Codex + SkyClaw 1.0 = vrhunski domaći Agent
Prijatelji koji razvijaju Agente sigurno dele isti osećaj — izbor modela je veliki problem.
Codex podrazumevano pokreće GPT-5.5, sposobnosti su u redu, a cena je razumna. Ali mnogi prijatelji u zemlji i dalje ne mogu da ga koriste, pa sam razmišljao.
Hteo sam da nađem model koji istovremeno ispunjava tri uslova: jak u izvršenju Agentskih zadataka, dovoljno veliki prozor konteksta i pristupačna cena.
Evo jedne dobre opcije — novoobjavljeni SkyClaw v1.0 iz Kunlun Wanwei.
Nakon što sam ga uveo u Codex, redom sam završio dva realna projekta — funkciju prebacivanja modela u PaiSwitch i prilagođavanje radnog toka PaiAgent.
Pozivi alata su stabilni, kvalitet koda izdrži proveru. Ključno je da je ulazna cena čak niža od DeepSeek V4 Pro.
01. Zašto Codex + SkyClaw
Prvo da razjasnim logiku ove kombinacije, da ne pomislite da nasilno spajam nepovezane stvari.
Codex je Agentski alat za programiranje koji je izašao iz OpenAI, a njegova izvršna arhitektura je izuzetno čvrsta. Verovatno je trenutno jedan od opštepriznatih najboljih Agentskih okvira.
Možemo i preko nekih metoda da ga opremimo domaćim modelima, recimo DeepSeek V4 Pro, ili današnjim glavnim junakom SkyClaw v1.0.
SkyClaw v1.0 je model koji je Kunlun Wanwei specijalno istrenirao za Agentske tokove rada, podržava kontekst od milion tokena. Okruženje za treniranje izgrađeno je na OpenClaw-style agent framework-u i pokriva visokofrekventne Agentske operacije poput čitanja fajlova, uređivanja koda, pretrage sadržaja, izvršavanja testova i posmatranja stranica.
Uz fino podešavanje visokokvalitetnim sintetičkim podacima i Agentic reforzivno učenje, SkyClaw zaista nešto zna u "izvršenju dugih lanaca zadataka". Mojim rečima: date mu posao i on ga odrađuje od početka do kraja, bez padanja usput.
Podaci o rezultatima to potvrđuju:
| Stavka evaluacije | SkyClaw v1.0 | Objašnjenje |
|---|---|---|
| PinchBench-V2 | 87.2 | Sveobuhvatna evaluacija Agentske moći |
| Claw-Eval Pass^3 | 59.7 | Test stabilnosti (uzastopna 3 prolaza) |
| Claw-Eval Avg | 74.2 | Prosečna stopa prolaza |
| Skywork-Claw-Bench | 62.9 | Skywork interni Agent benchmark |
U više specijalizovanih Agentskih evaluacija, SkyClaw v1.0 je prevazišao Minimax 2.7, DeepSeek V4 Flash, kao i modele Qwen 3.6 serije — 35B A3B i 27B.
Dakle, logika ove kombinacije je sledeća.
Codex pruža vrhunski Agentski izvršni okvir i sandbox okruženje, a SkyClaw donosi mozak za rezonovanje specijalno istreniran za Agentske zadatke. Svaki radi ono što najbolje zna, a spojeni zajedno čine vrhunski domaći Agent.
02. Uvezimo SkyClaw u CC
Ajde odmah na posao.
Prvi korak, u PaiSwitch dodajte API konfiguraciju za SkyClaw.
Trebate popuniti tri parametra:
- Base URL:
https://api.apifree.ai/agent - Naziv modela:
skyclaw-v1; ako želite laganu verziju, unesiteskyclaw-v1-lite - API Key je onaj koji dobijete na platformi ApiFree
Registracija na ApiFree je jednostavna — napravite nalog i dobijete API Key. Tokom lansiranja su pozivi besplatni, bez potrebe za prijavom na listu čekanja ili odobrenjem.
https://www.apifree.ai/model/skywork-ai/skyclaw-v1?tab=api
Prijatelji koji žele da uhvate besplatne tokene neka požure — nije poznato koliko će ova pogodnost trajati.
Nakon konfiguracije, pokrenite Claude Code.
Ako se među opcijama modela pojavi skyclaw-v1, konfiguracija je uspela. Komandom /status možete potvrditi trenutno stanje modela.
Ovim je podrazumevani model CC prebačen sa Opus 4.8 na SkyClaw v1.0.
Sledi pravi posao — da vidimo da li SkyClaw zaista može da parira.
03. Kompatibilna prilagođenost za Codex
Sam Codex podržava samo OpenAI-jeve modele, pa za ubacivanje SkyClaw-a treba međusloj za prilagođavanje. Napravio sam alat koji se zove PaiSwitch da rešim to — on u pozadini radi konverziju protokola, pretvara SkyClaw interfejs koji pruža ApiFree u OpenAI-kompatibilan format, tako da Codex može nesmetano da ga poziva.
Prvi zadatak: dodati PaiSwitch-u mogućnost prebacivanja osnovnog LLM-a za Codex.
Taj zahtev znači da SkyClaw treba da uradi sledeće: prvo pročita postojeći kod projekta, da razume arhitekturu i podelu modula PaiSwitch-a; zatim, referencujući postojeći mehanizam prebacivanja modela iz settings.json u Claude Code-u, osmisli slično rešenje; potom to realizuje, a po završetku koda mora proći i testove.
U CC unesite:
Pozivajući se na mehanizam prebacivanja modela iz settings.json u Claude Code-u, dodajte PaiSwitch-u mogućnost prebacivanja osnovnog LLM-a za Codex, sa podrškom za izmenu između SkyClaw v1.0, DeepSeek V4 Pro i drugih modela preko konfiguracionog fajla.
Nakon što je dobio zadatak, SkyClaw nije žurio da piše kod. Prvo što je uradio je čitanje koda projekta — od ulaznog fajla, postepeno ulazeći u svaki modul, kako bi razumeo postojeću strukturu koda i odnose između komponenti.
Nakon čitanja koda, SkyClaw je sam sastavio listu zadataka i podelio je na četiri podzadatka: parsiranje konfiguracionog fajla, sloj za rutiranje modela, API adapter i podršku za argumente komandne linije. Između podzadataka postoje jasne zavisnosti, pa se redosledom izvršavanja kompletira cela funkcija.
Zatim je počeo da piše kod modul po modul.
Proces pisanja koda sam pratio sve vreme, i jedan detalj mi je ostavio poseban utisak.
To je održavanje konteksta. Od početka do kraja, SkyClaw je stalno imao na umu šta radi, do koje je faze stigao i šta sledeće treba da uradi. To je u dugim lancima zadataka ključno.
Konačno je isporučio kompletnu funkciju prebacivanja modela. PaiSwitch sada podržava slobodno prebacivanje između GPT-5.5, DeepSeek V4 Pro i SkyClaw v1.0, bilo preko konfiguracionog fajla, bilo preko argumenata komandne linije.
U celosti, kvalitet izrade ovog zadatka je prevazišao moja očekivanja.
04. SkyClaw prepravlja PaiAgent
Nakon završetka razvoja funkcija u PaiSwitch-u, dao sam SkyClaw-u drugi zadatak — da sam sebe prilagodi sistemu radnih tokova PaiAgent.
PaiAgent je moj open-source projekat za orkestraciju radnih tokova, koji već ima preko 400 zvezda na GitHub-u. Njegova ključna funkcija je da korisnicima omogući da preko vizuelnog interfejsa orkestruju AI tokove rada, povezujući više LLM čvorova i čvorova sa alatima kako bi se izvršili složeni zadaci.
https://github.com/itwanger/PaiAgent
Problem se pojavi na LLM čvorovima PaiAgent-a. Prvobitno je bio prilagođen uobičajenim pružaocima modela poput OpenAI, DeepSeek i GLM, a svaki pružalac ima svoj API format, način autentifikacije i specifikacije parametara. SkyClaw usluge pruža preko ApiFree, čiji se API format razlikuje od postojećih pružalaca, pa bi direktno ubacivanje dovelo do greške.
Hajde da SkyClaw sam reši ovaj problem.
Prvo prebacite osnovni model Codex-a na SkyClaw.
Ponovo pokrenite Codex i potvrdite da je prebacivanje modela uspelo.
Zatim informaciju o grešci unesite kao prompt:
Konfigurisao sam skyclaw model za PaiAgent, ali nije prilagođen. [18:49:34] ❌ Čvor [llm] izvršenje neuspešno: nepodržan tip pružaoca: skyclaw-v1.0. Ovo je zvanični API servisa apifree.
SkyClaw je prvo potražio kod za registraciju LLM pružalaca u PaiAgent-u i razumeo arhitekturu postojećeg sloja za prilagođavanje. Svaki pružalac implementira isti interfejs, a adapter se kreira po imenu preko factory šablona. Zatim je SkyClaw, prateći taj šablon, napisao novi SkyClaw adapter i obradio detalje poput konverzije API formata, autentifikacije zaglavlja i parsiranja odgovora.
Nakon izmena, ponovo sam pokrenuo radni tok — prošlo je.
AI podcast radni tok PaiAgent-a sada normalno poziva SkyClaw za generisanje scenarija podcasta, a kvalitet zvuka nema primetnu razliku u odnosu na varijantu sa DeepSeek.
Može se reći da je SkyClaw sam sebi put pripremio, sam svoju sudbinu uzeo u ruke, haha.
05. Cena SkyClaw-a
Da li je Agentski model dobar jedna je stvar, da li ga možemo sebi priuštiti druga.
Izvršavanje Agentskih zadataka se razlikuje od običnog razgovora. Običan razgovor je pitanje-odgovor i završava se sa dva API poziva. Agentski zadatak je dugačak lanac — model mora iznova da čita kod, analizira problem, osmišljava plan, piše kod, pokreće testove, čita rezultate, popravlja kod; jedan zadatak srednje složenosti može zahtevati i desetine poziva modela. Svaki poziv troši i ulazne i izlazne tokene.
Zato u Agentskim scenarijima jedinična cena modela množi se sa brojem poziva, a trošak tokena nije mali.
Cenu SkyClaw-a sam pažljivo pročitao dvaput.
Ulazna cena je svega dvadesetčetvrtina DeepSeek V4 Pro, odnosno oko četvrtina MiniMax M2.7.
Uz to postoji i SkyClaw-v1.0-lite verzija. Istu arhitektura i metod treniranja, manji broj parametara, brže izvođenje zaključaka i niža cena. Za scenarije osetljive na latenciju ili sa ograničenim budžetom, Lite verzija je vrlo praktičan izbor.
Tokom lansiranja se preko ApiFree može besplatno pozivati. Prijatelji koji žele da probaju neka požure da se registruju — nije poznato koliko će ovaj besplatni iznos još trajati.
Za pojedinačne programere, najveća prepreka u Agentskom razvoju nikad nije tehnologija. Okvira ima — Codex i Claude Code, alatni lanac je zreo. Pravi usko vrat je cena modela.
Dobri modeli su skupi za pozivanje, jeftini modeli ne mogu da odrađuju Agentski posao. SkyClaw u obe dimenzije istovremeno postiže dobar nivo i zaista nudi pojedinačnim programerima vrlo praktičan izbor.
06. Tiangong super-inteligentni agent
Posle toliko priče o tome kako se SkyClaw ponaša u okvirima Agentskih okvira trećih strana, moramo reći nešto i o njegovoj "matičnoj areni" — Tiangong super-inteligentnom agentu.
Tiangong je platforma za saradnju više agenata koju gradi Kunlun Wanwei. U polje za razgovor joj date cilj zadatka, a ona sama razlaže zadatak, raspoređuje više stručnih agenata i end-to-end isporuči gotov proizvod.
Šta to znači? Evo mog realnog primera.
Trenutno pišem članak sa uporednom analizom AI alata za programiranje i treba mi konkurentna analiza Claude Code, Codex i Qoder-a. Ranije bih lično pretraživao sajtove, čitao dokumentaciju, sređivao podatke, pravio tabele za poređenje i slagao PPT — sve skupa pola dana posla.
Ovaj put sam Tiangong-u bacio jednu rečenicu i gotovo.
Tiangong je pozvao više MCP alata — pretragu interneta, analizu podataka — i radio je oko petnaestak minuta.
Konačno je proizveo dve stavke. Prva je dubok analitički izveštaj sa ukupno devet poglavlja, sa ugrađenih sedam interaktivnih grafikona napravljenih u Chart.js, koji pokrivaju pregled proizvoda, poređenje ključnih indikatora, razlike u funkcijama, strategije cena, ekološku prilagođenost, prednosti i slabosti i preporuke za izbor. Svaki podatak ima naveden izvor.
Druga je PPT za deljenje sa timom, trinaest slajdova, od naslovne do ukupne ocene, jasne strukture i čistog rasporeda.
Ovaj PPT nije onakav "može da se gleda ali ga morate sami mnogo doraditi". Veličine fontova su ujednačene, razmaci razumni, palete ne bodu oči, a logički prelazi između stranica su glatki. Može se direktno koristiti za internu podelu u timu, bez sramote.
Tiangong u sebi ima svemodalni editor, pa se dokumenti, PPT, tabele i slike mogu uređivati i izvoziti online. Mada mislim da većinu vreme neće biti potrebno mnogo menjati — može se koristiti takav kakav je.
Virtuelna mašina u oblaku i zakazani zadaci
Tiangong u oblaku svakom korisniku dodeli po jednu virtuelnu mašinu, pa se sve izvršenje zadataka i čitanje i pisanje fajlova dešava u oblaku. Možete čak zatvoriti pretraživač i raditi nešto drugo, a kad se vratite — on još uvek radi i fajlovi ne nestaju.
Podržava paralelnost sa više niti, pa više složenih tokova rada može istovremeno da teče: pisanje dokumenata, pravljenje PPT-a, pokretanje analize podataka — bez čekanja u redu.
Tiangong je povezan i sa Feishu IM-om i podržava zakazanu automatizaciju. Ne morate da otvarate pretraživač, zadatke zadajete direktno iz Feishu-a.
Podesio sam jedan praktičan zakazani zadatak — svakog jutra u osam, Tiangong automatski pretražuje AI vesti industrije iz prethodna 24 sata, izdvaja pet do osam vrednih događaja (odbacuje marketinške tekstove i duplikate) i šalje ih u moj Feishu.
Svako jutro kad otvorim Feishu, izbor AI dnevnih vesti već mirno leži tamo.
Top modeli i trg skillova
Tiangong dolazi sa više top modela koje možete slobodno prebacivati. Pored sopstvene SkyClaw serije, tu su i DeepSeek V4 Pro, GLM-5.1 i drugi. Ako niste sigurni koji da izaberete, koristite režim pametne raspodele i pustite sistem da automatski upari prema složenosti zadatka.
Trg skillova je još jedna praktična tačka Tiangonga. Dokumenti, PPT, generisanje slika, obrada tabela, izrada veb sajtova, produkcija videa (integrisani Seedance 2.0 i Kling 3.0) — svakojakih stručnih Skill-ova ima.
Testirao sam jedan scenario — dao sam Tiangong-u da napravi PPT "Obuka novih zaposlenih o korišćenju AI alata".
Prvo je sastavio plan obuke, generisao sadržaj i raspored stranu po stranu, a zatim proizveo .pptx fajl. Dok pravi PPT, može istovremeno da se poziva na prethodno otpremljene dokumente, pretražuje internet za podatke i čita Excel kako bi izvukao indikatore. Ovakva unakrsnomodalna saradnja nije moguća u mnogim single-point AI alatima.
Tiangong podržava i prilagođene Skill-ove — opišete svoj radni scenario i potrebe, a Tiangong pomaže u kreiranju specijalizovanih veština. Što ih više koristite, Tiangong bolje upoznaje vaše radne navike i preferencije, pa su rezultati sve prilagođeniji stvarnim potrebama.
Prošle godine sam već isprobao inostranu verziju Tiangonga — Skywork. Nakon što je godinu dana išao glava u glava sa najboljim AI proizvodima na svetu, domaća verzija je prošla veliku, generacijsku nadogradnju. Utisak koji mi ostavlja jeste da nije proizvod koji je polako iteriran — on se vratio sa iskustvom iz borbe.
Zaključak
Codex u paru sa SkyClaw v1.0 zaista je dao kombinaciju kojom sam prilično zadovoljan.
Funkcija prebacivanja modela u PaiSwitch — od čitanja koda, preko rastavljanja zadataka, pisanja koda, pokretanja testova, do ispravke bagova. Prilagođavanje radnog toka PaiAgent — pročitao je grešku, našao kod, napisao adapter, pokrenuo radni tok.
SkyClaw API je trenutno besplatno dostupan preko platforme ApiFree. Ako se i vi bavite Agentskim razvojem, ili samo želite model sa dobrim odnosom cene i kvaliteta za Codex, vredi isprobati.
[Jedan računar i jedan dobar Agentski model mogu da urade više nego što mislite.]
vidimo se u sledećem.