O czym jest ten film
- Poziom wysiłku („effort”) to budżet myślenia modelu, a nie wskaźnik jego surowej inteligencji.
- Powszechny błąd: ustawianie maksymalnego wysiłku w przekonaniu, że dostaje się „najmądrzejszy” model.
- Do większości codziennych zadań w zupełności wystarcza niski lub średni poziom wysiłku — zwłaszcza na modelach czołowych.
- Najwyższe poziomy (extra high, max, heavy) potrafią zaszkodzić: model przemyśliwuje proste zadania i przekombinowuje rozwiązanie.
- Poziomy wysiłku nie znaczą tego samego u różnych dostawców — są względne wobec danej rodziny modeli.
- Najbardziej zauważalne różnice występują między niskim a średnim oraz średnim a wysokim poziomem; wyżej różnice są niewielkie.
- Kluczowa jest „obudowa” (harness) — według cytowanego badania Google model to tylko ok. 10% efektu, reszta to narzędzia i środowisko.
- Autor pokazuje ten sam projekt wykonany na 12 poziomach wysiłku w Claude Code i Codex — wyniki są uderzająco podobne.
- Dobry prompt i specyfikacja niwelują różnice między poziomami — lepiej doprecyzować, niż palić tokeny.
- Framework doboru wysiłku: zaczynaj nisko, wchodź wyżej tylko wtedy, gdy masz dowód, że to konieczne.
Redakcyjne tłumaczenie
Nowe modele, nowy chaos wokół „wysiłku”
Co miesiąc dostajemy nowy zestaw modeli, a wraz z nimi trzeba na nowo poruszać się po spektrum, które nazywamy „wysiłkiem” (effort). Nawet w przypadku najnowszych modeli — weźmy rodzinę GPT-5.6: Luna, Terra i Soul — mamy sześć poziomów wysiłku na każdy poziom modelu, co daje 18 możliwych kombinacji dla dowolnego zadania. Naturalnie robi się z tego zamęt: kiedy i jakiego poziomu wysiłku użyć do jakiego zadania?
(Informacja dodatkowa: „effort” to ustawienie regulujące, jak długo i jak intensywnie model „myśli” nad odpowiedzią — ile tzw. budżetu myślenia i tokenów przeznacza na zadanie).
Jest jednak jeszcze większy problem: wiele osób traktuje wysiłek jako miarę surowej inteligencji. Zgodnie z tym myśleniem: skoro ustawiłem wysiłek na ultra wysoki, to dostaję najmądrzejszy model na świecie. W rzeczywistości tak nie jest. Cel tego materiału jest prosty — chcę dać ci pełną jasność, czym jest wysiłek, jak działa i jak samodzielnie ustalić najlepszy jego poziom dla dowolnego modelu, którego używasz, nawet gdy pojawią się nowe niuanse. Pod koniec, żeby pokazać te niuanse w codziennej pracy, przedstawię jedno proste zadanie wykonane na 12 różnych poziomach wysiłku u dwóch różnych dostawców.
Efekt „jednorękiego bandyty”
Powiem to najprościej, jak potrafię. Ludzie podchodzą do wysiłku jak do gry na automacie: biorą zadanie, patrzą na same nazwy poziomów i zakładają — może użyję „high”, a może „extra high”, bo „medium” brzmi, jakby miało zrobić gorszą robotę. Mylą w ten sposób poziom wysiłku ze wskaźnikiem tego, jak mądry będzie model przy danym zadaniu.
Gdy pojawiają się nowe modele, wyrabia się zły nawyk: zawsze zakładasz, że chcesz siedzieć po prawej stronie spektrum, i nigdy nawet nie ryzykujesz użycia „low” czy „medium”. A tymczasem, w zależności od typu modelu — powiedzmy, że to model czołowy jak Fable 5 czy GPT-5.6 Soul — sens może mieć właśnie poziom niski, bo sam skok jakościowy w wagach i treningu modelu jest tak duży, że na niskim wysiłku bije on słabszego konkurenta ustawionego na „extra high”.
(Informacja dodatkowa: Claude, Fable, GPT-5.6, Grok i Codex to nazwy modeli i narzędzi AI; autor używa ich poglądowo. Fable 5 przedstawiany jest jako model czołowy — najwyższej klasy).
Krótkie podsumowanie: kiedy jaki poziom
Jeśli chcesz skrótu, to jest tak:
- Niski i średni — do codziennych zadań, zwłaszcza na modelu czołowym. Sam często używam Fable na niskim wysiłku, bo to i tak nadmiar mocy do większości zadań.
- Wysoki — to zwykle domyślne ustawienie u dostawców. Przyzwoita strefa, ale do większości pracy, jaką widzę u ludzi, jest zbędna. To wciąż jak przynoszenie bomby atomowej na bójkę na pięści.
- Extra high, max, heavy, „super deluxe” — nazwij to jak chcesz. Tych poziomów używasz rzadko, bo są przeznaczone do bardzo długich zadań z dużą liczbą niuansów, gdzie na każdym etapie potrzebna jest refleksja. Z doświadczenia — od nauczania przedsiębiorców po korporacje — mogę powiedzieć, że osiem na dziesięć zadań tego nie potrzebuje.
Dlaczego najwyższy wysiłek potrafi zaszkodzić
Te najwyższe poziomy nie tylko bywają zbędne — potrafią wręcz zadziałać na twoją niekorzyść. Wyobraź sobie, że uczyłeś się do egzaminu wielokrotnego wyboru z odpowiedziami A, B, C i D. Przeszedłeś swoje odpowiedzi tyle razy, że zaczynasz przemyśliwać, co jest poprawne. Masz tak duży budżet myślenia, że choć jesteś dość pewny — z prostoty pytania wynika, że to B — to przekombinowujesz do momentu, w którym zaznaczasz D.
Tak samo, gdy niepotrzebnie używasz „extra high”, „max” czy „ultra”, model myśli o wiele za dużo nad banalnym zadaniem. Jak to się mówi — czasem chcesz zatrudnić najbardziej kompetentnego leniwego człowieka, który znajdzie drogę najmniejszego oporu. Zbyt wysokie poziomy wysiłku często przekombinowują rozwiązanie, które mogło być dużo prostsze.
Najpierw model, potem poziom wysiłku
Moje podejście: najpierw bardzo świadomie dobieram właściwy model, a dopiero potem — w obrębie tej rodziny modeli — poziom wysiłku.
Idąc od lewej do prawej: do większości zadań zaczynam od Sonnet na niskim lub średnim poziomie — zmiana koloru przycisku w interfejsie, zmiana ścieżki po kliknięciu, pliki Excela, dokumentów, PowerpointA. Wszystko, co polega na generowaniu, może wykonać Sonnet. Jeśli czuję, że potrzebuję mądrzejszego modelu, bo mam trudniejszy problem i chcę głębszej analizy, sens może mieć Opus — ale zaczynam od niskiego wysiłku, a wchodzę wyżej tylko wtedy, gdy niski mnie rozczarowuje.
(Informacja dodatkowa: Sonnet i Opus to modele z rodziny Claude; Sonnet jest szybszy i tańszy, Opus mocniejszy i droższy).
Jestem więc bardzo świadomy: startuję od najniższego poziomu, potem porównuję wynik ze średnim i wysokim. Gdy załapię „rytm” danego modelu — a to zwykle nie zajmie ci więcej niż godzinę — dobór poziomu wysiłku staje się dużo prostszy. Wreszcie, jeśli mam naprawdę złożony problem, przy którym warto poświęcić czas, tokeny i pieniądze na model czołowy jak Fable, użyję go — znów na niskim wysiłku — i wejdę wyżej po drabinie tylko wtedy, gdy mam dowód, że potrzeba więcej mocy.
Obudowa (harness) ważniejsza niż sam model
Zanim rozłożę każdy poziom wysiłku na czynniki pierwsze, muszę powiedzieć o obudowach. Przeciętny użytkownik nie zdaje sobie sprawy, że wybrany model to czysto „mózg w słoju”. Ten mózg nie ma dostępu do świata zewnętrznego ani możliwości operowania na twoich plikach. To wyłącznie model, do którego wchodzi tekst, a wychodzi tekst, obrazy albo wideo.
(Informacja dodatkowa: „harness” — obudowa — to warstwa narzędzi wokół modelu: dostęp do plików, uruchamianie kodu, wyszukiwanie itd. Claude Code i Codex to właśnie takie środowiska).
Cokolwiek to za model czołowy, zawsze będzie mózgiem w słoju, który potrzebuje „kończyn”, żeby edytować pliki, uruchamiać kod, tworzyć nowe pliki, postawić lokalny serwer i naprawdę zobaczyć, jak coś wygląda. Dlatego Google opublikował kilka tygodni temu pracę mówiącą, że znaczenie samego modelu to tylko 10% procesu, a 90% to obudowa. Nawet jeśli to 80% czy 70% — większość magii, którą widzisz w Claude Code czy Codex, tkwi w samej obudowie. Model reguluje jedynie to, które narzędzie, która „kończyna” powinna zostać uruchomiona do danego zadania.
Poziomy wysiłku są względne wobec dostawcy
Ważna rzecz: tak jak dwa modele nie mogą zachowywać się identycznie, tak poziomy wysiłku nie mogą znaczyć tego samego u różnych dostawców. Każdy zachowa się inaczej, bo wysiłek jest odniesiony do tego, jak mądry jest model w danej rodzinie. W Grok masz tylko kilka poziomów do wyboru, podczas gdy OpenAI projektuje to tak, żebyś miał większą kontrolę i mógł wybierać z wielu poziomów wysiłku. Zauważysz jednak, że w zależności od tego, jak dobrze napiszesz prompt, zaplanujesz i wyspecyfikujesz to, co budujesz, różnice między poziomami bywają znikome. Najbardziej wyraźne różnice występują zwykle między niskim a średnim oraz średnim a wysokim.
Przegląd poziomów krok po kroku
- Niski (low): przy podstawowym promptie dostajesz mały budżet myślenia. Model użyje jednego–dwóch narzędzi, zrobi to szybko i przyjmie pierwszy wynik za odpowiedź. Do zadań z punktu A do B — gdzie wszystkie kroki da się przewidzieć, są proste i praktycznie bez ryzyka błędu — to w zupełności wystarcza.
- Średni (medium): ten sam prompt, ale większy budżet tokenów. Model może sprawdzić swoją pracę i uznać: „poszedłem ścieżką A, ale może ścieżka B miała więcej sensu”. Rozważa, która droga była najlepsza.
- Wysoki (high): tu widać najbardziej wyraźne różnice w zużyciu tokenów. Do zadań, które tego wymagają, jest znakomity. Czasem model najpierw ułoży plan, skonsultuje go z tobą, wykona, a potem sprawdzi, czy poszedł drogą najmniejszego oporu.
- Extra high: wchodzimy w potencjalnie niebezpieczny teren. Model planuje, wykonuje, ale potem nadmiernie ocenia wszystkie możliwe opcje. Zamiast ścieżki A kontra B może przejść przez A, B, C i D — przy zadaniu, które było dość proste.
- Max: jeśli chcesz wyparować cały budżet tokenów w jedno popołudnie, może w jednym–dwóch promptach, użyj poziomu „max”. Model zaplanuje, wykona, rozważy wiele możliwych ścieżek i wiele możliwych przyszłości. Możesz dojść do „przepełnienia myślenia” — wydajesz podwójnie, potrójnie więcej tokenów niż na średnim, dla niewielkiej poprawy końcowego wyniku.
Eksperyment: to samo zadanie na 12 poziomach
Przeszedłem przez to koncepcyjnie, ale pokażę teraz realne zadanie wykonane w Claude Code i Codex na każdym poziomie wysiłku — zobaczysz wyniki wszystkich i zdziwisz się, jak są podobne.
Po lewej stronie widać kilka sesji terminala, każda na innym poziomie wysiłku, wszystkie z identycznym promptem — prompt jest tu grupą kontrolną. Poprosiłem o zbudowanie kompletnego, działającego projektu w nowym folderze o nazwie „Model Pulse”, a żeby model nie zadawał pytań doprecyzowujących, kazałem mu nie używać narzędzia typu „zapytaj użytkownika” (ani jego odpowiednika w Codex). Celem było stworzenie dashboardu, który ściąga najnowsze posty ludzi z platformy X, aby ocenić nastroje wobec Grok, modeli Codex i Claude Code w danym dniu — coś w rodzaju trackera sentymentu jak dla giełdy, ale dla dostawców modeli.
Pod tym promptem było znacznie więcej szczegółów: jakie umiejętności, MCP i API są dostępne, wraz z moimi danymi uwierzytelniającymi (dlatego ich nie pokazuję). Wszystkie sesje dostały dość instrukcji, skąd pobrać dane, jak je zwizualizować i czego oczekuję.
(Informacja dodatkowa: MCP — Model Context Protocol — to standard łączenia modeli z zewnętrznymi narzędziami i źródłami danych).
Claude, niski: złożył 30-dniowy dashboard sentymentu, ale bez punktów na wykresie. Wygenerował wyniki, a na dole serię postów mających je uzasadniać.
Claude, średni: pojawiają się przynajmniej punkty na wykresie. Wyniki bardzo podobne, lepiej zorganizowane „dowody”, ale rdzeń różnicy to tylko naniesienie punktów. Wciąż nie jest świetnie.
Claude, wysoki: nadal mamy punkty, a dodatkowo model zastanawia się, czy sentyment rośnie, czy spada. Wcześniej była to arbitralna liczba — nie wiadomo, czy 0,06 to dobrze, czy źle.
Claude, extra high: jedna zasadnicza różnica — dodano favicon. Warto zapytać samego siebie: czy przejście z wysokiego na extra high jest warte tokenów tylko po to, by dołożyć ikonkę? (Informacja dodatkowa: favicon to mała ikona strony widoczna w zakładce przeglądarki). Dalej: ten sam punkt, wyniki nieco większe, ten sam format, formatowanie tweetów znów zmienione. Wcześniej było kolorowe oznaczenie najbardziej pozytywnych i negatywnych — na średnim zieleń i czerwień — teraz to zniknęło.
Codex, niski: od razu widać „gazetowy” wygląd. Dashboard wygląda identycznie jak Claude Code na niskim. Wyniki są naprawdę dobre — lepsze niż wszystko aż do Claude Code na poziomie wysokim. Posty są estetyczne.
Codex, średni: losowa zmiana tekstu — teraz nachodzą na siebie litery „L” i „S”. Dashboard identyczny, wyniki jeśli już to gorsze, dowody też słabsze niż wcześniej, ale mamy kolorowanie plus/minus.
Codex, wysoki: ten sam tekst na górze. Dashboard bardzo podobny, choć bardziej „neobrutalistyczny”, z dodatkowym tłem. W wynikach pojawia się losowy wykres kołowy bez powodu. Dowody wyglądają dużo lepiej. To jednak coś, co dało się osiągnąć na średnim, po prostu o to prosząc — tu zdajesz się tylko na to, że model spali więcej tokenów, żeby dojść do tego samego. (Informacja dodatkowa: neobrutalizm to styl UI z grubymi konturami, mocnymi kolorami i wyraźnymi cieniami).
Codex, extra high: tekst wygląda nieco inaczej, dashboard praktycznie ten sam — jeśli już, to gorzej niż wcześniej. Dowody gorsze niż na wysokim.
Codex, max: jaka jest kluczowa różnica od razu na oczach? Podobnie jak przy max i high w Claude Code — dostajesz favicon. Warto zapytać: czy to plus lekki cień tekstu jest naprawdę warte podwójnej albo potrójnej liczby tokenów? Teraz wynik pokazywany jest w skali do jednego, więc znamy mianownik — co niewiele wnosi. Posty wyglądają bardzo podobnie do średniego czy wysokiego poziomu.
Wniosek z eksperymentu
Mam nadzieję, że to pokazuje: gdybyśmy dali lepszy prompt, mówiący dokładnie, czego chcemy, nie musielibyśmy wydawać tych wszystkich tokenów, żeby dostać niemal identycznie wyglądający dashboard z drobnymi różnicami estetycznymi. Funkcjonalnie żaden wykres nie jest bardziej nowatorski ani wnikliwy od innego — to same drobne niuanse. Wydawanie tokenów i o wiele więcej czasu niekoniecznie przekłada się na lepszy wynik.
Framework doboru wysiłku
Na koniec — jak myśleć o właściwym poziomie wysiłku we właściwym momencie, od lewej do prawej:
- Wiesz, jak wygląda „gotowe” i kroki są jasne — zaczynaj od niskiego, zwłaszcza na modelu bardziej czołowym. Przy GPT-5.6 użyłbyś Soul na niskim wysiłku i sprawdził, jak sobie radzi. Do średniego wchodzisz dopiero, gdy potrzeba więcej mocy, i dalej w górę.
- Normalna codzienna praca — domyślny średni lub wysoki na standardowym bądź wyższym modelu w zupełności wystarczy.
- Nieznane niewiadome — tu może mieć sens wejście w wysokie poziomy.
- Bardzo długie zadanie wymagające introspekcji na każdym etapie — extra high może mieć sens raz na ruski rok. Upewnij się tylko, że twój plan pozwala to uruchomić. Realistycznie: kilka promptów na średnim w stylu „zrób to, sprawdź swoją pracę, rozważ tamto” doprowadzi cię do tego samego wyniku, który mógłbyś dostać jednym strzałem na extra high. Dodatkowe 20 minut twojego czasu nie jest warte 100 tysięcy czy miliona tokenów wydanych na identyczny efekt.
- Max, heavy, ultra, deluxe — jakkolwiek się nazywają, powinieneś używać ich naprawdę rzadko. Jak w pokazanym przykładzie: mógłbym dać jeszcze pięć podobnych, gdzie między poziomami dostajesz przyrostową zmianę, ale ten przyrost nie uzasadnia czterokrotnego czy pięciokrotnego zużycia tokenów.
Mam nadzieję, że daje ci to mapę, jak poruszać się po tej rozmytej rzeczy zwanej wysiłkiem — żebyś poświęcał więcej czasu właściwemu zadaniu z właściwym poziomem wysiłku i oszczędzał jak najwięcej tokenów. Bo w niezbyt odległej przyszłości będziemy musieli być bardzo oszczędni w tym, co i na co wydajemy.
10 najważniejszych takeaways — z kontekstem zastosowania
1.„Effort” to budżet myślenia, nie miara inteligencji
Na czym polega: Poziom wysiłku reguluje, ile model „myśli” i ile tokenów zużywa, a nie to, jak mądry staje się model. Wyższy poziom nie oznacza mądrzejszego modelu.
Jak stosować: Rozdziel dwie decyzje: najpierw wybierz właściwy model, potem osobno poziom wysiłku. Nie traktuj suwaka wysiłku jak pokrętła inteligencji.
Na co uważać: Nie przenoś intuicji z nazw poziomów („high brzmi lepiej”) na oczekiwaną jakość. To pułapka „jednorękiego bandyty”.
2.Zaczynaj od niskiego poziomu i wchodź wyżej tylko z dowodem
Na czym polega: Autor startuje zawsze od najniższego wysiłku, porównuje z wyższym i podnosi poziom dopiero, gdy niski faktycznie zawodzi.
Jak stosować: Przy nowym modelu poświęć ok. godziny na porównanie tego samego zadania na low/medium/high, by poznać jego „rytm”. Domyślnie zostań na najniższym działającym poziomie.
Na co uważać: Nie zakładaj z góry, że trudne zadanie wymaga wysokiego wysiłku — zweryfikuj to empirycznie, zamiast płacić tokenami „na wszelki wypadek”.
3.Modele czołowe na niskim wysiłku biją słabsze na maksie
Na czym polega: Skok jakościowy między pokoleniami modeli jest tak duży, że model czołowy (np. Fable) na niskim wysiłku często przewyższa słabszy model ustawiony na extra high.
Jak stosować: Jeśli masz dostęp do modelu czołowego, używaj go na niskim wysiłku do codziennych zadań — to zwykle nadmiar mocy.
Na co uważać: „Czołowy” zależy od momentu — nazwy modeli szybko się dezaktualizują. Oceniaj po realnej pozycji modelu w danej chwili, nie po marce.
4.Najwyższe poziomy potrafią zaszkodzić przez przekombinowanie
Na czym polega: Przy zbyt dużym budżecie myślenia model „przemyśliwuje” proste zadania — jak uczeń, który zmienia dobrą odpowiedź na złą — i przeinżynieruje rozwiązanie.
Jak stosować: Do prostych, jednoznacznych zadań świadomie wybieraj niski poziom, by dostać drogę najmniejszego oporu.
Na co uważać: Objawy przekombinowania to niepotrzebne dodatkowe elementy, nadmiarowe ścieżki analizy i komplikowanie czegoś, co miało być proste.
5.Osiem na dziesięć zadań nie potrzebuje wysokiego wysiłku
Na czym polega: Z doświadczenia autora (od przedsiębiorców po korporacje) zdecydowana większość zadań radzi sobie na niskim lub średnim poziomie. Wysoki bywa domyślny u dostawców, ale zwykle zbędny.
Jak stosować: Traktuj niski/średni jako domyślny wybór, a wysoki jako wyjątek dla zadań, które naprawdę tego wymagają.
Na co uważać: Domyślne ustawienie dostawcy (często „high”) nie jest rekomendacją dopasowaną do twojego zadania — świadomie je obniżaj.
6.Dobry prompt i specyfikacja zastępują wyższy wysiłek
Na czym polega: W eksperymencie różnice między poziomami sprowadzały się głównie do estetyki. Wynik, po który model „sięgał” wyższym wysiłkiem, dało się uzyskać niżej — po prostu jasno o to prosząc.
Jak stosować: Zanim podniesiesz wysiłek, doprecyzuj prompt: opisz dokładnie, jak wygląda oczekiwany efekt (układ, kolory, elementy). To tańsze niż spalanie tokenów.
Na co uważać: Podnoszenie wysiłku przy niejasnym promptie to zdawanie się na przypadek — dostaniesz losowe warianty, nie lepsze rozwiązanie.
7.Poziomy wysiłku są względne wobec dostawcy
Na czym polega: „Medium” u jednego dostawcy nie znaczy tego samego co u innego — wysiłek jest odniesiony do inteligencji konkretnej rodziny modeli. Grok ma kilka poziomów, OpenAI więcej.
Jak stosować: Kalibruj poziomy osobno dla każdego dostawcy i modelu; nie przenoś ustawień jeden do jednego między platformami.
Na co uważać: Największe różnice są między low–medium i medium–high; wyżej często znikome. Nie oczekuj proporcjonalnego wzrostu jakości wraz z poziomem.
8.Obudowa (harness) daje większość efektu niż sam model
Na czym polega: Model to „mózg w słoju” bez dostępu do plików i narzędzi. Według cytowanego badania Google model to ok. 10% procesu, a obudowa (narzędzia, uruchamianie kodu, środowisko) — reszta.
Jak stosować: Inwestuj w dobre środowisko pracy (Claude Code, Codex, odpowiednie MCP, API, dostęp do plików), a nie tylko w wybór najmocniejszego modelu i najwyższego wysiłku.
Na co uważać: Sam upgrade modelu czy wysiłku nie naprawi braków obudowy — jeśli model nie ma „kończyn”, nie wykona pracy niezależnie od poziomu.
9.Kilka promptów na średnim = jeden na extra high — taniej
Na czym polega: Iteracyjne prowadzenie modelu na średnim poziomie („zrób to, sprawdź, rozważ tamto”) dochodzi do tego samego wyniku, który jednym strzałem dałby extra high — przy ułamku kosztu w tokenach.
Jak stosować: Przy długich zadaniach rozbijaj pracę na kilka kroków na średnim poziomie zamiast jednego przebiegu na maksie. 20 minut twojego czasu bywa tańsze niż milion tokenów.
Na co uważać: Extra high rezerwuj na naprawdę długie zadania wymagające refleksji na każdym etapie — i tylko gdy twój plan taryfowy pozwala to uruchomić.
10.Oszczędzaj tokeny — przyszłość wymusi frugalność
Na czym polega: Przyrostowa poprawa z najwyższych poziomów rzadko uzasadnia 4–5-krotny koszt tokenów. Autor przewiduje przyszłość, w której trzeba będzie bardzo świadomie gospodarować budżetem.
Jak stosować: Buduj nawyk doboru minimalnego wystarczającego poziomu wysiłku do każdego zadania; kieruj oszczędzone zasoby tam, gdzie naprawdę robią różnicę.
Na co uważać: Max, heavy, ultra i deluxe używaj naprawdę wyjątkowo — traktuj je jako rezerwę, nie domyślny wybór, bo najłatwiej nimi wyparować cały budżet.