O czym jest ten film
- Jak podmienić model w Claude Code na dowolny model z OpenRoutera — wystarczy konto, klucz API i edycja jednego pliku ustawień.
- Dlaczego tej sztuczki nie da się wykonać w aplikacji desktopowej Claude Code i trzeba użyć VS Code albo terminala.
- Czym jest model „Stealth Ox Alpha” — anonimowy dostawca, na moment nagrania rozliczany po 0 dolarów za milion tokenów.
- Realny koszt eksperymentu: 61,6 mln tokenów zużytych w jeden dzień za około 13 centów.
- Ostrzeżenie o prywatności: nie wiadomo, kto stoi za modelem, więc nie należy wysyłać do niego danych wrażliwych.
- Sposób na zmienność oferty darmowych modeli — router darmowych modeli OpenRoutera, który losowo wybiera dostępne modele.
- Test pierwszy: budowa landing page’a produktowego — wynik przyzwoity, ale wygenerowany w sześć godzin.
- Test drugi: raport z danych kanału YouTube i prognoza treści na 2027 rok w formie arkusza Google — również sześć godzin.
- Test trzeci: przetwarzanie materiału wideo w prywatnym systemie autora — model poprawnie wywołał umiejętności i pamięć, ale utknął na błędzie po 45 minutach.
- Wniosek autora: darmowe modele nadają się do lekkiej pracy wiedzowej, nie do poważnego programowania i orkiestracji.
Redakcyjne tłumaczenie
Punkt wyjścia
W tej chwili mam otwartych kilka zakładek Claude Code, które działają całkowicie za darmo. Widać tutaj, że model, którego używam, to nie Claude, tylko Stealth Ox Alpha — ale korzystam z niego wewnątrz harnessu Claude Code. Dzisiaj pokażę wam, jak to skonfigurować, żeby używać darmowych modeli w Claude Code. Potem opowiem, czy to naprawdę działa i jak dobre są efekty. Pokażę wszystko i podzielę się szczerą opinią.
(Informacja dodatkowa: „harness” to warstwa narzędziowa Claude Code — pętla agentowa, dostęp do plików, wyszukiwarki, umiejętności i podagentów. Podmieniając model, zachowujemy tę warstwę, zmienia się tylko „silnik” językowy pod spodem).
Jestem teraz w Herk 2, czyli moim systemie operacyjnym AI. To mój drugi mózg z całym kontekstem biznesowym. Mam tu uruchomione czaty, które nic nie kosztują.
Co jest potrzebne
Konfiguracja jest banalna. Potrzebujecie konta w OpenRouterze i zmiany jednego pliku w Claude Code.
Ważne zastrzeżenie: jeśli używacie Claude Code w aplikacji desktopowej, tego nie zrobicie. Aplikacja desktopowa nadpisuje te ustawienia i wymusza użycie modelu Claude — co, szczerze mówiąc, ma sens.
Zaczynamy od wejścia na openrouter.ai. Jeśli nie znacie tej usługi — pozwala mieć jeden klucz API, który potrafi kierować zapytania do mnóstwa różnych modeli. Jest tam ponad 500 modeli AI. W zakładce z modelami widać, że część jest płatna, jak DeepSeek, który i tak jest bardzo tani, oraz ten nowy, który wyszedł dzisiaj i który zainspirował mnie do nagrania tego filmu — Ox Alpha. Jak widać: 0 dolarów za milion tokenów wejściowych i 0 dolarów za milion tokenów wyjściowych.
Można też wpisać w wyszukiwarkę słowo „free” i zobaczyć, ile modeli jest tam darmowych. Oczywiście wiąże się to z pewnym drobnym drukiem — bywają limity zapytań, limity dzienne i tak dalej — ale jest tam sporo darmowych modeli do zabawy. Są też oczywiście te, które wszyscy znamy i lubimy. Po wpisaniu „Claude” widać Opusa 5 i Fable 5, podobnie jest z GPT i Gemini. Ten serwis ma wszystkie modele.
Krok pierwszy to więc założenie konta. Potem wchodzicie w swoje konto, w sekcję kredytów, a stamtąd w klucze API i tworzycie nowy klucz. Za chwilę zaczniemy go używać.
Ile to naprawdę kosztuje
Żeby pokazać, że to faktycznie idzie za darmo: w zakładce aktywności widać moje najczęściej używane klucze API. Ten testowy klucz do modelu stealth zużył dzisiaj 61,6 miliona tokenów, bo cały dzień testowałem to rozwiązanie. Gdy wejdę w łączne wydatki i przełączę widok na dzisiaj, widać, że Ox Alpha kosztował mnie w sumie mniej więcej 13 centów. A mówimy o całym dniu pracy i ogromnej liczbie tokenów.
Kim jest dostawca — i dlaczego to ma znaczenie
Model nazywa się Ox Alpha i pochodzi od firmy Stealth. Jeśli chcecie przeczytać więcej, można kliknąć w warunki modeli stealth i się z nimi zapoznać. To jest w istocie anonimowy dostawca modeli. Nie wiemy dokładnie, skąd pochodzi. Nie wiemy, czy jest chiński, czy nie. Zastanówcie się więc dobrze, jakie dane tam wrzucacie. Jeśli to naprawdę wrażliwe dane, to raczej nie chcecie ich oddawać anonimowemu dostawcy AI. Nie o tym jest ten film — ten film pokazuje, jak to skonfigurować, jak to działa i co o tym sądzę.
(Informacja dodatkowa: „modele stealth” to na platformach agregujących praktyka udostępniania niezidentyfikowanego modelu w celu zebrania opinii przed oficjalną premierą. Zapytania trafiają do nieznanego podmiotu, a warunki przetwarzania danych są zwykle mniej przejrzyste niż u nazwanych dostawców).
Konfiguracja krok po kroku
Wchodzimy do projektu — robię to w VS Code. Jeśli zwykle korzystacie z Claude Code w wersji desktopowej, będziecie musieli pobrać jakieś środowisko programistyczne albo uruchomić to w terminalu. VS Code jest całkowicie darmowy, otwieracie w nim terminal albo rozszerzenie Claude Code i wtedy da się to zrobić.
W katalogu Claude mamy zazwyczaj plik ustawień. Wewnątrz niego jest sekcja env, czyli zmienne środowiskowe. Tam trzeba wkleić odpowiedni fragment konfiguracji — wrzucę go do opisu tego filmu. Bierzecie go i wklejacie do zmiennych środowiskowych w pliku ustawień.
Jedyne, co trzeba podmienić, to token uwierzytelniający Anthropic — w praktyce będzie to po prostu wasz klucz z OpenRoutera. Wracacie więc do OpenRoutera, wchodzicie w aktywność, potem w klucze API, tworzycie nowy klucz, kopiujecie go, wracacie do Claude Code i wklejacie w to miejsce.
Jeśli chcecie użyć modelu stealth, kopiujecie jego nazwę i wstawiacie ją we wszystkie przewidziane miejsca. Nazwę znalazłem, wchodząc w zakładkę modelu Ox Alpha i kopiując identyfikator: stealth/ox-alpha.
Załóżmy teraz, że chcecie podmienić model na inny darmowy. Wystarczy znaleźć ten, który was interesuje — powiedzmy GLM 5.2. Klikacie „kopiuj”, wchodzicie do pliku ustawień i każde wystąpienie stealth/ox-alpha podmieniacie na ten model GLM 5.2 w wersji darmowej. Zapisujecie i gotowe.
Gdy otworzycie nową sesję, powinno się tutaj pokazać, że używacie tego modelu. Jeśli macie skonfigurowany pasek statusu, pojawi się też na dole. Tak poznajecie, że to naprawdę zadziałało.
Kiedy darmowy model znika
Jeszcze jedna rzecz: OpenRouter wydaje się co jakiś czas wymieniać modele, które są darmowe. Możliwe więc, że kiedy będziecie oglądać ten film, modelu Ox Alpha już tam nie będzie albo przestanie być darmowy.
Można wtedy oczywiście wejść i wyszukać „free”, ale OpenRouter ma też coś, co nazywa się routerem darmowych modeli — to najprostszy sposób na darmową inferencję, bo mechanizm ten po prostu losowo wybiera darmowe modele, akurat te, które są dostępne. Na stronie widać część modeli, do których stale kieruje ruch. Jeśli więc zastosujecie tę samą metodę i wpiszecie identyfikator routera darmowych modeli we wszystkich miejscach w ustawieniach, to każde pojedyncze zapytanie będzie trafiało do innego darmowego modelu w OpenRouterze. Wspominam o tym na wypadek, gdybyście oglądali ten film długo po jego nagraniu.
Test pierwszy: landing page produktowy
Pokażę teraz dwie rzeczy, które zrobiłem zaraz po uruchomieniu. Użyłem komendy /goal. Powiedziałem: „zajrzyj do mojego projektu, który leży tutaj” — czyli wskazałem inny katalog. Poprosiłem o zbudowanie prostej, ale profesjonalnej i zgodnej z identyfikacją marki strony docelowej. Miała zawierać wszystkie szczegóły poszczególnych produktów, być klikalna, spójna wizualnie i tak dalej.
Model wchodzi w normalną pętlę Claude Code: potwierdza cel, myśli, przeszukuje pliki, pisze, korzysta ze wszystkich narzędzi. Cały czas dostawałem jednak błąd API z komunikatem o przekroczeniu limitu bezczynności po stronie dostawcy. Zorientowałem się, że działo się tak dlatego, że model próbował naraz pisać i przeglądać zbyt dużo. Kazałem mu więc pracować mniejszymi porcjami i wtedy było już w porządku — szło dalej bez problemów.
Przy darmowych modelach w OpenRouterze takie rzeczy zdarzają się z różnych powodów. Może API obciąża w danym momencie mnóstwo osób, może model próbuje zrobić za dużo naraz. Czasem po prostu tak jest.
W końcu udało mi się doprowadzić do tego, że model zrozumiał źródło problemu, kontynuował pracę i skończył zadanie. Nie tylko zbudował stronę, ale też przeprowadził weryfikację — techniczną, funkcjonalną i wizualną. Zajęło mu to jednak sześć godzin. Wiem na pewno, że ze zwykłym Claude’em nie trwałoby to aż tyle. Na ten moment po prostu jest bardzo, bardzo wolno.
A oto sama strona. Wcale nie jest zła. Jest logo, i to poprawne. Model użył właściwych opakowań — bo kazałem mu użyć tych plików. Właściwie chciałem, żeby wykorzystał prawdziwe zdjęcia produktowe, te wyglądające bardziej realistycznie, ale przez pomyłkę wskazałem mu grafiki opakowań. Użył więc opakowań, które rzecz jasna nie wyglądają jak prawdziwa puszka. Ale tak mu poleciłem i dokładnie to zrobił — tu należy mu się uznanie.
Zastosował też nasze wytyczne marki: logo, paletę kolorów, odstępy, typografię — wszystko to wykorzystał, i to naprawdę dobrze. Niżej mamy przesuwany pasek, dwa napoje, jedna puszka, kawa plus koktajl proteinowy równa się gotowy produkt. Wszystkie te informacje są poprawne. Są różne warianty produktu i można w nie wchodzić. Bold Mocha — mogę podejrzeć, kupić pojedynczą puszkę albo dwunastopak, dodać do koszyka i produkt faktycznie ląduje w koszyku. To działa. Jest stopień wypalenia, słodycz, konsystencja. Mogę wrócić do sklepu, wejść w inny smak i mamy dokładnie to samo, łącznie z dodawaniem do koszyka i szczegółowymi informacjami. Model wygenerował nawet tabele wartości odżywczych.
Jak na front-end i przekopanie się przez cały ten materiał — naprawdę nieźle. Problemem był wyłącznie czas: sześć godzin.
Gdzie przebiega granica
To jest właśnie motyw przewodni tego, co obserwuję. Jeśli chcecie zbudować aplikację, napisać oprogramowanie, zrobić coś naprawdę głęboko technicznego — te modele, te darmowe modele, te małe lokalne modele nie poradzą sobie choćby zbliżenie tak dobrze jak Claude czy GPT. Po prostu nie. Taka jest prawda.
Ale do pracy wiedzowej sprawdzą się bardzo dobrze. Mam zwykle wrażenie, że Opus 5 czy GPT 5.6 albo cokolwiek innego, czym napędzacie codzienną pracę, to przerost formy. Większość zadań, które wykonujemy na co dzień, nie jest aż tak złożona. Różnica robi się odczuwalna dopiero wtedy, gdy trzeba naprawdę rozpisać cały projekt albo gdy model ma być orkiestratorem dużej liczby dynamicznych przepływów pracy i podagentów. Tam przepaść zaczyna być bardzo widoczna i tam potrzebujecie mocniejszego modelu w rodzaju Opusa czy GPT.
Test drugi: raport z danych kanału
Pokażę jeszcze kilka przykładów i wszystko stanie się jasne. Oto kolejne zadanie zlecone przez /goal. Chciałem, żeby model wszedł do danych mojego kanału YouTube i przygotował raport za ostatni kwartał oraz za ostatni rok. Chciałem też prognozy — na podstawie mojej widowni, kanału i niszy — co powinienem przygotowywać treściowo na 2027 rok. Docelowym rezultatem miał być arkusz Google.
Model przeszedł całą pętlę i wykonał zadanie. To również zajęło sześć godzin. Ze zwykłym Claude Code trwałoby to pewnie 20–30 minut. Ale sam efekt nie jest zły. Raport przygotowano z dzisiejszą datą, dla tego kanału, z podaną liczbą subskrybentów, źródłami i notką o danych. Są różne zakładki i po przejrzeniu ich widać, że nie jest źle. Model potrafił przekopać się przez moje dane.
Zwróćcie uwagę, że jestem teraz w projekcie o nazwie Free Claude Code, w którym praktycznie nic nie ma. Model musiał więc sam przeprowadzić rozpoznanie, przekopać się przez moje inne projekty i sam odkrył, że mam już napisane skrypty i klucze API. Znalazł je i wykorzystał, żeby dostać się do danych z YouTube — a przecież w tym katalogu nie ma nawet pliku CLAUDE.md z informacją o tym, kim jestem. Jest tylko stary plik CLAUDE.md, który przygotowałem kiedyś przy okazji Gemmy 4 i który nie ma nic wspólnego z obecnym zadaniem. Za to też mu się należy uznanie — potrafił wykorzystać harness i własną inteligencję, żeby dojść do tego, jak wykonać zadanie. Zwłaszcza że zlecenie poszło przez /goal.
Wynik nie jest zły. Model znalazł wszystkie potrzebne dane. Raport kwartalny zawiera wyświetlenia w podziale na miesiące, godziny oglądania, subskrypcje, średnią liczbę widzów, najlepsze filmy i tak dalej. Wszedł też w źródła ruchu, kraje, dane o widowni, urządzenia. Dokładnie to samo zrobił dla całego roku. Przejrzał każdy pojedynczy film — wszystkie 469, może 468, które opublikowałem — a na koniec dodał prognozę na 2027 rok.
Wykonał więc dobrą robotę. Jak mówiłem, to nie jest zły model do pracy wiedzowej. Analiza była przyzwoita, dane kompletne. Model był całkiem pragmatyczny i sam rozwiązywał napotkane problemy. Ale trwało to zdecydowanie za długo jak na tego typu zadanie. Prawdę mówiąc, ręcznie zrobiłbym to w podobnym czasie, a może nawet szybciej.
Test trzeci: praca w prywatnym systemie
Wracam teraz do właściwego projektu Herk 2. Poleciłem: „oto film z YouTube, przetwórz go i umieść tę umiejętność w bazie danych” — mam arkusz, w którym trzymam wszystkie moje zasoby. Model potrafił się przez to przekopać i od razu znalazł właściwą umiejętność. To oznacza, że nawet obcy model wewnątrz harnessu Claude Code nadal wie, że ma zajrzeć do pliku CLAUDE.md, wie, że ma wywoływać wasze umiejętności Claude’a, korzystać z pamięci i tak dalej. Znalazł tę umiejętność, użył jej, zrobił wszystko jak trzeba.
Tyle że trwało to stanowczo za długo. Zwykłemu Claude’owi zajęłoby to jakieś pięć minut, jeśli w ogóle. Model znalazł te umiejętności, napisał wszystko, sporo się napracował, a potem stwierdził: „przerywam pętlę ponawiania i przekazuję to tobie; wszystko lokalnie jest gotowe, ale blokuje mnie problem infrastruktury Claude Code”. Z jakiegoś powodu utknął.
Zauważyłem przy okazji jeszcze coś ciekawego: model utworzył sobie zadanie cykliczne. Próbował założyć crona, żeby samodzielnie ponawiać próbę co jakiś czas — nie wiem dokładnie, może co 10, może co 20 minut. Fajne, że chciał ponawiać, ale ostatecznie się zatrzymał i zgłosił blokadę. Dojście do tego punktu zajęło mu 44 minuty, prawie 45. Po prostu bardzo wolno.
(Informacja dodatkowa: cron to mechanizm harmonogramowania zadań uruchamianych cyklicznie o określonych porach).
W drugim przypadku poprosiłem model o wejście do mojej platformy społecznościowej. Wyciągnął 166 wątków oznaczonych jako wymagające wsparcia z mojej społeczności AIS+ i znalazł trzy powtarzające się motywy: 30 postów o jednej sprawie, 15 o drugiej, 35 o trzeciej. Zajęło mu to 25 minut. Nieźle, ale ze zwykłym Claude’em dzieje się to zdecydowanie szybciej. Mimo wszystko model potrafił wywołać moje standardowe umiejętności i wykonać moją zwykłą pracę wiedzową.
Tutaj widać kolejny przypadek, w którym pojawia się ten sam problem. Poleciłem zrobić research na temat modelu Ox Alpha od Stealth i przygotować mi z tego stronę HTML. Model trafił na błąd. Kazałem kontynuować i znowu trafił na błąd. Czasem po prostu wpada w takie kłopoty.
Podsumowanie
Dobra wiadomość jest taka, że model potrafi wywoływać umiejętności, korzystać z mechanizmu pobierania treści z sieci i z wyszukiwarki internetowej Claude Code. Naprawdę potrafi robić rzeczy, które działają wewnątrz harnessu Claude Code. Będzie tylko trochę wolniej i najprawdopodobniej natkniecie się na tego typu błędy.
Ale szczerze uważam, że to bardzo fajna rzecz. Jeśli wpadniecie w sytuację, w której skończyły się wam limity na dany dzień lub tydzień, a musicie dalej popracować nad czymś lekkim, to podepnijcie jeden z tych modeli. Warto się chociaż trochę pobawić. Pod warunkiem że zachowujecie ostrożność w kwestii danych, które wysyłacie do modeli niewiadomego pochodzenia — albo po prostu wchodzicie do OpenRoutera i podmieniacie model na inny.
Pokażę szybko, jak wygląda taka podmiana. Powiedzmy, że chcę użyć tego modelu. Kopiuję identyfikator, wracam do ustawień i podmieniam nazwę modelu w tym jednym miejscu. Zapisuję, otwieram nowy terminal i konfiguracja powinna być już zaktualizowana — ta sesja powinna korzystać z GLM 5.2 od Z.ai w wersji darmowej z rozliczeniem za użycie API.
Dlaczego warto podmienić także wszystkie pozostałe wpisy? Bo jeśli wasza sesja wywoła podagentów i będzie chciała utworzyć na przykład podagenta na modelu Sonnet, zrobi to na modelu stealth. A jeśli utworzy podagenta na modelu Opus, też zrobi to na modelu stealth. Właśnie dlatego trzeba podmienić wszystkie te miejsca, jeśli chcecie, żeby wszędzie działał ten sam model.
Tak to więc działa. Mam nadzieję, że otworzyłem wam na coś oczy i że wszystko jest zrozumiałe. Spróbujcie sami. Dajcie znać, czy udało wam się znaleźć dobre zastosowania — warto przynajmniej spróbować. A jeśli chcecie zobaczyć, jak zrobić coś takiego z całkowicie darmowymi modelami lokalnymi, uruchamianymi bezpośrednio na waszej maszynie, to też dajcie znać. Chętnie nagram więcej takich materiałów.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Claude Code to harness, a model da się podmienić
Na czym polega: Wartość Claude Code w dużej mierze leży w warstwie narzędziowej — pętli agentowej, dostępie do plików, wyszukiwaniu, umiejętnościach, pamięci. Wskazując w zmiennych środowiskowych klucz OpenRoutera i identyfikator dowolnego modelu, zachowujecie tę warstwę i podmieniacie tylko silnik.
Jak stosować: Załóżcie konto w OpenRouterze, wygenerujcie klucz API, wstawcie go jako token uwierzytelniający w sekcji env pliku ustawień Claude Code i podmieńcie nazwy modeli na identyfikator wybranego modelu.
Na co uważać: To nie zadziała w aplikacji desktopowej Claude Code — ona nadpisuje te ustawienia i wymusza model Claude. Potrzebujecie VS Code albo terminala.
2.Podmieńcie identyfikator modelu we wszystkich miejscach, nie tylko w jednym
Na czym polega: Konfiguracja zawiera osobne wpisy dla różnych klas modeli. Jeśli sesja wywoła podagenta „typu Sonnet” lub „typu Opus”, sięgnie po ten wpis, który podmieniliście — lub nie.
Jak stosować: Zamieniając model, przejdźcie przez wszystkie wystąpienia w pliku ustawień, żeby cała sesja, łącznie z podagentami, działała na tym samym modelu.
Na co uważać: Pominięcie jednego wpisu spowoduje ciche mieszanie modeli — część zapytań może pójść płatną ścieżką, część darmową, a diagnoza będzie trudna, bo w interfejsie widać tylko model główny.
3.Weryfikujcie, czy podmiana faktycznie zadziałała
Na czym polega: Po zapisaniu ustawień i otwarciu nowej sesji nazwa aktywnego modelu wyświetla się w interfejsie oraz w pasku statusu, jeśli go skonfigurowaliście.
Jak stosować: Zawsze otwierajcie nową sesję po zmianie ustawień i sprawdzajcie wyświetlaną nazwę modelu, zanim uznacie konfigurację za działającą.
Na co uważać: Zmiany nie działają wstecz na już otwarte sesje. Bez tej weryfikacji łatwo przez cały dzień płacić za Claude’a, sądząc, że pracuje się za darmo.
4.Darmowe znaczy tanie, ale nie zawsze dokładnie zerowe
Na czym polega: Autor zużył w jeden dzień 61,6 miliona tokenów i zapłacił około 13 centów. Nominalna stawka wynosiła 0 dolarów za milion tokenów wejściowych i wyjściowych.
Jak stosować: Podepnijcie kartę z minimalnym doładowaniem i śledźcie zakładkę aktywności oraz łącznych wydatków w OpenRouterze, żeby widzieć rzeczywisty koszt i zużycie tokenów.
Na co uważać: „Darmowość” ma drobny druk — limity zapytań, limity dzienne, a czasem drobne opłaty za część ruchu. Traktujcie zero na cenniku jako orientację, nie gwarancję.
5.Anonimowy dostawca to realne ryzyko dla danych
Na czym polega: Model Ox Alpha pochodzi od dostawcy występującego pod szyldem Stealth. Nie wiadomo, kto za nim stoi ani w jakiej jurysdykcji działa.
Jak stosować: Używajcie darmowych modeli stealth do zadań na danych niewrażliwych — publicznych materiałach, statystykach kanału, szkicach treści marketingowych.
Na co uważać: Nie wysyłajcie tam danych osobowych, tajemnic firmowych, kodu produkcyjnego ani kluczy. Jeśli podmieniacie model globalnie w ustawieniach, każdy podagent w każdym projekcie zacznie wysyłać dane do tego dostawcy — łącznie z projektami, o których w danej chwili nie myślicie.
6.Główna cena to czas, nie pieniądze
Na czym polega: Zadania, które ze zwykłym Claude Code zajmują 20–30 minut, tutaj trwały sześć godzin. Zadanie na pięć minut trwało 45 minut i zakończyło się blokadą.
Jak stosować: Kierujcie do darmowych modeli zadania, które mogą pracować w tle bez waszego nadzoru — nocne raporty, porządkowanie zasobów, wsadowa analiza materiałów.
Na co uważać: Nie używajcie tego do niczego, na co czekacie interaktywnie ani co ma termin. Autor sam przyznaje, że raport z danych kanału zrobiłby ręcznie w podobnym albo krótszym czasie — darmowy model potrafi wyjść na stratę.
7.Rozbijajcie zadania na mniejsze porcje
Na czym polega: Główną przyczyną błędów były przekroczenia limitu bezczynności po stronie dostawcy, gdy model próbował naraz przejrzeć i zapisać zbyt dużo materiału.
Jak stosować: W poleceniu od razu zaznaczcie, że model ma pracować małymi krokami i zapisywać efekty częściowo. U autora ta jedna instrukcja rozwiązała problem i pozwoliła dokończyć zadanie.
Na co uważać: To nie eliminuje błędów całkowicie — przy jednym zadaniu badawczym błąd wrócił mimo ponowienia. Przyczyny bywają zewnętrzne, na przykład obciążenie API przez innych użytkowników.
8.Znajcie granicę: praca wiedzowa tak, poważne programowanie nie
Na czym polega: Wnioskiem autora jest to, że darmowe i małe modele nie zbliżają się do Claude’a czy GPT przy budowie oprogramowania, głęboko technicznych zadaniach i orkiestracji wielu dynamicznych przepływów oraz podagentów. Przy zwykłej codziennej pracy wiedzowej radzą sobie dobrze.
Jak stosować: Zróbcie prosty podział: rozpisywanie projektów, architektura i orkiestracja zostają na mocnym modelu; analizy, raporty, przetwarzanie materiałów, porządkowanie notatek mogą iść na darmowy.
Na co uważać: Test z landing page’em pokazał przyzwoity front-end, więc granica nie jest ostra. Nie zakładajcie jednak, że jednorazowy udany wynik oznacza powtarzalną jakość.
9.Najlepsze zastosowanie to zapasowy silnik po wyczerpaniu limitów
Na czym polega: Autor wskazuje najbardziej sensowny scenariusz: skończył się wam limit na dzień lub tydzień, a musicie dokończyć coś lekkiego.
Jak stosować: Trzymajcie gotową, zapisaną konfigurację awaryjną — plik ustawień z kluczem OpenRoutera — do wklejenia w momencie wyczerpania limitów, zamiast konfigurować to pod presją czasu.
Na co uważać: To rozwiązanie na zadania lekkie. Jeśli po wyczerpaniu limitów zostało wam do zrobienia coś złożonego, darmowy model prawdopodobnie tego nie dokończy, a wy stracicie godziny.
10.Zabezpieczcie się przed znikaniem darmowych modeli
Na czym polega: OpenRouter regularnie rotuje ofertę darmowych modeli. Model darmowy dzisiaj może jutro być płatny albo zniknąć. Router darmowych modeli rozwiązuje to, kierując każde zapytanie do losowo wybranego, aktualnie dostępnego darmowego modelu.
Jak stosować: Zamiast wpisywać konkretny identyfikator modelu, wpiszcie identyfikator routera darmowych modeli we wszystkich miejscach w ustawieniach. Konfiguracja przestanie się psuć przy każdej zmianie oferty.
Na co uważać: Płacicie za to nieprzewidywalnością — każde zapytanie może trafić do innego modelu o innej jakości, innym oknie kontekstu i innych zasadach przetwarzania danych. Do zadań wymagających spójnego stylu lub przewidywalnego zachowania lepiej wskazać konkretny model.