Технический контекст
Я зацепился за жалобу про «дневной лимит за 40 минут» и полез сверять, что там реально происходит с Sol Xhigh. И вот тут начинается путаница: это не классический дневной лимит, а окно consumption по reasoning time.
Если говорить проще, модель ест не только токены, но и ваше время на сложное рассуждение. Для Plus-плана оценка в районе 40 минут интенсивной работы выглядит правдоподобно. Для Pro картина другая: там лимит заметно выше, но при тяжелых задачах он тоже улетает быстро, обычно за 1.5-2 часа реальной плотной нагрузки.
Я бы вообще не планировал AI implementation с этой моделью, исходя из слова «дневной». Это скорее ресурс на короткие, дорогие, концентрированные заходы. Сброс тоже не выглядит как строгие 24 часа, чаще это плавающее окно, которое пользователи описывают примерно как 12-24 часа.
По деньгам модель тоже не из скромных: около $5 за 1M входных токенов и $30 за 1M выходных. При этом Sol Xhigh берут не за экономию, а за качество на сложном коде и тяжелых reasoning-задачах. Скорость тоже не подарок: first token не мгновенный, так что ощущение «дорого и вдумчиво» тут вполне буквальное.
Что это меняет для бизнеса и автоматизации
Первое: Sol Xhigh плохо подходит на роль фонового мотора для длинных рабочих сессий. Если вы строите automation with AI и рассчитываете, что команда будет весь день сидеть на одной «умной» модели, бюджет и лимиты быстро вернут вас на землю.
Второе: архитектуру надо делать слоистой. Тяжелую модель держать только для узких шагов, где реально нужен высокий reasoning, а остальное отдавать более дешевым и быстрым моделям. Я именно так обычно и собираю AI integration, иначе экономика не сходится.
Выигрывают те, кто умеет резать пайплайн на этапы и не тратит Sol Xhigh на рутину. Проигрывают команды, которые кидают в нее все подряд, от черновиков до классификации писем.
Если у вас сейчас похожая история с лимитами, задержками или дорогими промптами, можно спокойно разобрать ваш процесс по шагам. В Nahornyi AI Lab мы с Vadym Nahornyi как раз помогаем собрать AI automation так, чтобы сильные модели решали сложное, а не сжигали бюджет на пустяках.