeadódik. Kimi Code-előfizetéssel a Kimi K3-at használom. A DeepSeek Flash API-alapú számlázással érhető el. A két megoldás fizetési konstrukciója eltérő, és hogy melyik olcsóbb, az a felhasználási mennyiségedtől függ.

Amin nem spórolok#

Ezek a szabályok a saját gyakorlatomon alapulnak. Összehasonlító vizsgálattal nem teszteltem őket.

• Tervezés és architektúra. A terv hibája a későbbi lépésekre is átterjedhet.
• Számok és pénzügyek. Itt erős modellt használok, és a számokat akkor is ellenőrzöm az elsődleges forrással.
• Az eredmény ellenőrzése. Minél olcsóbb modell végezte el a feladatot, annál alaposabban kell ellenőrizned a munkáját.

A beszélgetés tömörítése határozza meg, mire emlékszik az ügynök egy hosszú beszélgetésből, egy túl gyenge modell pedig elveszítheti a fontos információkat. A tömörítést rábízhatod egy olcsó modellre, de a minőségét a saját feladataidon ellenőrizd.

Hogyan állítsd át a Hermes Agent háttérfeladatait olcsó modellre#

A fő munkája mellett az ügynök kiegészítő feladatokat is végez: csevegéscímeket talál ki, hosszú beszélgetéseket tömörít, képeket elemez, és eldönti, hogy egy parancs automatikusan jóváhagyható-e. A Hermes Agent ezeket auxiliary feladatokként jelöli. Alapértelmezés szerint mindegyik auto értékre van állítva: a fő modelled kezeli őket. Ha a fő modelled csúcsmodell, és API-n keresztül fizetsz, a kiegészítő feladatokat is a csúcsmodell díján számlázzák.

A smart módban végzett parancsjóváhagyáshoz a Hermes dokumentációja olcsó, gyors modellt ajánl, és pazarlásnak nevezi drága modellek használatát. A kontextus tömörítéséhez és a weboldalak összefoglalásához – vagyis rövid ismertetéséhez – szintén gyors modellt javasol egy drága gondolkodó modell helyett.

Lépések:

1. Előre csatlakoztass egy olcsó modell szolgáltatóját egy kulccsal. A Hermes dokumentációja szerint, ha kulcs nélküli szolgáltatót rendelsz egy feladathoz, a rendszer az alapértelmezett lehetőségre vált, és figyelmeztetést ír az agent.log naplóba. auto módban, ha a fő modell nem tudja elvégezni a feladatot, és nincs beállítva tartalék lánc, a Hermes figyelmeztetés mellett kihagyja a feladatot, és nem vált át másik csatlakoztatott szolgáltatóra.
2. Nyisd meg a Hermes webes paneljét, és navigálj ide: Models → Model Settings → Auxiliary tasks → Configure. A kívánt feladat sorában (például Compression, Title Gen, Vision) kattints a Change gombra, válassz szolgáltatót és modellt, majd kattints a Switch gombra. A Hermes dokumentációja ehhez egy Show auxiliary gombot nevez meg; a címkék verziótól függően eltérhetnek.
3. Vagy add meg ugyanezeket a beállításokat a ~/.hermes/config.yaml fájlban. Példa a Hermes dokumentációjából: képelemzés (vision) gyors modellel.

Keressen eszközhasználati útmutatókat az Ailoot dokumentációjában

A csevegéscímekhez a dokumentáció egy gyors modell rögzítését vagy az auxiliary.title_generation.prefer_fast_model: true beállítását javasolja; ekkor a Hermes gyors modellt választ a szolgáltatód kínálatából.

4. Nyiss meg egy új munkamenetet. A modellváltoztatások csak az új munkamenetekre érvényesek; a már megnyitott csevegések a régi beállításokkal futnak tovább. Ha kézzel szerkesztetted a config.yaml fájlt, de az új munkamenet nem vette át a beállítást, indítsd újra a Hermest.

Ellenőrzés. A feladat sorában az auto (use main model) helyett provider · model értéknek kell megjelennie. Ha továbbra is auto látható, a feladat még mindig a fő modellt használja. Ha minden feladatot vissza szeretnél állítani a fő modellre, kattints a Reset all to auto gombra.

A háttérfeladatokhoz a táblázat a GPT-6 Luna, a Gemini 3.8 Flash, a DeepSeek Flash és a Claude Haiku 4.5 modelleket sorolja fel. A már csatlakoztatott szolgáltatók közül válassz. Ha az OpenAI modelljeit ChatGPT / Codex-előfizetéses szolgáltatón keresztül kapcsolod be, és a GPT-6 Sol, illetve a GPT-6 Luna még nem szerepel a Hermes-modelljeid között, a táblázat a GPT-5.6 Sol vagy GPT-5.6 Luna használatát javasolja. Az Anthropic oldala szerint a Haiku 4.5 kivezetésére legkorábban 2026. október 15-én kerül sor. Pontos dátum nincs, ezért előtte ellenőrizd az állapotát.

Mi nem szerepel a táblázatban?#

• Megtakarítási százalékok. Nem mértem meg őket. A megtakarítás mértéke a feladataidtól és a választott modellektől függ.
• Az előfizetési korlát pontos felhasználása. A Hermes dokumentációja nem írja le pontosan, hogyan használják fel a Hermesből érkező kérések a ChatGPT-előfizetés korlátait.
• Változatlan árak. A modellek és csomagok változnak. Vásárlás előtt ellenőrizd a hivatalos oldalakat.

Mit tegyél ma?#

1. Sorolj fel három vagy négy feladattípust, amelyet a leggyakrabban adsz az ügynöködnek.
2. Mindegyiknél döntsd el: gondolkodnia kell, vagy egy kész tervet kell végrehajtania?
3. A „gondolkodáshoz” tarts meg egy csúcsmodellt, a „végrehajtáshoz” használj egy szinttel lejjebb lévő modellt, a rutinfeladatokhoz pedig válaszd a legolcsóbb, azokat kezelni képes modellt.
4. A Hermesben kezdd a csevegéscímekkel: ezeket a legkönnyebb olcsó modellre átállítani. Ezután állítsd át a kontextus tömörítését, és a saját hosszú beszélgetéseidben ellenőrizd, hogy az ügynök nem kezdett-e fontos információkat elfelejteni.

Ha többet szeretnél megtudni a modellekkel végzett munkáról, látogass el az Ailootra.