Die Arbeit steuern
Goals Playbooks AI Coding Agents Ask KadmoDie Agenten ausstatten
Claude Code Skills Skill Packs MCP-Server IntegrationenDie Kontrolle behalten
Self-hosted Agents Guardrails Modelle und Schlüssel ReportingEine schnelle Einordnung, ein Umsetzungsplan und ein abschließendes Review verlangen Verschiedenes von einem Modell. Mit Kadmo wählt Ihr Software-Team für die Arbeit jedes Schritts unterstützte Modelle von OpenAI, Anthropic und seinen anderen konfigurierten Anbietern.
Behalten Sie den Workflow, bewerten Sie das Ergebnis und ändern Sie eine Modellzuweisung, wenn eine andere Option der Aufgabe besser dient. Kadmo bringt diese Wahl in seine Chats, Agenten und unterstützte externe Clients, über eine API im Anthropic-Messages-Format.
Angenommen, ein Bugfix-Prozess beginnt damit, eine Meldung einzuordnen, untersucht dann die Ursache, setzt eine Änderung um und prüft sie. Die Einordnung braucht eine klare Antwort in bekanntem Format. Die Untersuchung braucht genug Schlussfolgerung, um eine Ursache von einem Symptom zu unterscheiden. Das Review muss die Änderung am beabsichtigten Verhalten messen.
Diese Anforderungen geben Ihnen eine Grundlage für die Modellwahl. Ein kleineres Modell deckt den ersten Schritt vielleicht ab. Ein leistungsfähigeres Modell verdient seine Kosten vielleicht in der Untersuchung. Messen Sie jedes an den Belegen, die der nächste Schritt braucht.
Ein Kadmo-Playbook kann jedem Agentenschritt ein Modell zuweisen. Die Planung kann Claude nutzen, während ein anderer Schritt GPT nutzt; Rollen, Berichte und Akzeptanzbedingungen bleiben Teil des Prozesses.
Ihre Wahl kommt aus den Modellen, die über Ihre konfigurierten Anbieterrouten und Ihren Plan verfügbar sind. Sie können OpenAI für die Arbeit behalten, die es gut erledigt, und einen anderen Anbieter dort einführen, wo er hilft, mit einem klaren Grund für jede Zuweisung.
OpenAI-Modelle · Geroutete Coding-CLI
Nutzen Sie OpenAI-Modelle aus Claude Code über Claude Code Router. Claude Code liefert die Coding-Umgebung; der Router verbindet seine Modellanfragen mit OpenAI. Ein Team, das mit Claude Code arbeitet, bekommt so eine unterstützte Route zu GPT für Agentenarbeit.
OpenAI-Modelle · Unterstützte Agent-CLI
Lassen Sie Codex als Coding-CLI auf einem Kadmo-Agenten mit OpenAI-Modellen laufen. Geben Sie dem Agenten Arbeit über Kadmo, folgen Sie seiner Ausführung und prüfen Sie sein Ergebnis im Lieferprozess Ihres Teams. Wählen Sie dieses Setup, wenn Codex die Coding-Umgebung ist, die Sie betreiben wollen.
Probieren Sie ein Kandidatenmodell an einem begrenzten Schritt aus, bevor Sie einen ganzen Prozess umstellen. Nutzen Sie eine repräsentative Aufgabe und dieselben Akzeptanzbedingungen. Prüfen Sie die Ausgabe, das Verhalten mit Werkzeugen, die benötigte Zeit und die Modellkosten.
Das konfigurierte Modell zu ändern belegt nicht, dass sein Verhalten gleichwertig ist. Vielleicht müssen Sie Anweisungen anpassen oder die Art, wie ein Schritt Werkzeuge nutzt. Kadmo hält den Prozess explizit, damit das Team eine Änderung an der Arbeit messen kann, die sie erledigen muss.
Kadmo berechnet Modellaufrufe nach Eingabe- und Ausgabenutzung, in Euro, nach seiner aktuellen Preisliste. Die Abrechnung zeigt Ausgaben nach Workspace, Modell und Art der Arbeit; Threads und Jobs lassen sich zur näheren Prüfung öffnen.
Nutzen Sie diese Aufzeichnung, um einen teuren Lauf zu verstehen. Eine Untersuchung rechtfertigt vielleicht ein größeres Modell; eine wiederkehrende Prüfung ist ein Kandidat für ein kleineres. Der nützliche Vergleich sind die Kosten eines Ergebnisses, das die Anforderungen des Schritts erfüllt, einschließlich der Nacharbeit, die es brauchte.
Für Aufrufe, die Kadmo bedient, wird Guthaben zurückgelegt, bevor die Anfrage läuft, und danach mit der tatsächlichen Nutzung verrechnet. Agenten-Jobs reservieren ihre geschätzten Modellkosten und pausieren, wenn die Reservierung aufgebraucht ist.
Admins können außerdem monatliche oder Gesamtbudgets für das Konto oder einen Workspace setzen. Eine Grenze gibt dem Team einen Entscheidungspunkt: Guthaben nachlegen, das Budget überarbeiten oder die Arbeit ändern. Die Ablehnung oder Pause erklärt, was Aufmerksamkeit braucht.
Modellguthaben ist ein Teil des Ganzen. Der Plattformplan und die Maschinenzeit gehosteter Agenten sind getrennte Kosten. Aufrufe mit Ihren eigenen Anbieterzugängen rechnet dieser Anbieter ab; Maschinen in Ihrer Cloud rechnet Ihr Cloud-Anbieter ab.
Eine Pause wegen der Modellkosten schaltet keine bezahlte Maschine ab. Rechnen Sie ihre Laufzeit ein, wenn Sie die Kosten eines Workflows bewerten, und wählen Sie die Hosting- und Anbieter-Anordnung, die zu Ihrem Team passt.
Nutzen Sie den direkten Zugang zu OpenAI, wenn Ihre Anwendung von OpenAI-spezifischen APIs, nativen Funktionen oder einer Anbieterbeziehung abhängt, die Sie selbst führen wollen. Kadmo ist besonders nützlich, wenn die Modellwahl in der Engineering-Arbeit eines Teams liegt und über Anbieter hinweg änderbar bleiben soll.
Kadmo bietet außerdem eine LLM-API für unterstützte externe Clients. Sie nutzt das Anthropic-Messages-Format mit den Kadmo-Zugangsdaten eines Mitglieds. Eine Anwendung, die OpenAIs Responses- oder Chat-Completions-Format nutzt, braucht eine passende Integration; der Endpunkt ist kein Drop-in-Ersatz für diese APIs.
Wenn die Hauptentscheidung ist, wer eine Anfrage überhaupt erhalten darf, lesen Sie über Anbieter- und Datenkontrolle auf der Seite zur Anthropic Alternative.
Ja. Anbieterunabhängigkeit schließt ein, OpenAI-Modelle dort zu behalten, wo sie zur Aufgabe passen. Ihr Team kann andere unterstützte Modelle Schritt für Schritt einführen, statt jede Zuweisung auf einmal zu ersetzen.
Ja. Mehr Versuche, längere Ausgaben oder zusätzliches Review können einen niedrigeren Token-Preis aufwiegen. Vergleichen Sie die Kosten bis zu einem akzeptablen Ergebnis, einschließlich Nacharbeit, bevor Sie einen Routineschritt auf ein kleineres Modell umstellen.
Nein. Eine Reservierung legt Guthaben für Arbeit zurück. Berechnet wird die tatsächliche Nutzung, und ungenutztes reserviertes Guthaben wird bei der Abrechnung der Reservierung wieder frei. Die Abrechnung unterscheidet reserviertes Guthaben vom Betrag, der für den Start anderer Arbeit verfügbar ist.
Die freigegebenen Modelle, Anbieterverbindungen und geltenden Regionenregeln Ihres Kontos bestimmen die Auswahl. Die Seite zur Anthropic Alternative behandelt diese Anbieter- und Datenkontrollen.
Bringen Sie einen Prozess mit, den Ihr Team schon ausführt. Legen Sie fest, was jeder Schritt liefern muss, wählen Sie Kandidatenmodelle und vereinbaren Sie die Ausgabe und die Ausgaben, die Sie akzeptieren. Beginnen Sie mit einer Änderung, die Sie bewerten können.