6️⃣7️⃣8️⃣9️⃣0️⃣ Как я ускорил AI-разработку с помощью OMP Harness

Раньше я запускал почти все задачи на самой сильной модели. Казалось логичным: чем мощнее модель, тем лучше результат. На практике GPT-5.6 Sol могла выполнять простую задачу 20–30 минут, быстро расходуя лимиты. Поэтому я перешёл на OMP — harness-систему, которая распределяет разные этапы разработки между подходящими моделями.

🔵Default — основная модель (GPT-5.5) 🔴Smol — быстрые и простые операции (Gemini 3.5 Flash) 🔵Slow — сложный анализ и reasoning (GPT-5.6 Sol) 🔴Vision — работа с изображениями (GPT-5.5) 🔵Plan — архитектура и планирование (GPT-5.6 Sol) 🔴Designer — интерфейсы и визуальные решения (GLM-5.2) 🔵Commit — подготовка Git-коммитов (Kimi K2.7 Code) 🔴Tiny — мелкие задачи (GLM-5.2) 🔵Task — отдельные этапы работы (GPT-5.5) 🔴Advisor — независимая проверка результата (GPT-5.6 Sol)

Самая полезная функция здесь — Advisor. Пока быстрая модель пишет код, GPT-5.6 Sol проверяет изменения, ищет ошибки и корректирует направление. В итоге я не жду полчаса каждое действие, но сохраняю качество сильной модели. Все мои коддинг подписки обходятся мне:

➖ Codex Pro — $200, ➖ Gemini Pro — $20, ➖OpenCode Go— $5.

Итого — $225 в месяц. Все модели работают в одном терминале через подписки, а не через оплату каждого токена по API. При моей нагрузке это может экономить до пяти раз.

🥳Главный вывод простой: сегодня важна не одна лучшая модель, а правильно собранная AI-команда, где быстрая модель работает, а сильная — думает и проверяет.