Привязывать всю ИИ-инфраструктуру к одной модели — это как нанять одного специалиста на все должности компании. И бухгалтером, и дизайнером, и директором. Даже гений не вытянет три роли одинаково хорошо.
У моделей то же самое — одна пишет код лучше всех, другая в секунды разбирает стопку документов, третья за копейки жуёт рутину, четвёртая живёт локально — и никуда не утекает.
Поэтому сильные команды строят маршрутизацию: задача приходит в единый интерфейс, а система сама выбирает подходящую модель по качеству, скорости, приватности и цене.
Я руководствуюсь тем же принципом. Постоянно ищу новые варианты: подключил Codex Router, чтобы выбирать модель прямо внутри Codex, запустил локальную модель на Mac mini и продолжаю смотреть в разные стороны.
Рынок моделей перетасовывается каждые пару месяцев. Если вся работа завязана на сегодняшнего лидера — завтра вы переделываете всё.
Модели приходят и уходят — архитектура остаётся.
Следующий шаг
Codex Router: несколько моделей в одном Codex
Связанные материалы
- Статья: Лимиты ChatGPT Pro закончились: как я подключил в Codex DeepSeek, Kimi и GLM за $10 в месяц
- Блог: Agent Plugins: переносимые компетенции для ИИ-агентов
- База знаний: Контекст-инжиниринг — как собирать рабочий контекст для моделей нового поколения
Если вы строите продукты или внутренние процессы на ИИ, маршрутизацию моделей стоит закладывать в архитектуру сразу, а не после первой болезненной миграции.
Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov
Если хотите разобрать свою задачу — напишите мне Если хотите разобрать свою задачу — напишите мне.
Можно прийти с идеей, черновым контекстом или уже живой задачей. Помогу быстро понять, где реальный следующий шаг, а где лишний шум.
Обычно хватает 2–3 сообщений, чтобы понять, могу ли я здесь реально помочь и в каком формате лучше двигаться дальше.
Дальше по теме
Миша Иванов рассказывает, как локальные модели помогают ему собирать DAWalka, освобождать почти 200 ГБ на компьютерах и ускорять генерацию видео.