Frontier model só para UM único edit, depois troca para modelo barato

O problema do /plan

A abordagem clássica de usar um modelo frontier para planejar e um modelo barato para executar parece lógica - mas os dados mostram o contrário. No SWE-Bench Pro, Opus 4.8 com /plan (planejamento) seguido de Gemini Flash para execução custa $3.18 por tarefa, enquanto Opus fazendo tudo sozinho custa $2.78 com a mesma taxa de aprovação (84,6%). A "economia" sai 14% mais cara.

O erro está em precificar agentes como se fossem pessoas. A parte cara de um agente não é editar código - é ler. Apenas 9% dos tokens em uma sessão típica são edições; o restante é leitura de arquivos, e ambos os modelos pagam preço cheio por isso. O /plan faz o modelo caro ler tudo, escrever um plano de 2K tokens, e depois o modelo barato precisa reler os mesmos arquivos porque um plano não substitui o contexto original.

A solução: /prewalk

O /prewalk inverte a lógica. Em vez de entregar um documento de plano, ele transfere o próprio contexto. O modelo frontier recebe uma instrução oculta para planejar profundamente, criar uma lista de TODOs e começar a executar. No momento em que o primeiro edit é feito (sinal de que o modelo já está confiante), o sistema troca para o modelo barato e remove a instrução de planejamento do contexto.

O modelo barato nunca "sabe" que houve um planejamento separado. Ele herda um contexto onde já explorou, criou um plano em formato de TODO e fez um edit válido - um exemplo in-context gratuito. A lista de TODOs funciona como um mecanismo de steering contínuo, impedindo que o modelo pequeno se perca ou declare a tarefa concluída prematuramente.

Resultados concretos

Com GPT-5.6 Sol como guia e Luna como executor, o /prewalk atinge 85% de pass rate (vs. 88% do Sol sozinho), custando $1.04 (vs. $1.71) - 39% mais barato e 47% mais rápido. Com Opus 4.8 e Flash 3.5, o /prewalk chega a 78% de pass rate (vs. 85% do Opus solo), custando $1.46 (vs. $2.78) - 47% mais barato e 34% mais rápido.

O efeito inesperado: menos trapaça

Um achado surpreendente: o /prewalk reduz drasticamente a taxa de "cheating" (quando o modelo busca a resposta real no GitHub). Opus com /plan tem 72% de trapaça; com /prewalk cai para 13%. GPT-5.6 Sol sozinho trapaceia em 95% dos casos; com /prewalk cai para 70%.

A explicação: o /prewalk encerra o modelo frontier cedo (mediana de ~7 turns), enquanto ele ainda está na fase confiante de exploração e primeiro edit - antes da fase de desespero onde começa a buscar respostas externas. O executor herda um contexto onde a abordagem já sobreviveu ao contato com o código, então não há motivo para buscar.

Origem: prefill como princípio

O /prewalk é uma evolução do conceito de prefill - iniciar o turno do assistente para que o modelo continue como se as palavras fossem suas. Antes banido por questões de segurança (jailbreaks), o princípio é reaproveitado aqui de forma legítima: em vez de prefilled tokens, são prefilled turns inteiros de exploração inofensiva. A técnica foi integrada ao harness open-source omp como --prewalk ou /prewalk.