dsh-baton отдаёт длинные задачи Claude Code на DeepSeek: $3,16 вместо $14,18

Знакомая картина: четверг, недельный лимит на агентного кодера почти выбран, а впереди ещё две рабочие сессии. Автор поста в X пишет об этом с иронией человека, который переживает такое регулярно. И тут же показывает один из возможных выходов, утилиту dsh-baton.

Что это за инструмент

Идея простая. Дорогая модель вроде Claude Code или Codex не должна сама перемалывать каждую длинную задачу. Она передаёт её более дешёвой DeepSeek, которая работает на вашей машине, а затем только проверяет, что получилось. Это похоже на старшего инженера, который отдаёт рутинную реализацию джуниору и потом делает ревью.

Такая схема хорошо ложится на то, как расходуются лимиты. Основная часть токенов уходит не на сложные решения, а на долгие циклы: написать код, запустить тесты, поправить, запустить снова. Проверка результата стоит заметно дешевле, чем весь этот цикл.

Что обещают цифры

В README проекта приведён пример: небольшое канбан-приложение. Если делать его целиком на Opus, выходит $14,18. Через dsh-baton с DeepSeek в роли исполнителя счёт составил $3,16. Это экономия около 78%, то есть примерно в 4,5 раза дешевле. Набор тестов в обоих случаях прошёл полностью: 55 из 55.

Автор поста сразу называет подвох: время выполнения выросло с 39 до 93 минут. Это в 2,4 раза дольше. Выходит классический обмен денег на время, и для многих задач он вполне разумен. Если агент работает ночью или в фоне, лишний час никому не мешает. Если же вы ждёте результат у экрана, выгода сильно сокращается.

Как относиться к этим результатам

Стоит помнить, что это один пример из README самого проекта, а не независимый бенчмарк. Канбан-приложение с 55 тестами — понятная и не самая сложная задача. Нет данных о том, как схема поведёт себя на большой кодовой базе, с неочевидными зависимостями или с нестабильными тестами. Сам пост набрал ноль просмотров, так что обсуждения и проверки сообществом пока нет.

Есть и скрытые риски. Зелёные тесты говорят лишь о том, что покрыто тестами. Если проверяющая модель смотрит только на итог, то ошибки, которых тесты не ловят, могут проскочить. Кроме того, у каждой делегации есть накладные расходы: передача контекста, повторные запуски, возможные ошибки исполнителя.

Что делать на практике

Самый разумный шаг — не переходить на схему целиком, а проверить её на своих задачах. Подойдут такие кандидаты:

• крупные, но чётко описанные задачи с хорошим тестовым покрытием;
• фоновые прогоны, где время не критично: миграции, рефакторинг по шаблону, генерация тестов;
• проекты, где лимит дорогой модели регулярно заканчивается раньше срока.

Сравните три числа на одной и той же задаче: стоимость, время и число правок после ревью. Если экономия остаётся в разы, а правок немного, схему можно закреплять. Если время растёт сильнее, чем вы готовы терпеть, оставьте сложные задачи дорогой модели, а дешёвой отдавайте только однотипную рутину.

Из общего видно главное: рынок агентных кодеров уходит от одной модели на всё к связке, где дорогая планирует и проверяет, а дешёвая выполняет. dsh-baton — ранний и пока слабо проверенный пример такого подхода, но сама логика понятна и стоит эксперимента.