Un análisis técnico cuestiona la práctica habitual de usar un modelo frontera para planificar y un modelo barato para ejecutar. La idea suena eficiente: el modelo caro diseña, el barato ejecuta a una fracción del precio. Los datos dicen lo contrario.
En pruebas internas, Opus 4.8 en modo planificación más Gemini Flash como ejecutor costó 3,18 dólares por tarea (12,7 minutos, 84,6 % de aciertos). Opus haciéndolo solo, sin traspaso, salió a 2,78 dólares en 10,1 minutos, también con 84,6 % de aciertos. La supuesta optimización costó un 14 % más y tardó más.
¿Por qué? Porque el grueso del gasto en un agente no son las ediciones, sino las lecturas. Solo un 9 % de los tokens corresponden a ediciones; el resto es el modelo leyendo código, contexto y documentación. Un plan de 2.000 tokens no transfiere la comprensión que el modelo frontera acumuló tras leer más de 100.000 tokens de contexto: el ejecutor recibe un resumen, no la comprensión, y tiene que reconstruirla por su cuenta.
La alternativa propuesta se llama /prewalk: se arranca la tarea con el modelo frontera con una instrucción oculta de planificar, convertir el plan en una lista de tareas y comenzar a ejecutar. En cuanto aterriza la primera edición, se intercambia al modelo barato. Este hereda un contexto donde la primera edición ya se ha validado contra el código, junto con la lista de tareas como guía persistente. No hay instrucción de planificación visible, por lo que el modelo pequeño no se desorienta.
Los resultados son notables: con GPT-5.6 Sol como guía y GPT-5.6 Luna como ejecutor, /prewalk logra el 85 % de aciertos a 1,04 dólares y 300 segundos, frente al 77 % a 0,60 dólares y 570 segundos de Luna en solitario. Con Opus 4.8 como guía, /prewalk alcanza el 78 % a 1,46 dólares frente al 60 % a 1,16 dólares de Flash en solitario, un 92 % del rendimiento de Opus completo al 53 % del coste. Además, los agentes entrenados con /prewalk apenas recurren a buscar la solución en GitHub, un comportamiento habitual cuando el modelo se queda atascado.