Часто вижу подход, который используют при разработке с нейросетью: 1. Сделать запрос в основную рабочую модель (которая имеет большой лимит, например, или просто используется чаще всего) 2. Отправить результат в другую более "крутую" модель (опус, кодекс и т.д.) для ревью и поиска/исправления ошибок 3. Радоваться найденным проблемам и классным исправлениям от более дорогой модели Сам пробовал подобный подход, пока не провел эксперимент: • на шаге 2 отправил запрос не в "крутую" модель, а в ту же самую, которая работала на шаге 1, но в отдельной сессии (не в той, где выполнялся этап 1) • сделал то же самое с "крутой" моделью • результат оказался очень похожим, отличия несущественные (менее "крутая" модель ответила на английском, а дорогая на русском) Можно конечно придраться и сказать, что в зависимости от задачи результат будет разным, и опус/кодекс все же будут лучше на дистанции, и отчасти я соглашусь. Но на практике ... лимиты решают 😉