Никогда не пользовался только одной моделью для сложных проектов, в которых особенно важна безопасность и стабильность. Только несколько моделей (пока что пользуюсь Claude и ChatGPT). В принципе хватает. Лимиты конечно тратятся очень быстро, много ревизий, проверок, найденных ошибок, исправлений. Но зато продукт получается стабильным и безопасным.

Ревью решений и кода почти всегда запускаю на всей диступной линейке, даже хайку. Последний отлично работает как канарейка и иногда может ожидаемо запутаться или же дать свою прямолинейную оценку. Из-за разных предпочтений и особенностей все модели тянут одеяло на себя и периодически находят то что другие пропустили, хотя казалось бы фейбл должен был флагануть то же что и Сонет, на практике это далеко не всегда так. Еще полезно запускать сиблинга агента-оркестратора для слепой сборки выводов остальных агентов в паралель с оркестратором - иногда сиблинг с чистым контекстом обращает внимания на то что оркестратор пропустил.

А как дергают друг друга, какой-то оркестратор, или codex вызывает субагента с qwen?

И с minimax не сравнивали по лимитам/работе?