claude fable 5.1 gibi uzun görevlerde çalışan modelleri değerlendirirken yalnızca ilk cevaba bakmak yanıltıyor. planlama, dosya okuma, araç kullanımı ve hata düzeltmeleri uzadıkça token maliyeti de büyüyor. aynı görevi sabit bir proje üzerinde denemek, başlangıç ve bitiş süresini, tekrar sayısını ve ortaya çıkan düzeltme ihtiyacını not etmek daha gerçekçi bir tablo veriyor. ucuz görünen seçenek, daha fazla tekrar istediğinde toplamda pahalıya çıkabiliyor.
şükela: tümü
|
bugün
başlıkta ara
